最近这段时间AI 绘图圈子里讨论度最高的话题基本都绕不开 GPT-Image-2 和 Nano Banana 这两个名字。我前后花了差不多两周时间把同一批提示词在两个模型上反复跑了几十轮从写实人像、产品渲染、信息图、多格漫画到文字排版能测的场景基本都测了一遍。结论先放这儿GPT-Image-2 在指令遵循、文字渲染和复杂构图这三块确实拉开了明显差距但 Nano Banana 也不是一无是处它在某些风格化场景里反而更讨喜。这篇文章不吹不黑我会把 10 组可以直接复制粘贴的提示词完整放出来同时把每组提示词背后的设计逻辑、参数取舍、以及我在实测中踩过的坑一并讲清楚不管你是刚接触 AI 绘图的新手还是已经在做商业出图的老手都能直接拿去用。1. 先把两个模型的脾气摸清楚再谈碾压1.1 为什么同一句提示词在两个模型上差距这么大很多人第一次对比两个模型会习惯性地拿一句一只猫坐在窗台上去测然后得出差不多嘛的结论。这种测法其实没什么意义因为简单提示词根本压不出模型的真实能力上限。真正拉开差距的是那些包含多重约束的提示词——比如同时要求指定构图、指定文字内容、指定材质、指定光影方向、还要保持主体一致性。我实测下来GPT-Image-2 对约束堆叠的容忍度明显更高。你给它一段两百字、包含七八个条件的中文提示词它基本能抓住其中六到七个Nano Banana 在条件超过四五个之后就开始出现选择性失忆经常把文字要求或者背景元素丢掉。这不是谁好谁坏的问题而是两个模型在训练时的指令遵循权重不一样。打个比方GPT-Image-2 像一个理解力很强但有点较真的美术指导你说什么它尽量都给你落实Nano Banana 更像一个灵感型画师你给个方向它能画出很漂亮的东西但细节上它有自己的想法。所以用 Nano Banana 的时候提示词要留白用 GPT-Image-2 的时候提示词要写满。1.2 文字渲染能力是分水岭如果你做的是海报、信息图、包装设计这类需要出文字的内容那这个差距是决定性的。我拿同一句一张咖啡店菜单标题写着 MORNING BREW下面列三款咖啡名称和价格去测测试项GPT-Image-2Nano Banana标题文字准确率约 95%基本无错字约 60%常有字母粘连中文渲染可稳定输出常用汉字中文经常糊成方块多行排版行距字距可控排版随机性大小字号文字可辨认基本糊掉这个表格是我跑了 20 轮取的平均感受不是精确统计但趋势非常明显。GPT-Image-2 在文字这块的进步是它被称为碾压的核心原因之一。以前做带文字的海报大家都要靠后期 PS 补字现在很多场景可以直接出图了。1.3 风格化场景 Nano Banana 反而有优势但我要说句公道话Nano Banana 在艺术风格迁移上依然很能打。比如你要做水彩、厚涂油画、复古胶片这类强风格化的图Nano Banana 出来的质感往往更松弛、更有手绘味而 GPT-Image-2 有时候会显得过于干净和工整反而少了点人味。所以我的实际工作流是这样的需要精确控制、需要文字、需要复杂构图走 GPT-Image-2需要氛围感、需要艺术风格、需要快速出灵感草图走 Nano Banana。两个都留着别急着站队。2. 提示词到底该怎么写才不浪费模型能力2.1 结构化提示词比堆形容词有效十倍新手最容易犯的错就是把提示词写成形容词大杂烩超高清、大师级、8K、电影感、梦幻、唯美、精致……这种写法在早期模型上可能有点用但在 GPT-Image-2 这种理解力强的模型上纯属浪费 token。我推荐用结构化写法把提示词拆成几个明确的模块主体画面里到底有什么位置在哪动作/状态主体在做什么环境背景、场景、时间、天气构图视角、景别、镜头类型光影光源方向、色温、明暗对比风格材质、媒介、参考方向文字需要出现的具体文字内容如果有这样写的好处是模型能逐条对应不会把梦幻这种词随机分配到某个角落。下面这 10 组提示词我全部是按这个结构组织的你可以直接复制也可以按自己的需求替换模块。2.2 关于 JSON 格式提示词的实测结论最近热词里JSON 提示词出现频率很高我也专门测了一轮。结论是GPT-Image-2 对 JSON 结构的提示词理解得相当好尤其是当你需要精确控制多个元素属性的时候。比如这种写法{ subject: 一只橘猫, action: 趴在木质窗台上打哈欠, environment: 午后阳光透过纱帘的室内, composition: 中景略微俯视, lighting: 侧逆光暖色调, style: 写实摄影浅景深, text: 无 }实测下来这种 JSON 写法在元素对应准确度上比自然语言高一些尤其是当你有五六个以上元素需要精确控制时。但缺点是写起来麻烦日常快速出图我还是用自然语言结构化写法。JSON 更适合批量生成或者程序化调用的场景。提示JSON 提示词里的字段名用英文更稳字段值用中文没问题。别把 JSON 写成嵌套三层的复杂结构模型会晕。2.3 负面提示词在新模型上还要不要写早期模型时代负面提示词是刚需。但在 GPT-Image-2 上我实测发现负面提示词的作用被大幅削弱了——它更倾向于理解你要什么而不是不要什么。你写一堆不要模糊、不要多余手指、不要变形效果远不如直接正面描述清晰锐利、五指自然、比例准确。所以我的建议是GPT-Image-2 少写负面多写正面Nano Banana 可以适当保留负面提示词它对负面约束的响应还比较明显。3. 10 组可直接复制的提示词完整拆解这一节是全文的核心我把 10 组提示词按场景分类每组都附上设计思路和实测效果说明。你可以直接复制使用建议先原样跑一遍再按自己的需求改。3.1 写实人像类第 1-2 组第 1 组自然光下的亚洲女性肖像主体一位 28 岁左右的亚洲女性短发穿米白色针织衫 动作侧身坐在窗边微微低头看手中的书 环境北欧风格室内窗外是模糊的绿色植物 构图中近景三分法构图人物偏左 光影柔和自然光从右侧窗户照入面部有柔和过渡 风格写实摄影50mm 镜头浅景深胶片颗粒感 文字无这组提示词的关键在于光影描述要具体到方向。柔和自然光太笼统从右侧窗户照入才能让模型确定光源位置。实测 GPT-Image-2 出来的皮肤质感和发丝细节非常自然Nano Banana 版本偏油画感也很好看但不够照片。第 2 组商务男性职业照主体一位 35 岁男性西装短发戴细框眼镜 动作正面站立双手自然交叠于身前微笑 环境纯灰色渐变背景 构图半身正面居中构图 光影影棚双灯主光 45 度辅光补暗部 风格商业摄影锐利清晰专业感 文字无职业照这个场景GPT-Image-2 的稳定性明显更好连续出 10 张人物比例和光线一致性都很高。Nano Banana 偶尔会把眼镜画歪或者手指数量出问题。3.2 产品与电商类第 3-4 组第 3 组护肤品瓶身产品图主体一支白色磨砂玻璃精华瓶金色瓶盖 动作静置于浅色大理石台面 环境背景是虚化的米色墙面旁边有一片绿叶 构图正面微俯视产品居中偏下 光影柔光箱从左上方打光瓶身有高光反射 风格电商产品摄影干净通透 文字瓶身标签写 AQUA SERUM这组我重点测了瓶身文字。GPT-Image-2 能比较准确地渲染出 AQUA SERUMNano Banana 出来的字母经常缺笔画。做电商的朋友应该懂这个能力直接决定了能不能省掉后期加字。第 4 组食品摆拍主体一碗热气腾腾的牛肉面上面有葱花和溏心蛋 动作静置于木质餐桌 环境暖色调餐厅背景有模糊的筷子和茶杯 构图45 度俯拍碗占画面三分之二 光影侧逆光热气可见暖黄调 风格美食摄影诱人质感 文字无食品类的难点是热气和汤汁质感。GPT-Image-2 对热气可见这个描述响应很好能画出自然的蒸汽。Nano Banana 的热气经常画成一团白雾不够真实。3.3 信息图与文字排版类第 5-6 组第 5 组极简信息图主体一张关于每日饮水的信息图 动作无 环境纯白背景 构图顶部大标题中部三个图标配文字底部一行小字 光影无扁平设计 风格极简矢量插画蓝白配色 文字标题 每日饮水指南三个图标下方分别写 早晨 300ml 午后 400ml 睡前 200ml这组是文字渲染的极限测试。GPT-Image-2 基本能把所有中文都渲染出来虽然偶尔有个别字笔画略怪但整体可读。Nano Banana 在这组上基本崩了中文全糊。做信息图、流程图、知识卡片的朋友这个能力是刚需。第 6 组多格漫画主体四格漫画讲述一只猫试图偷鱼的故事 动作第一格猫观察第二格猫靠近第三格猫伸爪第四格猫被鱼尾巴拍脸 环境厨房场景每格背景一致 构图2x2 网格每格等大格间有细黑线分隔 光影明亮卡通风格 风格日式简约漫画线条干净 文字每格底部有简短对白分别为 目标出现 悄悄接近 就是现在 失算了多格漫画考验的是跨格一致性。GPT-Image-2 能保持四格里的猫是同一只Nano Banana 经常每格猫的花色都不一样。这个能力对做分镜、做短剧封面的朋友很有价值。3.4 创意与风格化类第 7-8 组第 7 组鹈鹕骑自行车热词同款主体一只鹈鹕 动作骑着一辆红色自行车双翅扶把表情专注 环境海边栈道背景有夕阳和海鸥 构图侧面全景鹈鹕居中 光影金色夕阳逆光轮廓光明显 风格写实与幽默结合高清摄影感 文字无这组是最近很火的测试题我也跟风测了。GPT-Image-2 能把鹈鹕的喙、翅膀、自行车把手的关系处理得比较合理Nano Banana 经常把鹈鹕的翅膀和车把糊在一起。这个测试题之所以火就是因为它同时考验动物结构和物体交互很能看出模型的空间理解能力。第 8 组复古胶片风街景主体一条老城区街道有自行车、招牌、行人 动作傍晚时分行人匆匆 环境90 年代风格街道霓虹招牌电线杆 构图广角街道向远处延伸 光影黄昏暖光路灯刚亮 风格复古胶片颗粒感强色调偏青橙 文字招牌上写 老张面馆风格化这块说实话 Nano Banana 的胶片味更足出来的图更有旧照片的松弛感。GPT-Image-2 更干净但少了点年代感。这组我建议两个模型都跑选你喜欢的。3.5 复杂构图与一致性类第 9-10 组第 9 组三视图角色设定主体一个卡通风格的机器人角色 动作无 环境纯白背景 构图横向排列三个视图从左到右分别是正面、侧面、背面 光影均匀平光 风格游戏角色设定图线条清晰配色简洁 文字每个视图下方标注 正面 侧面 背面三视图是角色设计的基础需求。GPT-Image-2 能保持三个视图里机器人的配色和结构一致Nano Banana 经常三个视图像三个不同的机器人。做游戏、做动画的朋友这个能力能省大量时间。第 10 组带文字的海报主体一张音乐节海报 动作无 环境深色背景有光斑和声波纹理 构图顶部大标题中部主视觉底部信息栏 光影霓虹光效 风格赛博朋克高对比荧光色 文字标题 城市之声副标题 2026 夏季音乐节底部写 7月18日 中心广场海报是综合能力测试同时考验文字、排版、风格、构图。GPT-Image-2 在这组上表现最全面文字基本准确排版也合理。Nano Banana 的主视觉很酷但文字部分基本要重做。4. 实测中那些没人告诉你的坑4.1 中文提示词里的标点和换行很关键我一开始写提示词喜欢用逗号一路逗到底结果发现模型有时候会把后面的条件当成前面主体的修饰。后来改成用换行分隔模块准确率明显提升。GPT-Image-2 对换行和分段的敏感度比想象中高你把它当成在填表格一项一行它就给得准。另外中文提示词里少用顿号堆叠比如红色、蓝色、绿色这种模型容易只取一个。要表达多个元素用和或者分行写。4.2 文字内容一定要加引号需要渲染的文字务必用引号包起来比如写 MORNING BREW。不加引号的话模型可能把文字当成描述的一部分而不是要渲染的内容。这个细节我踩过好几次坑加了引号之后文字准确率肉眼可见地提升。4.3 别指望一次就出完美图再强的模型也不是一次成图。我的习惯是同一组提示词连出 4 张然后挑最接近的再用局部重绘或者微调提示词迭代。GPT-Image-2 的稳定性已经很高了但连出 4 张里挑一张依然比只出 1 张靠谱得多。4.4 关于碾压这个词的理性看待标题里说全面碾压这是网络传播的说法实际用下来我的判断是在指令遵循、文字渲染、复杂构图这三个维度上GPT-Image-2 确实领先明显在艺术风格、氛围感、出图速度上Nano Banana 依然有它的位置。工具是拿来用的不是拿来站队的。你手上有什么活就用什么工具这才是从业者的思路。5. 把提示词变成可复用资产5.1 建一个自己的提示词库测完这 10 组之后我做了一件事把它们整理成一个提示词库按场景分类存好。每次接新活先翻库找最接近的模板改几个字段就能用。这比每次从零写提示词效率高太多。我用的结构很简单就是一个表格编号场景提示词模板适用模型备注01写实人像...GPT-Image-2光影要写方向02产品图...GPT-Image-2文字加引号...............5.2 用 JSON 做批量生成如果你需要批量出图比如一次生成 50 张不同配色的产品图那 JSON 提示词就派上用场了。你可以把变量抽出来用程序批量替换然后调用接口生成。这种玩法在电商、游戏素材生产里已经很常见了。{ template: 产品图, variables: { color: [白色, 黑色, 蓝色], text: [AQUA, PURE, FRESH] } }把变量组合展开就能批量生成不同版本的提示词。这个思路对做素材库的朋友特别有用。5.3 提示词工程不是玄学最后说个心得。很多人觉得写提示词是玄学其实不是。它本质上就是把模糊需求翻译成模型能理解的结构化指令。你越清楚自己要什么提示词就写得越准。那些写不好提示词的人往往不是不会写而是自己都没想清楚要什么。所以我的建议是写提示词之前先在纸上画个草图或者用文字把画面描述一遍想清楚了再写提示词。这一步花的时间远比反复试错省得多。我在实际使用中发现GPT-Image-2 配合结构化提示词已经能覆盖我日常八成的出图需求剩下的两成交给 Nano Banana 做风格补充这个组合目前用下来最顺手。工具在迭代提示词的写法也在变但想清楚再写这个原则估计很长时间都不会过时。
最近这段时间AI 绘图圈子里讨论度最高的话题基本都绕不开 GPT-Image-2 和 Nano Banana 这两个名字。我前后花了差不多两周时间把同一批提示词在两个模型上反复跑了几十轮从写实人像、产品渲染、信息图、多格漫画到文字排版能测的场景基本都测了一遍。结论先放这儿GPT-Image-2 在指令遵循、文字渲染和复杂构图这三块确实拉开了明显差距但 Nano Banana 也不是一无是处它在某些风格化场景里反而更讨喜。这篇文章不吹不黑我会把 10 组可以直接复制粘贴的提示词完整放出来同时把每组提示词背后的设计逻辑、参数取舍、以及我在实测中踩过的坑一并讲清楚不管你是刚接触 AI 绘图的新手还是已经在做商业出图的老手都能直接拿去用。1. 先把两个模型的脾气摸清楚再谈碾压1.1 为什么同一句提示词在两个模型上差距这么大很多人第一次对比两个模型会习惯性地拿一句一只猫坐在窗台上去测然后得出差不多嘛的结论。这种测法其实没什么意义因为简单提示词根本压不出模型的真实能力上限。真正拉开差距的是那些包含多重约束的提示词——比如同时要求指定构图、指定文字内容、指定材质、指定光影方向、还要保持主体一致性。我实测下来GPT-Image-2 对约束堆叠的容忍度明显更高。你给它一段两百字、包含七八个条件的中文提示词它基本能抓住其中六到七个Nano Banana 在条件超过四五个之后就开始出现选择性失忆经常把文字要求或者背景元素丢掉。这不是谁好谁坏的问题而是两个模型在训练时的指令遵循权重不一样。打个比方GPT-Image-2 像一个理解力很强但有点较真的美术指导你说什么它尽量都给你落实Nano Banana 更像一个灵感型画师你给个方向它能画出很漂亮的东西但细节上它有自己的想法。所以用 Nano Banana 的时候提示词要留白用 GPT-Image-2 的时候提示词要写满。1.2 文字渲染能力是分水岭如果你做的是海报、信息图、包装设计这类需要出文字的内容那这个差距是决定性的。我拿同一句一张咖啡店菜单标题写着 MORNING BREW下面列三款咖啡名称和价格去测测试项GPT-Image-2Nano Banana标题文字准确率约 95%基本无错字约 60%常有字母粘连中文渲染可稳定输出常用汉字中文经常糊成方块多行排版行距字距可控排版随机性大小字号文字可辨认基本糊掉这个表格是我跑了 20 轮取的平均感受不是精确统计但趋势非常明显。GPT-Image-2 在文字这块的进步是它被称为碾压的核心原因之一。以前做带文字的海报大家都要靠后期 PS 补字现在很多场景可以直接出图了。1.3 风格化场景 Nano Banana 反而有优势但我要说句公道话Nano Banana 在艺术风格迁移上依然很能打。比如你要做水彩、厚涂油画、复古胶片这类强风格化的图Nano Banana 出来的质感往往更松弛、更有手绘味而 GPT-Image-2 有时候会显得过于干净和工整反而少了点人味。所以我的实际工作流是这样的需要精确控制、需要文字、需要复杂构图走 GPT-Image-2需要氛围感、需要艺术风格、需要快速出灵感草图走 Nano Banana。两个都留着别急着站队。2. 提示词到底该怎么写才不浪费模型能力2.1 结构化提示词比堆形容词有效十倍新手最容易犯的错就是把提示词写成形容词大杂烩超高清、大师级、8K、电影感、梦幻、唯美、精致……这种写法在早期模型上可能有点用但在 GPT-Image-2 这种理解力强的模型上纯属浪费 token。我推荐用结构化写法把提示词拆成几个明确的模块主体画面里到底有什么位置在哪动作/状态主体在做什么环境背景、场景、时间、天气构图视角、景别、镜头类型光影光源方向、色温、明暗对比风格材质、媒介、参考方向文字需要出现的具体文字内容如果有这样写的好处是模型能逐条对应不会把梦幻这种词随机分配到某个角落。下面这 10 组提示词我全部是按这个结构组织的你可以直接复制也可以按自己的需求替换模块。2.2 关于 JSON 格式提示词的实测结论最近热词里JSON 提示词出现频率很高我也专门测了一轮。结论是GPT-Image-2 对 JSON 结构的提示词理解得相当好尤其是当你需要精确控制多个元素属性的时候。比如这种写法{ subject: 一只橘猫, action: 趴在木质窗台上打哈欠, environment: 午后阳光透过纱帘的室内, composition: 中景略微俯视, lighting: 侧逆光暖色调, style: 写实摄影浅景深, text: 无 }实测下来这种 JSON 写法在元素对应准确度上比自然语言高一些尤其是当你有五六个以上元素需要精确控制时。但缺点是写起来麻烦日常快速出图我还是用自然语言结构化写法。JSON 更适合批量生成或者程序化调用的场景。提示JSON 提示词里的字段名用英文更稳字段值用中文没问题。别把 JSON 写成嵌套三层的复杂结构模型会晕。2.3 负面提示词在新模型上还要不要写早期模型时代负面提示词是刚需。但在 GPT-Image-2 上我实测发现负面提示词的作用被大幅削弱了——它更倾向于理解你要什么而不是不要什么。你写一堆不要模糊、不要多余手指、不要变形效果远不如直接正面描述清晰锐利、五指自然、比例准确。所以我的建议是GPT-Image-2 少写负面多写正面Nano Banana 可以适当保留负面提示词它对负面约束的响应还比较明显。3. 10 组可直接复制的提示词完整拆解这一节是全文的核心我把 10 组提示词按场景分类每组都附上设计思路和实测效果说明。你可以直接复制使用建议先原样跑一遍再按自己的需求改。3.1 写实人像类第 1-2 组第 1 组自然光下的亚洲女性肖像主体一位 28 岁左右的亚洲女性短发穿米白色针织衫 动作侧身坐在窗边微微低头看手中的书 环境北欧风格室内窗外是模糊的绿色植物 构图中近景三分法构图人物偏左 光影柔和自然光从右侧窗户照入面部有柔和过渡 风格写实摄影50mm 镜头浅景深胶片颗粒感 文字无这组提示词的关键在于光影描述要具体到方向。柔和自然光太笼统从右侧窗户照入才能让模型确定光源位置。实测 GPT-Image-2 出来的皮肤质感和发丝细节非常自然Nano Banana 版本偏油画感也很好看但不够照片。第 2 组商务男性职业照主体一位 35 岁男性西装短发戴细框眼镜 动作正面站立双手自然交叠于身前微笑 环境纯灰色渐变背景 构图半身正面居中构图 光影影棚双灯主光 45 度辅光补暗部 风格商业摄影锐利清晰专业感 文字无职业照这个场景GPT-Image-2 的稳定性明显更好连续出 10 张人物比例和光线一致性都很高。Nano Banana 偶尔会把眼镜画歪或者手指数量出问题。3.2 产品与电商类第 3-4 组第 3 组护肤品瓶身产品图主体一支白色磨砂玻璃精华瓶金色瓶盖 动作静置于浅色大理石台面 环境背景是虚化的米色墙面旁边有一片绿叶 构图正面微俯视产品居中偏下 光影柔光箱从左上方打光瓶身有高光反射 风格电商产品摄影干净通透 文字瓶身标签写 AQUA SERUM这组我重点测了瓶身文字。GPT-Image-2 能比较准确地渲染出 AQUA SERUMNano Banana 出来的字母经常缺笔画。做电商的朋友应该懂这个能力直接决定了能不能省掉后期加字。第 4 组食品摆拍主体一碗热气腾腾的牛肉面上面有葱花和溏心蛋 动作静置于木质餐桌 环境暖色调餐厅背景有模糊的筷子和茶杯 构图45 度俯拍碗占画面三分之二 光影侧逆光热气可见暖黄调 风格美食摄影诱人质感 文字无食品类的难点是热气和汤汁质感。GPT-Image-2 对热气可见这个描述响应很好能画出自然的蒸汽。Nano Banana 的热气经常画成一团白雾不够真实。3.3 信息图与文字排版类第 5-6 组第 5 组极简信息图主体一张关于每日饮水的信息图 动作无 环境纯白背景 构图顶部大标题中部三个图标配文字底部一行小字 光影无扁平设计 风格极简矢量插画蓝白配色 文字标题 每日饮水指南三个图标下方分别写 早晨 300ml 午后 400ml 睡前 200ml这组是文字渲染的极限测试。GPT-Image-2 基本能把所有中文都渲染出来虽然偶尔有个别字笔画略怪但整体可读。Nano Banana 在这组上基本崩了中文全糊。做信息图、流程图、知识卡片的朋友这个能力是刚需。第 6 组多格漫画主体四格漫画讲述一只猫试图偷鱼的故事 动作第一格猫观察第二格猫靠近第三格猫伸爪第四格猫被鱼尾巴拍脸 环境厨房场景每格背景一致 构图2x2 网格每格等大格间有细黑线分隔 光影明亮卡通风格 风格日式简约漫画线条干净 文字每格底部有简短对白分别为 目标出现 悄悄接近 就是现在 失算了多格漫画考验的是跨格一致性。GPT-Image-2 能保持四格里的猫是同一只Nano Banana 经常每格猫的花色都不一样。这个能力对做分镜、做短剧封面的朋友很有价值。3.4 创意与风格化类第 7-8 组第 7 组鹈鹕骑自行车热词同款主体一只鹈鹕 动作骑着一辆红色自行车双翅扶把表情专注 环境海边栈道背景有夕阳和海鸥 构图侧面全景鹈鹕居中 光影金色夕阳逆光轮廓光明显 风格写实与幽默结合高清摄影感 文字无这组是最近很火的测试题我也跟风测了。GPT-Image-2 能把鹈鹕的喙、翅膀、自行车把手的关系处理得比较合理Nano Banana 经常把鹈鹕的翅膀和车把糊在一起。这个测试题之所以火就是因为它同时考验动物结构和物体交互很能看出模型的空间理解能力。第 8 组复古胶片风街景主体一条老城区街道有自行车、招牌、行人 动作傍晚时分行人匆匆 环境90 年代风格街道霓虹招牌电线杆 构图广角街道向远处延伸 光影黄昏暖光路灯刚亮 风格复古胶片颗粒感强色调偏青橙 文字招牌上写 老张面馆风格化这块说实话 Nano Banana 的胶片味更足出来的图更有旧照片的松弛感。GPT-Image-2 更干净但少了点年代感。这组我建议两个模型都跑选你喜欢的。3.5 复杂构图与一致性类第 9-10 组第 9 组三视图角色设定主体一个卡通风格的机器人角色 动作无 环境纯白背景 构图横向排列三个视图从左到右分别是正面、侧面、背面 光影均匀平光 风格游戏角色设定图线条清晰配色简洁 文字每个视图下方标注 正面 侧面 背面三视图是角色设计的基础需求。GPT-Image-2 能保持三个视图里机器人的配色和结构一致Nano Banana 经常三个视图像三个不同的机器人。做游戏、做动画的朋友这个能力能省大量时间。第 10 组带文字的海报主体一张音乐节海报 动作无 环境深色背景有光斑和声波纹理 构图顶部大标题中部主视觉底部信息栏 光影霓虹光效 风格赛博朋克高对比荧光色 文字标题 城市之声副标题 2026 夏季音乐节底部写 7月18日 中心广场海报是综合能力测试同时考验文字、排版、风格、构图。GPT-Image-2 在这组上表现最全面文字基本准确排版也合理。Nano Banana 的主视觉很酷但文字部分基本要重做。4. 实测中那些没人告诉你的坑4.1 中文提示词里的标点和换行很关键我一开始写提示词喜欢用逗号一路逗到底结果发现模型有时候会把后面的条件当成前面主体的修饰。后来改成用换行分隔模块准确率明显提升。GPT-Image-2 对换行和分段的敏感度比想象中高你把它当成在填表格一项一行它就给得准。另外中文提示词里少用顿号堆叠比如红色、蓝色、绿色这种模型容易只取一个。要表达多个元素用和或者分行写。4.2 文字内容一定要加引号需要渲染的文字务必用引号包起来比如写 MORNING BREW。不加引号的话模型可能把文字当成描述的一部分而不是要渲染的内容。这个细节我踩过好几次坑加了引号之后文字准确率肉眼可见地提升。4.3 别指望一次就出完美图再强的模型也不是一次成图。我的习惯是同一组提示词连出 4 张然后挑最接近的再用局部重绘或者微调提示词迭代。GPT-Image-2 的稳定性已经很高了但连出 4 张里挑一张依然比只出 1 张靠谱得多。4.4 关于碾压这个词的理性看待标题里说全面碾压这是网络传播的说法实际用下来我的判断是在指令遵循、文字渲染、复杂构图这三个维度上GPT-Image-2 确实领先明显在艺术风格、氛围感、出图速度上Nano Banana 依然有它的位置。工具是拿来用的不是拿来站队的。你手上有什么活就用什么工具这才是从业者的思路。5. 把提示词变成可复用资产5.1 建一个自己的提示词库测完这 10 组之后我做了一件事把它们整理成一个提示词库按场景分类存好。每次接新活先翻库找最接近的模板改几个字段就能用。这比每次从零写提示词效率高太多。我用的结构很简单就是一个表格编号场景提示词模板适用模型备注01写实人像...GPT-Image-2光影要写方向02产品图...GPT-Image-2文字加引号...............5.2 用 JSON 做批量生成如果你需要批量出图比如一次生成 50 张不同配色的产品图那 JSON 提示词就派上用场了。你可以把变量抽出来用程序批量替换然后调用接口生成。这种玩法在电商、游戏素材生产里已经很常见了。{ template: 产品图, variables: { color: [白色, 黑色, 蓝色], text: [AQUA, PURE, FRESH] } }把变量组合展开就能批量生成不同版本的提示词。这个思路对做素材库的朋友特别有用。5.3 提示词工程不是玄学最后说个心得。很多人觉得写提示词是玄学其实不是。它本质上就是把模糊需求翻译成模型能理解的结构化指令。你越清楚自己要什么提示词就写得越准。那些写不好提示词的人往往不是不会写而是自己都没想清楚要什么。所以我的建议是写提示词之前先在纸上画个草图或者用文字把画面描述一遍想清楚了再写提示词。这一步花的时间远比反复试错省得多。我在实际使用中发现GPT-Image-2 配合结构化提示词已经能覆盖我日常八成的出图需求剩下的两成交给 Nano Banana 做风格补充这个组合目前用下来最顺手。工具在迭代提示词的写法也在变但想清楚再写这个原则估计很长时间都不会过时。
