如果你用 AI 圖像模型做廣告 key visual、產品圖、UI mockup 或多物件場景，真正重要的不只是畫面是否漂亮，而是模型能否把指定物件放在正確位置。按目前可核查資料，GPT Image 2 相對 GPT Image 1.5 在複雜構圖和物件擺位上的提升，暫時未有可靠數字可量化；OpenAI API 相關文件摘錄未提供這類 side-by-side spatial accuracy benchmark。[13][
14][
31][
33]
目前可以核實到甚麼
GPT Image 1.5 有可引用的 OpenAI API 模型頁；該頁把它描述為圖像生成模型，並稱它有更好的 instruction following 和對 prompts 的 adherence。[14] GPT Image 1 的官方模型頁則稱它是 previous image generation model，並說它可接受文字及圖像輸入、產生圖像輸出。[
36]
OpenAI 的圖像生成文件亦把工作流分為兩類：Generations，即由文字 prompt 從零生成圖像；以及 Edits，即修改既有圖像。[24] 這點對評估很重要，因為「由文字生成一張複雜構圖」和「在既有圖像中準確移動或加入物件」不是同一種任務。
在可核查的 OpenAI API changelog、Models 與 All models 來源摘錄中，未見官方公布 GPT Image 2 vs GPT Image 1.5 的 complex composition、spatial accuracy 或 multi-object placement 量化比較。[13][
31][
33] 因此，嚴格來說，目前只能支持「GPT Image 1.5 是有官方模型頁的圖像模型」；不能支持「GPT Image 2 擺位準確率提升 X%」這類結論。[
14]
GPT Image 2 的公開說法並不一致
GPT Image 2 的難點不是完全沒有人討論，而是公開來源之間說法未一致。Mew Design 的整理採取較保守說法，指 GPT Image 2 看似在測試，但未作為具名 OpenAI 模型正式公開。[1] getimg.ai 亦稱 OpenAI 未宣布 GPT Image 2，公開 lineup 停在 gpt-image-1.5。[
5] 但另一篇第三方文章則聲稱 OpenAI 在 2026 年 4 月 21 日推出 ChatGPT Images 2.0 / gpt-image-2，並提到 Arena score 1512。[
2]
第三方評測也有類似問題。RenovateQR 的文章摘錄稱作者用一批標準 prompts 測試 GPT Image 2，任務包括產品攝影、UI mockup、多語 signage、肖像與品牌內容等。[4] 不過，該摘錄未提供可重現的多物件擺位成功率、左右／前後關係準確率，或與 GPT Image 1.5 的完整對照表。[
4]
所以，較穩陣的寫法是：有第三方來源聲稱 GPT Image 2 存在、測試中或已推出，但就「複雜構圖和物件擺位準確度提升幾多」而言，現有資料未能提供官方、可重現、專項量化答案。[1][
2][
4][
5]
為何 1,512 vs 1,241 不能當成擺位準確率
有第三方頁面列出 GPT Image 2 分數為 1,512，GPT Image 1.5 分數為 1,241，相差 271 分。[6] 這可以作為「有來源聲稱 GPT Image 2 整體分數較高」的線索，但不能直接改寫成「擺位準確度提升 271 分」或「擺位準確率提升某個百分比」。
原因很簡單：
- 該分數摘錄未說明評分是否專門針對複雜構圖、相對位置、遮擋關係或多物件擺位。[
6]
- 分數差距不是 pass/fail 準確率；沒有測試樣本、評分方法和錯誤分類，就不能把 1,512 vs 1,241 換算成「準確 X%」。[
6]
- 提供的 OpenAI API 文件來源沒有給出同一測試集下 GPT Image 2 vs GPT Image 1.5 的 spatial/object-placement benchmark。[
13][
14][
31][
33]
換句話說，若文章、產品頁或銷售材料要準確，最多可以說「有第三方頁面列出 GPT Image 2 分數較 GPT Image 1.5 高」。不應寫成「官方證明 GPT Image 2 擺位準確度提升 X%」。[6][
13][
14]
甚麼才算可核查的擺位 benchmark？
要真正回答 GPT Image 2 是否比 GPT Image 1.5 更擅長複雜構圖，測試需要比「看起來更靚」嚴格得多。至少應包括：
- 同一批 prompts 同時測兩個模型：清楚記錄模型名稱、版本或 snapshot，避免把不同時間、不同設定的輸出混在一起比較。
- 專門測空間關係：例如左／右、前／後、上／下、遮擋、手持、置中、貼近邊緣、多物件相互關係等。
- 清楚 pass/fail rubric：逐項評估物件身份、物件數量、相對位置、遮擋、比例、指定文字或品牌元素是否保留。
- 盲測或多評審標註：避免只挑最好看的樣本，或由知道模型名稱的人主觀打分。
- 分開測 Generations 與 Edits：OpenAI 文件本身把由文字生成圖像和修改既有圖像分成不同工作流，評估時也應分開記錄。[
24]
沒有這些條件，單張示例圖、社交平台截圖或一個總分，都不足以回答「擺位準確咗幾多」。
給產品、設計與營銷團隊的實用做法
在未有官方或可重現第三方 benchmark 前，不應把「GPT Image 2 擺位更準」當成已量化事實。較安全的流程是：
- 以 GPT Image 1.5 作為可引用 baseline，因為它有 OpenAI API 模型頁，並被描述為有更好的 instruction following 和 prompt adherence。[
14]
- 建立固定 prompt set，覆蓋物件數量、左右／前後關係、遮擋、文字位置、品牌元素保留、UI 元件排列等高風險場景。
- 每張輸出先評 pass/fail，再評美感；不要只看「靚唔靚」。
- 分開記錄 text-to-image generation 與 image edits，因為兩種工作流在 OpenAI 文件中本來就是不同類別。[
24]
- 對客戶或內部持份者匯報時，避免承諾具體提升百分比；較準確的說法是「仍需以自家場景測試驗證」。
最終 verdict
現有來源支持的最強結論是：GPT Image 1.5 有可引用的 OpenAI API 模型頁，並被描述為有更好的 prompt adherence；GPT Image 1 則是上一代圖像生成模型。[14][
36] 但 GPT Image 2 相對 GPT Image 1.5 在複雜構圖與物件擺位方面準確提升幾多，暫時未有足夠可核查公開數據。第三方來源對 GPT Image 2 的狀態與分數說法不一，而 1,512 vs 1,241 這類總分不能直接當成 spatial accuracy 或 object-placement accuracy。[
1][
2][
5][
6]
