GPT Image 2 против GPT Image 1.5: насколько точнее расстановка объектов? Надёжных цифр пока нет

Отдельно важно, что документация OpenAI по генерации изображений делит задачи на два типа: Generations — создание изображения с нуля по текстовому prompt, и Edits — изменение уже существующего изображения. Для оценки точности это принципиально: «нарисовать сложную сцену по описанию» и «вставить или сдвинуть объект в готовой картинке» — разные тесты с разными типами ошибок.

В проверяемых выдержках OpenAI API changelog, Models и All models не видно официального количественного сравнения GPT Image 2 и GPT Image 1.5 по complex composition, spatial accuracy или multi-object placement. Поэтому строго подтверждённая часть выглядит так: GPT Image 1.5 документирован OpenAI как модель с улучшенным следованием промптам; утверждение «GPT Image 2 точнее на X% при расстановке объектов» этими источниками не подтверждается.

Почему с GPT Image 2 много путаницы

Проблема не в том, что о GPT Image 2 никто не пишет. Проблема в том, что публичные источники расходятся между собой.

Mew Design формулирует осторожно: GPT Image 2, по их оценке, выглядит как модель в тестировании, но не как официально публичная именованная модель OpenAI. getimg.ai также пишет, что OpenAI не объявляла GPT Image 2, а публичная линейка останавливается на gpt-image-1.5.

При этом другой сторонний материал утверждает, что OpenAI 21 апреля 2026 года запустила ChatGPT Images 2.0 / gpt-image-2, и упоминает Arena score 1 512.

Есть и обзоры с практическими тестами. Например, RenovateQR пишет, что автор прогонял GPT Image 2 через стандартный набор промптов: продуктовая фотография, UI-макеты с плотными интерфейсными элементами, многоязычные вывески, портреты, брендированный контент и другие сценарии. Но в доступной выдержке нет воспроизводимой таблицы: сколько раз модель правильно выдержала левое/правое, передний/задний план, перекрытия, количество объектов и как это сравнивалось с GPT Image 1.5.

Более аккуратная формулировка поэтому такая: есть сторонние источники, которые говорят о GPT Image 2 как о тестируемой или уже запущенной модели, но по вопросу «насколько точнее она расставляет объекты в сложных сценах» открытых, официальных и воспроизводимых чисел пока недостаточно.

Почему 1 512 против 1 241 — это не точность расстановки

Один сторонний материал приводит общий счёт: GPT Image 2 — 1 512, GPT Image 1.5 — 1 241. Разница составляет 271 пункт. Это можно читать как сигнал, что некий источник ставит GPT Image 2 выше в общей оценке. Но это нельзя напрямую превратить в вывод «GPT Image 2 на 271 пункт лучше размещает объекты» или «точность расстановки выросла на определённый процент».

Причины простые:

• из выдержки не следует, что этот счёт специально измеряет сложную композицию, относительное расположение объектов, перекрытия или многообъектные сцены;
• общий балл — не то же самое, что доля успешных ответов в формате pass/fail; без набора тестов, методики оценки и классификации ошибок его нельзя пересчитать в «точность X%»;
• в предоставленных источниках OpenAI API нет бенчмарка, где GPT Image 2 и GPT Image 1.5 сравнивались бы на одном наборе задач именно по spatial/object-placement accuracy.

Иными словами, в материале или презентации можно осторожно написать: «один сторонний источник приводит более высокий общий счёт для GPT Image 2». Нельзя писать: «OpenAI доказала, что GPT Image 2 точнее размещает объекты на X%».

Каким должен быть нормальный benchmark расстановки объектов

Чтобы честно ответить, лучше ли GPT Image 2 справляется со сложной композицией, нужен не набор красивых примеров, а тестовая процедура. Минимум — такой:

1. Одинаковые промпты для обеих моделей. Нужно зафиксировать название модели, версию или snapshot, параметры запуска и дату теста, чтобы не смешивать разные условия.
2. Отдельные задачи на пространственные отношения. Например: слева/справа, выше/ниже, перед/за, объект в руке, объект у края кадра, перекрытие, центрирование, расстояние между предметами.
3. Ясная pass/fail-рубрика. Оценивать нужно не только красоту, но и идентичность объектов, их количество, относительное положение, масштаб, читаемость текста, сохранение логотипов или UI-элементов.
4. Слепая или многоэкспертная разметка. Иначе легко выбрать самые удачные картинки и назвать это прогрессом.
5. Раздельная оценка Generations и Edits. OpenAI сама разделяет генерацию с нуля и редактирование существующих изображений, поэтому смешивать эти результаты в один общий балл методологически рискованно.

Без таких условий единичный скриншот, пост в соцсетях или общий arena score не отвечают на вопрос «насколько точнее модель ставит объекты».

Что делать продуктовым, дизайн- и маркетинговым командам

Пока нет официального или воспроизводимого внешнего benchmark, безопаснее не превращать «GPT Image 2, возможно, лучше» в числовое обещание. Практичный подход такой:

• взять GPT Image 1.5 как проверяемую базовую точку, потому что у неё есть официальная страница OpenAI API с заявлением о лучшем следовании инструкциям и промптам;
• собрать собственный фиксированный набор промптов под реальные задачи: карточки товаров, баннеры, UI-экраны, упаковка, сцены с несколькими людьми или предметами;
• сначала считать точность по чек-листу, а уже потом оценивать эстетику;
• отдельно вести статистику для text-to-image generation и image edits, поскольку в документации OpenAI это разные рабочие процессы;
• в отчётах для клиентов и руководства не обещать конкретный процент улучшения, если он не получен на вашем собственном тесте.

Итог

Самый сильный вывод, который выдерживают текущие источники: GPT Image 1.5 имеет официальную страницу OpenAI API и описан как модель с лучшим prompt adherence, а GPT Image 1 указан как предыдущая модель генерации изображений.

Но на вопрос «насколько GPT Image 2 точнее GPT Image 1.5 в сложной композиции и расстановке объектов» открытые проверяемые данные пока не дают числового ответа. Сторонние источники расходятся в описании статуса GPT Image 2, а баллы вроде 1 512 против 1 241 нельзя автоматически считать метрикой spatial accuracy или object-placement accuracy.