如果你用 AI 图像模型做广告主视觉（key visual）、商品图、UI 原型或多物体场景，真正影响交付的往往不是“画得漂不漂亮”，而是模型能不能把指定物体放在正确位置：左边还是右边、前景还是背景、是否遮挡、文字和品牌元素有没有跑偏。

就目前可核查资料来看，GPT Image 2 相比 GPT Image 1.5 在复杂构图和物体摆放上的提升，还没有可靠数字可以量化。OpenAI API 相关文档摘录没有提供 GPT Image 2 vs GPT Image 1.5 的 side-by-side spatial accuracy benchmark，也没有给出“摆放准确率提升 X%”这类结论。^{[13][14][31][33]}

目前能确认什么？

可以确认的是，GPT Image 1.5 有可引用的 OpenAI API 模型页；该页面把它描述为图像生成模型，并称它有更好的 instruction following 和对 prompts 的 adherence。^[14] GPT Image 1 的官方模型页则称它是 previous image generation model，并说明它可以接受文字和图像输入、生成图像输出。^[36]

OpenAI 的图像生成文档还把工作流分为两类：Generations，也就是基于文字 prompt 从零生成图像；以及 Edits，也就是修改既有图像。^[24] 这点很关键，因为“让模型凭一句话生成一个复杂场景”和“在已有图片里准确移动、保留或加入某个物体”，不是同一种测试任务。

在可核查的 OpenAI API changelog、Models 与 All models 相关来源摘录中，未见官方公布 GPT Image 2 对 GPT Image 1.5 的复杂构图、空间关系或多物体摆放量化比较。^[13][31][33] 因此，严谨地说，目前只能支持“GPT Image 1.5 是有官方模型页的图像模型”这一类事实；不能支持“GPT Image 2 的摆放准确率提升了某个百分比”。^[14]

GPT Image 2 的公开说法并不一致

问题不在于没人讨论 GPT Image 2，而在于公开来源之间说法并不统一。Mew Design 的整理采用较保守表述，称 GPT Image 2 看起来处于测试中，但尚未作为具名 OpenAI 模型正式公开。^[1] getimg.ai 也称 OpenAI 没有宣布 GPT Image 2，公开 lineup 停在 gpt-image-1.5。^[5]

但另一篇第三方文章则声称，OpenAI 已在 2026 年 4 月 21 日推出 ChatGPT Images 2.0 / gpt-image-2，并提到 Arena score 1512。^[2]

第三方评测同样存在信息不足的问题。RenovateQR 的文章摘录称，作者用一批标准 prompts 测试 GPT Image 2，任务包括产品摄影、UI mockup、多语言 signage、肖像与品牌内容等。^[4] 但该摘录没有给出可复现的多物体摆放成功率、左右/前后关系准确率，也没有提供与 GPT Image 1.5 的完整对照表。^[4]

所以，更稳妥的说法是：有第三方来源声称 GPT Image 2 存在、正在测试或已经推出；但针对“复杂构图和物体摆放准确度到底提升多少”，现有资料还不能提供官方、可复现、专项量化答案。^[1][2][4][5]

为什么 1,512 vs 1,241 不能当成摆放准确率？

有第三方页面列出 GPT Image 2 分数为 1,512，GPT Image 1.5 分数为 1,241，相差 271 分。^[6] 这最多说明“有来源声称 GPT Image 2 的某个总体分数更高”，但不能直接改写成“摆放准确度提升 271 分”，更不能换算成“摆放准确率提升多少百分比”。

原因有三点：

• 该分数摘录没有说明评分是否专门针对复杂构图、相对位置、遮挡关系或多物体摆放。^[6]
• 分数差距不是 pass/fail 准确率；没有测试样本、评分方法和错误分类，就不能把 1,512 vs 1,241 换算成“准确 X%”。^[6]
• 提供的 OpenAI API 文档来源没有给出同一测试集下 GPT Image 2 vs GPT Image 1.5 的 spatial/object-placement benchmark。^{[13][14][31][33]}

换句话说，如果文章、产品页或销售材料要准确，最多可以写“有第三方页面列出 GPT Image 2 分数高于 GPT Image 1.5”。不应写成“官方证明 GPT Image 2 摆放准确度提升 X%”。^[6][13][14]

什么样的测试才算可核查 benchmark？

要真正回答 GPT Image 2 是否比 GPT Image 1.5 更擅长复杂构图，测试不能只看“哪张图更好看”。至少应满足这些条件：

1. 同一批 prompts 同时测试两个模型：清楚记录模型名称、版本或 snapshot，避免把不同时间、不同设置下的输出混在一起比较。
2. 专门测试空间关系：例如左/右、前/后、上/下、遮挡、手持、居中、贴近边缘、多物体之间的相互关系等。
3. 明确 pass/fail 评分标准：逐项判断物体身份、物体数量、相对位置、遮挡关系、比例、指定文字或品牌元素是否保留。
4. 盲测或多评审标注：避免只挑最好看的样本，也避免评审因为知道模型名称而产生主观偏差。
5. 分开测试 Generations 与 Edits：OpenAI 文档本身就把从零生成图像和修改既有图像分成不同工作流，评估时也应分开记录。^[24]

没有这些条件，单张示例图、社交平台截图或一个总分，都不足以回答“摆放准确了多少”。

给产品、设计和营销团队的做法

在没有官方或可复现第三方 benchmark 之前，不建议把“GPT Image 2 摆放更准”当成已经量化的事实。更稳妥的流程是：

• 以 GPT Image 1.5 作为可引用 baseline，因为它有 OpenAI API 模型页，并被描述为有更好的 instruction following 和 prompt adherence。^[14]
• 建立固定 prompt set，覆盖物体数量、左右/前后关系、遮挡、文字位置、品牌元素保留、UI 元件排列等高风险场景。
• 每张输出先评 pass/fail，再评美感；不要只看“好不好看”。
• 分开记录 text-to-image generation 与 image edits，因为两种工作流在 OpenAI 文档中本来就是不同类别。^[24]
• 向客户或内部 stakeholders 汇报时，避免承诺具体提升百分比；更准确的说法是“仍需用我们的实际场景测试验证”。

结论

现有来源支持的最强结论是：GPT Image 1.5 有可引用的 OpenAI API 模型页，并被描述为具备更好的 prompt adherence；GPT Image 1 则是上一代图像生成模型。^[14][36] 但 GPT Image 2 相比 GPT Image 1.5 在复杂构图与物体摆放方面到底准确了多少，目前没有足够可核查的公开数据。

第三方来源对 GPT Image 2 的状态与分数说法不一，而 1,512 vs 1,241 这类总分不能直接等同于 spatial accuracy 或 object-placement accuracy。^[1][2][5][6]