Nano Banana 2.1 и ChatGPT Image 2.5 решают похожую задачу: создают изображения по текстовому промпту и редактируют готовые картинки. Но после нескольких генераций становится понятно, что модели ошибаются по‑разному. Одна точнее следует техническому заданию, другая лучше сохраняет лицо или делает визуал более «собранным».

Сравнивать такие нейросети по одному красивому примеру бессмысленно. Для продуктового изображения важнее точность расположения объектов, для афиши — текст, для рекламного кадра — сходство с референсом, а для редактирования — способность изменить ровно один элемент и не перерисовать всё остальное.

Как устроено сравнение

Чтобы сравнение нейросетей было полезным, мы смотрим не только на общее качество картинки. Для каждого теста есть конкретный критерий: количество и расположение объектов, естественность лица, правильность надписей, соблюдение композиции или сохранение деталей референса.

Такой подход важнее субъективного «эта картинка красивее». В реальной работе ошибка в одной строке афиши или изменённое лицо модели может сделать визуал непригодным, даже если изображение выглядит эффектно.

Если хочется повторить такие тесты самостоятельно, обе модели доступны в SpeShu.AI; для графических моделей используется единый интерфейс, поэтому не нужно заново собирать workflow для каждой задачи. Для читателей Хабра действует промокод HABRSPESHUAI — умножьте баланс на 115%.

Тест № 1. Следование сложному промпту

Промпт: Создать реалистичный натюрморт на серой поверхности: несколько предметов заданных цветов и размеров должны находиться в конкретных местах относительно друг друга. Не добавлять лишних объектов и сохранить точное количество элементов.

Это хороший тест на следование инструкциям: модель должна одновременно понять количество предметов, цвет, положение и общий стиль.

В одном из опубликованных пятираундовых сравнений обе модели сохранили основные элементы задания. Nano Banana 2.1 точнее передала часть деталей, но необычно расположила один из предметов. ChatGPT Image 2.5 собрала сцену естественнее и визуально аккуратнее, не потеряв условия промпта.

Здесь преимущество у ChatGPT Image 2.5. Модель лучше справляется, когда пользователю важна не только формальная точность, но и естественная композиция кадра.

При этом на предметной съёмке результаты могут поменяться. В другом independent test Nano Banana 2.1 точнее выполнила требование оставить свободное место справа и поставить товар именно на отдельную деревянную доску, тогда как GPT Image превратила доску в обычную столешницу.

Практический вывод: если условие критично, прописывайте его дважды — сначала в описании сцены, затем отдельным ограничением.

Тест № 2. Фотореалистичный портрет

Промпт: Создать портрет человека при мягком естественном освещении без студийной ретуши: натуральная кожа, небольшие несовершенства, обычные пропорции лица, минимальная стилизация.

Здесь проверяется не просто детализация. Современная нейросеть легко рисует технически качественное лицо, но результат часто выглядит слишком идеальным: гладкая кожа, увеличенные глаза, выраженная симметрия и рекламный свет.

В пятираундовом тесте Postium портрет Nano Banana 2.1 выглядел естественнее: меньше бьютификации, заметнее текстура кожи и меньше характерной генеративной «глянцевости». ChatGPT Image 2.5 создала качественный кадр, но лицо оказалось более стилизованным.

Для обычной нейрофотосессии это не всегда минус. Если нужен рекламный beauty‑кадр, более отполированный результат ChatGPT может оказаться полезнее. Но при запросе на documentary или RAW photo Nano Banana 2.1 чаще попадает в задачу напрямую.

Тест № 3. Текст на изображении

Промпт: Создать минималистичную афишу с несколькими строками русского текста. Все слова, цифры и знаки препинания должны быть написаны точно. Не добавлять собственных слоганов и подписей.

Текст долго был слабым местом генераторов изображений. Новые версии обеих моделей заметно улучшились: Google отдельно заявляет улучшенную типографику Nano Banana 2.1, а OpenAI — более точные макеты и инфографику в Images 2.5.

В одном прямом тесте обе модели правильно написали все строки. Nano Banana 2.1 сделала более строгую типографическую композицию, а ChatGPT Image 2.5 добавила больше визуального оформления и приблизила результат к рекламному постеру.

Кстати, у нас есть ещё 10 промптов для Nano Banana для красивых фоток ИИ.

В другом сравнении обе модели также без ошибок воспроизвели английские строки на концертном постере. Там результат фактически оказался ничейным по точности текста.

Поэтому вопрос уже не только в орфографии. Nano Banana чаще делает макет буквальнее, GPT Image — активнее интерпретирует дизайн.

Тест № 4. Обложка с жёстким ТЗ

Промпт: Создать горизонтальную обложку для видео. Использовать лицо с референса, оставить его узнаваемым, разместить крупный заданный заголовок и визуально показать конфликт человека с ИИ. Текст заголовка не менять.

Такой тест одновременно проверяет композицию, текст, работу с лицом и способность модели понять смысл сюжета.

В опубликованном сравнении Nano Banana 2.1 сама изменила формулировку заголовка и сделала композицию более перегруженной. ChatGPT Image 2.5 сохранила заданный текст и понятнее визуализировала сам сюжет: связь между персонажем, ИИ и разрушенным сайтом считывалась быстрее.

Здесь ChatGPT Image 2.5 выглядит сильнее именно как модель для готового маркетингового визуала. Она чаще пытается выстроить иерархию: главный объект, эмоция, фон и заголовок.

Но эту особенность стоит контролировать. В других тестах GPT Image добавляла собственные подписи, слоганы или декоративные элементы, которых в промпте не было. Поэтому для production‑макета полезно писать отдельной строкой: «не добавляй никакой текст, кроме указанного».

Тест № 5. Несколько референсов в одном кадре

Промпт: Создать рекламный fashion‑кадр на основе нескольких исходников: сохранить лица двух людей, их одежду и заданную локацию. Свести всё в единую реалистичную фотографию с одинаковым светом и цветом.

Это наиболее сложная задача из пяти. Модели нужно не просто сгенерировать картинку, а удержать идентичность персонажей и особенности нескольких объектов.

Google официально заявляет поддержку до 14 входных изображений для Nano Banana 2.1, включая сохранение нескольких персонажей и объектов.

В тесте с пятью референсами Nano Banana 2.1 заметно лучше удержала лица, одежду и локацию. Итоговый кадр выглядел как единая съёмка, а не коллаж из отдельно сгенерированных элементов. ChatGPT Image 2.5 сильнее изменила внешность героев и фактуры.

При этом в тесте с одним референсным портретом картина была обратной: GPT Image 2.5 точнее перенесла лицо, веснушки, очки и причёску в новую сцену.

Это важная деталь. «Работа с референсом» — слишком широкое понятие. Для одного персонажа GPT Image может быть точнее, а при сборке сложной сцены из нескольких исходников Nano Banana получает преимущество за счёт multi‑image workflow.

Какую модель выбрать

Если задача — фотореализм, сложная сборка из нескольких изображений, генерация с большим количеством референсов или буквальное выполнение технического задания, я бы начинал с Nano Banana 2.1.

Если нужен рекламный визуал, обложка, более собранная композиция или точечное редактирование одной детали без изменения остального кадра, стоит сначала проверить ChatGPT Image 2.5. OpenAI именно precision editing и multi‑turn consistency называет одними из основных улучшений версии 2.5.

Для текста на изображении явного победителя уже нет. Обе модели способны выдавать читаемые надписи, но макеты всё равно нужно проверять вручную: буква, знак препинания или лишняя строка могут испортить готовый баннер.

Главное правило для обеих моделей — не пытаться решить десять задач одной фразой. Чем конкретнее промпт описывает объект, композицию, свет, формат и то, что менять нельзя, тем стабильнее результат. У нас есть отдельный гайд по генерации изображений с примерами таких запросов и последовательных правок — Как создать изображение по описанию.

Если свести пять сценариев к одному правилу, получается не «Nano Banana лучше ChatGPT» и не наоборот. Nano Banana 2.1 чаще выигрывает там, где важны исходные данные и буквальное сохранение условий. ChatGPT Image 2.5 сильнее там, где модели разрешено взять на себя часть визуального решения. Поэтому в реальной работе разумнее выбирать генератор под конкретный тип изображения, а не под общий рейтинг.