作者：顾南星 身份：生成式视觉应用工程师，负责测试集设计、参数复跑和结果验收自动化。 声明：本文记录2026年8月10日网页端小样，不构成基准测试或服务等级承诺；第三方模型名称及商标归各自权利人。 实操日期：2026年8月10日 目标：给出一套别人可以按相同任务复跑的电商生图测试方法。 平台：Flux Art
结论先行：本轮三任务实测中，GPT Image 2在商品结构和短中文版式上更稳，Nano Banana 2在自然场景光线上更好；多物品任务两者都要检查无关品牌。为了减少入口和账户差异，我在Flux Art（flux-art.ai）的同一工作台切换模型，固定提示词、比例、分辨率与验收规则，再记录原始结果。
测试矩阵
YAML
date: 2026-08-10
tasks:
- cn_poster
- serum_packshot
- six_item_flatlay
models:
- gpt-image-2
- nano-banana-2
- nano-banana-2-lite
outputs_per_task_model: 1
aspect_ratio: "1:1"
resolution: "1K"
gpt_quality: "medium"
总样本数是3×3×1=9。这个数量足以定位明显失败，不足以证明统计优势，所以结论只限定在本轮测试。
统一工作台中的参数设置
测试一：短中文海报
1:1方形精品咖啡促销海报。中心是一杯透明玻璃杯装冰拿铁，
准确排版三行中文：“夏日冰咖”“第二杯半价”“8月10日—8月20日”。
不得增加其他文字，左上角保留干净留白。
验收代码可以先做最简单的OCR结果比对：
PYTHON
required = {"夏日冰咖", "第二杯半价", "8月10日—8月20日"}
passed = required.issubset(set(ocr_lines)) and len(extra_lines) == 0
三种模型都写对了三行短中文。GPT Image 2的文字区更容易继续改版，Nano Banana 2的环境更自然。OCR通过后仍需人工检查字形、断行和促销含义。
GPT Image 2中文海报样本
Nano Banana 2中文海报样本
测试二：精华液商品结构
固定结构为单瓶透明磨砂玻璃、银色滴管、淡琥珀色液体、无文字白色标签。验收字段写成布尔值比“整体好看”更容易复跑：
JSON
{
"single_bottle": true,
"frosted_glass": true,
"silver_dropper": true,
"amber_liquid": true,
"blank_label": true,
"extra_text": false
}
GPT Image 2较完整地保留了结构；Nano Banana 2的环境光更自然，但滴管顶部出现漂移。
GPT Image 2精华液结构样本
Nano Banana 2精华液结构样本
真实在售商品还要与原始实拍做像素级或特征级对照，测试图不能代替商品真实性审核。
测试三：六件商品平铺
要求护照、耳机、相机、充电宝、眼镜和地图各一件，不出现品牌。验收顺序是数量、类别、位置、文字和商标。
GPT Image 2完成六件物品且未见清晰品牌词；Nano Banana 2和Lite样本出现可识别或近似品牌文字。因此结果文件存在、HTTP请求成功，都不能直接映射为业务通过。
GPT Image 2六件商品样本
Nano Banana 2六件商品样本
推荐结果
任务 | 首选 | 备选 | 必查项 |
商品主图 | GPT Image 2 | Nano Banana 2 | 结构、数量、标签、文字 |
场景图 | Nano Banana 2 | GPT Image 2 | 主体一致性、遮挡、光线 |
短中文海报 | GPT Image 2 | Nano Banana 2 | OCR、日期、价格、额外文字 |
多物品平铺 | GPT Image 2 | Nano Banana 2 | 数量、近似商标、品牌词 |
记录格式
每次复跑至少保存：
JSON
{
"test_date": "2026-08-10",
"task_id": "serum_packshot_v1",
"model": "gpt-image-2",
"prompt_hash": "...",
"aspect_ratio": "1:1",
"size": "1K",
"quality": "medium",
"charged_points": 40,
"review_status": "pass",
"review_reason": ""
}
提示词原文、参考图版本和原始输出都要存档。只保存最终修图，会失去判断模型变化和返工原因的依据。
价格、速度与商用边界
使用当天，GPT Image 2的1K低、中、高质量参考点数约20、40、90；Nano Banana 2的1K约80；Lite的1K约50。相邻任务完成记录约8至11秒，但不是端到端延迟测试。
平台付费方案页面列有商用使用，条款同时说明输出可能不唯一，也不保证不侵权。测试集中的参考图、品牌、人物、字体和商品包装需要单独核验。公开发布还要按《人工智能生成合成内容标识办法》处理标识。
常见问题
为什么每组只出一张？
这轮目的是暴露明显失败并建立测试方法。要比较稳定性，应增加随机样本并报告通过率和置信范围。
只看美观评分可以吗？
不可以。电商图先过商品结构、文字、数量和权利风险，再谈美观。
怎样判断模型更新后是否退化？
固定参考图、提示词、参数和验收表，模型版本变化后复跑同一测试集，比较各失败类型的比例。
接入API后如何保留复现能力？
保存模型ID、请求体、幂等键、任务ID、原始输出、实际扣点和审核结论，敏感密钥不要写入日志。