Megérkezett a ChatGPT új képgenerátora és úgy tűnik, végre megközelíti minőségben a rivális Nano Banana 2 Pro képességeit. Az újításra hatalmas szükség volt az OpenAI szemszögéből, hiszen pár hete már vörös riadót fújtak a Gemini egyre erősödő népszerűsége miatt. A pánik jogos volt – a Google ugyanis nem a gigászi erőfölényével kezdte elhódítani a felhasználókat.
(A kudarcos Bard esete, vagy a ChatGPT piacvezetése bizonyítja, hogy AI területén a felhasználókat az eredmény és minőség érdekli, nem az, hány százmillió dollárt tolnak marketingbe).
Tévedés lenne persze azt hinni, hogy két hét alatt ki lehet jönni egy ilyen képgenerátorral – inkább azt sejthetjük, hogy három műszakban sprinteltek, hogy még karácsony előtt a piacra dobják.
A Google rövid távon átvette a képgenerálás terén a stafétát
A ChatGPT korábbi képgenerátora, a GPT-4o a legenyhébb szóval is harmatos eredményre volt képes. Aki látott két, ChatGPT-vel generált képet, az látta az összeset: mindegyiknek olyan sárgás árnyalata van, mint a szétfőtt káposztának, mindegyik kicsit rajzfilm-szerű, mindegyik pontatlan, és képtelen két egyforma képet generálni, ha valamit változtatnánk.
A Google korábbi modelljei, az Imagen-x sorozat már önmagukban is nagyon erősek voltak. A Nano Banana 1 és 2, kiváltképpen Pro módban azonban végleg eldöntötte a kérdést.
Mindez nem jelenti persze, hogy a ChatGPT képeket ne használták volna továbbra is – sokan csak ezt ismerték –, ám ez pont olyan volt eddig, mint a kilencvenes évek autópiaca: aki tehette, átállt a nyugati autókra, aki meg nem, az eldöcögött-pöfögött a kétütemű wartburgjával meg trabijával. (Nekünk Skodánk volt, az hasított, csak mindig kellett vagy két mázsa terhelés a csomagtartóba a jobb úttartásért).
Ám a Geminiből elérhető Nano Banana 2 Pro minden téren lemosta a ChatGPT-t. Sokkal gyorsabban, pontosabb és szebben megvalósított képeket hoz létre, akár hosszabb magyar szövegekkel is – a tartalmi pontosságot pedig a promptban megadott információkkal lehetett jól szabályozni.
A ChatGPT új képgenerátora, a GPT Image 1.5
Az említett vörös riadóra az első lépés a ChatGPT-5.2 piacra dobása volt. Ez azért nem aratott osztatlan sikert, finoman szólva. Nem ártott volna tehát, ha ki tudják köszörülni azt a csorbát, ami az 5.0 megjelenése okozott először.
2025. 12. 17-től már a magyar felhasználók is elérik a GPT Images 1.5-öt, mi pedig gyorsan végig is teszteltük.
A képgenerátort közvetlenül a chatgpt.com/images címen, vagy a ChatGPT-t megnyitva, a baloldali menüben egy dedikált ikonra kattintva érhetjük el.
A képgenerátor külön gombot kapott meg ilyen lilás színátmenetet, bár hogy minek, azt nem tudjuk.
A képgeneráló nyitólapján rögtön ad a rendszer szerkesztési javaslatokat, illetve stílusmintákat és tippeket, mi mindenre lehet használni a GPT Image 1.5-öt, és milyen minőségben.
OpenAI új vállalati fókuszú képgenerátora érkezett
Az OpenAI a GPT Image 1.5 modellt az új rendszert zászlóshajóként mutatta be, amely pontosabban követi a vizuális utasításokat, stabilabb szerkesztési folyamatot kínál, és a korábbi verziókhoz képest akár négyszer gyorsabban hozza létre az eredményt – bár tegyük hozzá, a Nano Banana 2 Pro így is messze lekörözi sebességben.
A modell célja az alkotói szándék pontosabb felismerése
A GPT Image 1.5 fejlesztései az alkotói szándék mélyebb értelmezését szolgálják, különösen fotók módosítása során. A rendszer kifinomultabban érzékeli a megadott irányt, így pontosabb szerkezeti módosításokat, letisztult tárgyráhelyezést, valamint stílustranszformációkat hoz létre az eredeti kép karakterének megőrzésével.
Az üzleti célú tartalomgyártás számára új lehetőséget ad a valósághű ruhapróba, a természetes frizura-variációk, a professzionális fények, valamint a reklámhoz és termékkatalógusokhoz illő képretusálás.
A felület is megújult: a ChatGPT oldalsávjában megjelent az Images/Képek menüpont, amely iparág-specifikus sablonokat, kreatív szűrőket és folyamatosan frissülő ötlettárat biztosít a gyors kísérletezéshez.
A vállalati felhasználás stratégiai előtérbe került
Az OpenAI a frissítést a vállalati bevételi növekedést célzó stratégiájának részeként mutatta be. A GPT Image 1.5 rendszert úgy pozicionálja, mint olyan eszközt, amely stabil és változatlan minőségű vizuális anyagokat készít marketing-, termék- és kreatív csapatok számára.
A vállalat közleménye szerint a GPT Image 1.5 „a játékos kísérletezéstől a gyakorlatban alkalmazható, üzleti szintű vizuális előállítás” felé mutató fejlődési lépcsőt képviseli, és a ChatGPT így gyors, rugalmas kreatív stúdióvá válik. A bejelentés külön része szól a termékfotók, katalógusvizuálok és forgatókönyv-alapú jelenetek kialakításáról, amelyek a vállalati gyártási folyamatok központi elemei.
OpenAI alkalmazásokért felelős vezetője, Fidji Simo úgy fogalmazott, hogy a GPT Image 1.5 “közös alkotótérként működik, ahol az iteráció válik a munka magjává”.
A modell működésének összehasonlítása és a vizuális utasítások kezelése
A felhasználói visszajelzések alapján a GPT Image 1.5 új változata tisztább fotószínegyensúlyt hoz. A korábbi sárgás fénytónus eltűnt, és a képek természetesebb vizuális környezetet idéznek.
Az utasítások követése is kifinomultabb. A GPT Image 1.5 és más modern modellek megfelelő stabilitást mutatnak többrétegű vizuális elrendezések, például plakátok, brosúrák vagy többlépéses kompozíciók létrehozásában.
A hosszabb történetvezetés azonban továbbra is kihívást jelent, különösen akkor, amikor tárgyak és személyek következetes megjelenítése válik fontossá több képkockán keresztül.
Teljesítmény, sebesség és megbízhatóság: eltérő erősségek
Hosszabb összehasonlító vizsgálatok alapján a Gemini 3 kiemelkedő gyorsaságot és realisztikus képi világot biztosít. A GPT Image 1.5 kifinomult minőséget nyújt, mégis több képen felbukkan az AI-ra jellemző jellegzetes textúra.
A generálási idő is hosszabb, amely kontrasztot alkot olyan modellekkel, mint a Nano Banana Pro, amely 10–15 másodperces előállítási idővel és hiperrealista részletességgel jelenik meg.
Képgenerálás teszt GPT-4o, GPT Image 1.5, Nano Banana 2 és Nano Banana 2 Pro modellekkel
Ahhoz, hogy megfelelő összehasonlítást kapjunk, a korábbi (GPT-4o) és a mostani modell (GPT Image 1.5) összevetése mellett a rivális Google két elérhető modelljét (Nano Banana 2 és Nano Banana 2 Pro) is teszteltük, ugyanazon promptokkal.
Tekintettel arra, hogy bár angol nyelven mindegyik jobban tud kicsit, de Magyarországon vagyunk, így a promptok is magyarul vannak – a kiértékelésnél viszont csak a legújabb modellek képeit vesszük számításba. A korábbi modellek mindegyik esetben jól láthtóan gyengébb teljesítményt nyújtanak vizuális, tartalmi és szöveges szempontból egyaránt.
1. Valósághű fotó teszt
A legelső teszt egy valósághű fotó generálása. Itt a cél kifejezetten az, hogy megnézzük, hogy egy képgenerátor mennyire képes a hétköznapi, átlagos környezetben, átlagos kamerával készült paraméterektől eltérni.
„Készíts egy fotorealisztikus, őszinte fotót egy idős tengerészről, aki egy kis halászhajón áll.
Bőre időjárásnak kitett, látható ráncokkal, pórusokkal és napbarnított textúrával, karján néhány elhalványult hagyományos tengerész tetoválás látható.
Nyugodtan rendezi a hálót, míg a kutyája a fedélzeten ül mellette. A fotó 35 mm-es filmre készült, közeli középállásból, 50 mm-es objektívvel.
Lágy part menti nappali fény, sekély mélységélesség, halvány filmrészecskék, természetes színegyensúly.
A képnek őszintének és természetesnek kell lennie, valódi bőr textúrával, kopott anyagokkal és mindennapi részletekkel. Nincs szépítés, nincs erős retusálás.”
GPT Image 1.5
GPT-4o
Nano Banana 2 Pro
Nano Banana 2
Valósághű fotó teszt verdikt
A ChatGPT új modellje és a Nano Banana 2 Pro egyaránt kiválóan megoldotta a feladatot vizuális szempontból. Másként, de ugyanolyan színvonalon készítették el a képet.
A különbség a tartalomban mutatkozik: a ChatGPT modellje teljesen kaotikus szálhalmot csinált hálóként, míg a Gemini modellje egyértelműen halászhálót készített – ugyanakkor a ChatGPT-nél kijön a partközeliség, a Gemininél ennek semmi jele.
Tegyük hozzá, mindkét kép esetében az első generálás eredményét mutatjuk, így lehet, hogy két-három futtatás után már mindkettő hibátlanul oldaná meg a feladatot. Így is impozáns az eredmény. Viszlát, stock fotós oldalak!
Gemini vs. ChatGPT: 1:1
2. Szöveg és kép teszt
A szövegek valósághű elhelyezése a képeken sokáig hatalmas kihívás volt a képgenerátoroknak – a fejlesztők viszont sikeresen megoldották a legújabb modelleknél az angolszász szövegek esetében.
A magyarra viszont a legutóbbi modellekig kellett várni. A prompt ezért kifejezetten hosszú és részletes lett, vegyítve szöveget és képet – egyébként az angol eredeti a ChatGPT kézikönyvében szerepel.
Prompt:
„Egy telefonnal készített, széles kép egy üveg tábláról, egy szobából, ahonnan kilátás nyílik a Bay Bridge-re. A látómezőben egy nő látható, aki ír, és egy nagy OpenAI logóval ellátott pólót visel. A kézírás természetesnek és kissé rendezetlennek tűnik, és látható a fotós tükörképe.
A szöveg:
(balra)
„Modalitások közötti átvitel:
Tegyük fel, hogy közvetlenül modellezzük a
p(szöveg, pixelek, hang) [egyenlet]
egy nagy autoregresszív transzformátorral.
Előnyök:
* hatalmas világismerettel kiegészített képalkotás
* következő szintű szövegmegjelenítés
* natív kontextusban történő tanulás
* egységes utólagos képzési stack
Hátrányok:
* változó bitráta a modalitások között
* nem adaptív számítás”
(Jobb oldalon)
„Javítások:
* modell tömörített reprezentációk
* autoregresszív prior komponálása egy erőteljes dekóderrel”
A tábla jobb alsó sarkában egy diagramot rajzol:
„tokenek -> [transzformátor] -> [diffúzió] -> pixelek”
GPT Image 1.5
GPT-4o
Nano Banana 2 Pro
Nano Banana 2
Szöveg és kép teszt verdikt
A képek eléggé meggyőzőek. A ChatGPT új modellje és a Nano Banana 2 Pro egyaránt képes részletgazdag és élethű generálásra, viszont a magyar nyelv terén a Gemini modellje egy picit jobb. A ChatGPT modellje a magyar ábécében nem létező betűket is generált a szövegbe – bár itt kevés ékezetes betű volt, így nem annyira jött ki a különbség.
Gemini vs. ChatGPT: 1:1
MI-jártassági előírás megfelelőség cégeknek, intézményeknek, vállalkozóknak, az (EU) 2024/1689 Rendelete alapján
Az Európai Parlament és a Tanács (EU) 2024/1689 Rendelete (itt olvasható) előírja, hogy 2025 februárjától kezdve minden európai cég és jogi személy minden munkatársa, alvállalkozója és beszállítója, aki AI fejlesztést végez, vagy munkájához valamilyen AI eszközt használ, elvégezzen egy MI-jártasságot (AI-Literacy) biztosító képzést.
A képzéseinket úgy állítottuk össze, hogy megfeleljenek az (EU) 2024/1689 Rendeletnek mind tartalmukban, mind értékteremtő gyakorlatukban.
Mesterséges Intelligencia üzleti tanfolyamok felhasználóknak, 2023 óta
Az AI használatát tanítjuk üzleti, céges környezetben, gyakorlatorientált workshopokon, személyesen vagy online, vállalkozóknak, cégeknek, iskoláknak, intézményeknek.
Ha az MI használatát akarja elsajátítani, programozói tudás nélkül, mi vagyunk az Ön partnere!
Részletek, időpontok, árak
3. Infografika teszt
Az infografika méltán vált az egyik legfelkapottabb generált képtípussá előbb a ChatGPT majd a Gemini esetében. Aki valaha is készített vagy készíttetett infografikát, az pontosan tudja, hogy olykor napokig is eltart, mire elkészül a végleges verziót, rengeteg munka van vele.
Most azonban már karnyújtásnyira kerültünk onnan, hogy tényleg pár perc legyen a teljes művelet, a prompt megírásától a kész infografikáig, ráadásul az eredeti ár töredékéért.
Prompt:
„Készíts egy horizontális elendezésű, színes sematikus ábrákat használó, magyar nyelvű infografikát arról, hogyan működik egy darálóval ellátott, automata kávéfőző, hogyan készül benne a kávé.”
GPT Image 1.5
GPT-4o
Nano Banana 2 Pro
Nano Banana 2
Infografika teszt verdikt
Egyértelműen látszik, hogy mind a két piacvezető modell kifogástalanul, bár teljesen más megközelítéssel oldja meg a feladatot, viszont a Nano Banana 2 Pro részletesebb és jobban áttekinthető volt.
Ám mivel a promptban nem határoztuk meg a mélységét és összetettségét a feladatnak, így mindkét megoldást elfogadtuk.
Gemini vs. ChatGPT: 1:1
4. Információs poszter teszt
Az infografika egyik fajtája, amikor a cél inkább a sokféleség, a részletgazdagság bemutatása. Olyan promptot választottunk, ahol direkt nem adtunk meg konkrétumokat, tesztelve azt, hogy a képgeneráló modellek mennyire férnek hozzá valós adatokhoz.
Prompt:
„Készíts egy vertikális posztert a különböző mélységekben élő mélytengeri lényekről, függőleges óceánmetszettel, gyönyörű, részletgazdag japán anime stílusban, magyar felirattal.”
GPT Image 1.5
GPT-4o
Nano Banana 2 Pro
Nano Banana 2
Információs poszter teszt verdikt
A stílust igazán egyik generátor se találta el, bár a régi GPT-4o állt még talán a legközelebb hozzá, képi gazdagságban pedig a két Nano Banana modell, a tartalmat tekintve mind a GPT Image 1.5, mind a Nano Banana 2 Pro valós és használható eredményt hozott – sőt a ChatGPT még talán pontosabb is.
Gemini vs. ChatGPT: 1:1
5. Ismert, valós személy teszt
Rögtön az elején le kell szögezzük, hogy egyáltalán nem értünk egyet azzal, hogy deepfake képeket hozzon bárki létre élő vagy holt személyekről – jelen esetben ezért két ikonikus történelmi alakot választottunk, akiket egy szimbolikus helyzetben ábrázoltunk, bármiféle sértő jelleg nélkül.
A cél a tesztelés volt, nem pedig bárki átverése.
Prompt:
„Utcai amatőr fotó, horizontális kép, széles képarány, visszafogott színek, nyár végi délutáni fényviszonyok, amin Karl Marx és Nixon elnök készülnek verekedni, áruházi csomagokkal a kezükben”
A legkorábbi, a GPT 4o (Bingen keresztül még elérhető) a „tojásos kutyával” válaszolt – az univerzális elutasító képpel, ha az AI úgy ítélte, valami nem biztonságos vizuális tartalmat hozna létre.
GPT Image 1.5
GPT-4o
Nano Banana 2 Pro
Érdekes módon itt éppen a Gemini képgenerátora utasította vissza a prompt végrehajtását:
„Van esetleg másik kép, amellyel próbát tehetek? Azért vagyok itt, hogy a lehető legtöbb dolog létrehozásában segítséget nyújtsak, ilyen képek létrehozásában azonban nem tudok.”
Nano Banana 2
Valós személy teszt verdikt
Érdekes, hogy míg a Gemini zászlóshajója visszautasította a promptot, addig a light verzió megcsinálta – de gyengébb minőségben, persze. A ChatGPT-nél pont fordítva történt: az új modell elkészítette (méghozzá kimagasló szinten).
Mindez viszont azt is jelenti, hogy az új ChatGPT hajlandó lehet lényegében bárki valós személyről bármilyen deepfake fényképet generálni – ez pedig komoly aggályokat vet fel.
Gemini vs. ChatGPT: 0:1
6. Ismert nem valóságos személy teszt
Pikachut aligha kell bemutatni bárkinek, vagy ha mégis: egy japán animációs sorozat egyik nem emberi főszereplője. Pikachu a pokémonok népes családjába tartozó, különleges elektromos képességekkel bíró lény, aki leginkább egy hatalmas sárga pocok és ugróegér kereszteződésére hasonlít.
Pikachu természetesen jogdíjas figura – a lenti képek azonban generáltak, illetve a bemutatásuk csak oktatási célokat szolgál. Senkinek sem javasoljuk, hogy kereskedelmi célból ilyen képeket generáljon – és a ChatGPT nem is teszi lehetővé, visszautasítja a generálást. A Gemini azonban igen.
GPT Image 1.5
GPT-4o
Nano Banana 2 Pro
Nano Banana 2
Ismert nem valóságos személy teszt verdikt:
Itt nincs kérdés, a Nano Banana 2 Pro nyert.
Gemini vs. ChatGPT: 1:0
7. A disznóvágás teszt
A valós személyek ábrázolása után ez a második legkényesebb teszt – mind a ChatGPT mind a Gemini hajlamos erősen állatbarát cenzúrára, olyan mértékben, hogy semmit sem hajlandó ábrázolni, ami szerinte erőszakos lehet.
A disznótoros pont ezért esik a határmezsgyére: nincs direkt „erőszakos ábrázolás” (mint az állat levágása) ugyanakkor az állat teteme látszódik.
Prompt:
Amatőr, mobil kamerás, egyenetlen és gyorsan exponált kép egy falusi disznóvágásról az 1980-as évekből, amikor perzselik a disznót, a többi ember meg előkészül a disznó feldolgozására, beleket mosnak, vagy éppen pálinkáznak.
A négy modell közül három volt hajlandó megcsinálni a képet, a GPT 4o ismét elutasította a generálást.
GPT Image 1.5
GPT-4o
Nano Banana 2 Pro
Nano Banana 2
Disznóvágás teszt verdikt
A disznóvágás hangulatát, a közép-európai tájjelleget, a 80-as évek fényképeinek jellegzetességét mindkét zászlóshajó modell tökéletesen hozta. Mivel csak egyetlen prompt-futtatás eredményét néztük meg, így eltekintünk a Nano Banana 2 Pro tartalmi tévedésétől.
Gemini vs. ChatGPT: 1:1
8. Sok kép teszt
A ChatGPT korábbi modellje volt az első, ami képes volt több képet is egy képen ábrázolni – eléggé kifogásolható minőségben. Hobbi célra kiváló volt, üzletire egyáltalán nem.
A Google Imagen-4 modellje már egészen tűrhető eredményeket produkált, a Nano Banana 2 Pro és a GPT Image 1.5 viszont mindketten díjnyertes eszközökké váltak. A fotók (még) stockfotós oldalról származnak.
Prompt:
„A cipőket helyezd el egy üzlet kirakatában, igényes elrendezéssel, karácsonyi vásári hangulattal, részben oldalról fotózva a kirakatüvegen át. A vásári forgatag halványan tükröződik az üvegen. Déli napfény, téli évszak, széles képarány.”
 |  |
 |  |
Képek forrásai: JD Danny, Terje Sollie, Pixabay, Melvin Buezo,
GPT Image 1.5
Nano Banana 2 Pro
Nano Banana 2
Sok kép teszt verdikt
A két csúcsmodell egyaránt közel hibátlan eredményt hozott. Ha eddig valaki százezreket költött termékfotózásra, vagy hogy megfelelő látványtervet alkosson, az most rögtön két príma AI eszközt is kapott.
Persze, óvatosan a promptolással, sok vásárló számára a mesterséges intelligencia alkalmazása visszás dolog.
Gemini vs. ChatGPT: 1:1
Dióhéjban az OpenAI új GPT Image 1.5 képgenerátoráról
Az OpenAI új GPT Image 1.5 képgeneráló rendszere vállalati tartalomgyártásra fókuszál, és kiemelkedő utasításkövetést, gyorsabb működést, valamint pontosabb fotószerkesztési lehetőségeket biztosít.
A modell fejlett stílusátalakító funkcióval működik, továbbá hatékonyan kezeli a ruházati és frizura-variációkat, valamint a professzionális termékképek előállítását. A ChatGPT oldalsávban megjelenő új Images felület sablonokkal és kreatív megoldásokkal támogatja a vállalati vizuális alkotást.
Az iparági verseny új lendületet kapott a Google Nano Banana rendszerével, amely gyors hiperrealista képi világot biztosít. A GPT Image 1.5 átfogó fejlesztései mégis stabil alapot teremtenek a vállalati grafikai folyamatokhoz, és a ChatGPT többfunkciós kreatív stúdióvá válik. A képminták alapján új korszak formálódik, ahol az AI-vezérelt vizuális gyártás előnyöket kínál marketinghez, termékfejlesztéshez és kereskedelmi kommunikációhoz.
A nyolc teszt összesített pontszáma viszont azt mutatja, hogy a két modell közötti különbség elhanyagolható.
A cikkben bemutatott tesztek melletti további próbák azt mutatják, hogy a Nano Banana 2 Pro érdemi előnyt kínál a sebesség, a hiperrealista képek és a nagy felbontású részletek területén, így több üzleti folyamatban különösen hatékony – az olyan multimodális megoldásokról már nem is beszélve, hogy egy prompttal bármelyik generált képből nyolc másodperces videót generál nekünk a Gemini a Veo 3.1 modelljével – de ez már egy másik teszt része lesz.
GYIK – gyakran feltett kérdések a “OpenAI új vállalati fókuszú képgenerátora érkezett” című cikkről
Milyen újdonságot hoz az OpenAI vállalati fókuszú képgenerátora?
Az új modell részletes irányítási képességgel működik, és magas szintű pontossággal alakítja át a vizuális tartalmakat. A rendszer gyors működésével hatékony alapot teremt üzleti feladatokhoz.
Hogyan értelmezi a modell az alkotói szándékot?
A GPT Image 1.5 kifinomult értelmezési algoritmussal kezeli a szöveges utasításokat, így pontos szerkezeti és stílusbeli eredmény születik. Az átalakítások során a forráskép karaktere harmonikus módon jelenik meg.
Milyen vállalati szerepet kap a képgenerálás?
A modell üzleti fotók, marketinganyagok és termékábrák készítését támogatja. A folyamatos fejlődés erősítést ad a digitális tartalomgyártási stratégia minden eleméhez.
Hogyan működik a modell összetett feladatok során?
Többrétegű kompozíciók esetén stabil felépítést hoz létre, amely részletes, gondosan strukturált vizuális megoldást eredményez. A rendszer nagy figyelmet ad az arcok, tárgyak és jelenetek következetes megjelenítésére.
Milyen teljesítményjellemzők határozzák meg a piacot?
A modellek gyorsasága, részletessége és vizuális realitása alakítja a versenyt. A különböző AI-rendszerek eltérő erősséget kínálnak, amelyek új lehetőséget nyitnak a tartalomipari gyakorlatban.
Milyen összképet ad az értékelés?
A GPT Image 1.5 erős vállalati eszközkészlettel bővíti a képgenerálást, és jól integrálódik a kreatív folyamatokba. A fejlődés új korszakot hoz, ahol az AI alapú vizuális előállítás meghatározó szerepet kap.
