LMSYS Arena 开启 OpenAI GPT-Image-2.5 Sunburst 限时直接测评：图像生成与多轮编辑三榜登顶

核心背景与行业痛点

在多模态视觉生成与交互式图像编辑领域，大模型评测长期依赖容易受审美偏置影响的人工抽检或静态合成指标（如 FID、CLIP-Score）。然而，在真实多轮图生图、精细局部修改和多图一致性融合等实际生产需求中，静态跑分往往无法反映真实用户体验。LMSYS 盲测竞技场通过匿名双盲投票建立的真实世界 Elo 积分体系，已成为全球大模型生成能力公认的试金石。针对 OpenAI 此前低调发布的最新图像基座，LMSYS 团队今日正式宣布在竞技场提供限时 14 天的 GPT-Image-2.5 Sunburst 原生直测支持。

架构亮点与底层机制

1. 三冠王视觉基座（Triple-#1 Visual Powerhouse）：

• GPT-Image-2.5 Sunburst 在 LMSYS 文生图（Text-to-Image）、单图编辑（Image Edit） 以及 多图联动编辑（Multi-Image Edit） 三大专业竞技场中全面位列全球第一；
• 具备卓越的指令遵循与多轮视觉上下文保持能力，能够在保留输入图像核心光影、主体结构与微观材质的前提下执行复杂空间修改；

1. 限时直选模式与双盲 Elo 体系分离：

• 开启为期 14 天的 Direct Mode（直接模式），开发者可在下拉菜单中直接选定 GPT-Image-2.5 Sunburst 进行任意复杂提示词测试与编辑流水线调试；
• 11 月 2 日上午 8 点（太平洋时间）直选期结束后，该模型将继续常驻在双盲 Battle 模式与 Agent 模式中，其匿名盲测投票数据将继续支撑全球权威 Elo 排行榜的动态校准。

权威 Benchmark 与实测跑分对比

根据 LMSYS 官方公告与竞技场历史胜率统计（Figure 1, Arena Vision Leaderboards）：

• 文生图竞技场（Text-to-Image Arena）：
• GPT-Image-2.5 Sunburst 位居总榜第一，在复杂空间关系提示（Spatial Composition）、文本嵌入排版（Typography）和微距真实质感（Photorealism）测试中胜率全面领先竞品；
• 图像编辑与多图编辑竞技场（Image Edit & Multi-Image Edit Arena）：
• 稳居单图编辑与多图协同编辑双料冠军；
• 能够精准解析“在保留原图人物姿态与光影角度的前提下将背景置换为赛博朋克雨夜”或“将图 A 中的物体以物理透视合理融合进图 B”等高难度操作，极大缓解了扩散模型常见的局部坍缩与风格漂移（Visual Drift）；
• 社区反馈与真实胜率：
• 在盲测对抗中展现出显著高于常规扩散模型的长提示理解鲁棒性，在超过 9,000 次曝光与社区盲测交互中保持胜率第一梯队。

开发者实战落地与开箱指南

• 限时直测入口：开发者即日起可登录 arena.lmsys.org，进入 Direct Mode 下拉列表直接选择 GPT-Image-2.5 Sunburst，无需进入随机盲测池即可直接测试；
• 提示词工程建议：测试表明，GPT-Image-2.5 对自然语言复合意图（如“先保留左侧阴影，再替换右侧材质”）的解析力远胜传统基于特定 Tag 的控制方式。开发端侧创意工作流或电商品宣生成工具的团队，建议抓紧 14 天窗口期建立金标测试集与自动化评估管线。