مقایسه قابلیت‌های تصویرسازی هوش مصنوعی: چت‌جی‌پی‌تی در برابر جیمینی

البته، در ادامه یک بازنویسی کامل، دقیق و با لحن رسانه‌ای حرفه‌ای به زبان فارسی ارائه شده است که بر اساس متن اصلی و با تکمیل جزئیات و رعایت اصول روزنامه‌نگاری تهیه شده است:

نبرد غول‌های تصویرسازی هوش مصنوعی: مقایسه جامع ChatGPT-5 و Gemini 2.5 (Nano Banana) در ۹ راند

به گزارش پایگاه فناوری تامزگاید، عرضه اخیر مدل تصویرساز جیمینی ۲.۵ (Gemini 2.5) با نام مستعار «نانو بانانا» (Nano Banana) از سوی گوگل، جامعه فناوری را شگفت‌زده کرده و توجهات بسیاری را به خود جلب کرده است. این مدل جدید با سرعت بالا، جزئیات خیره‌کننده و تولید تصاویری فوق‌واقع‌گرا، به میدان رقابت با مدل قدرتمند ChatGPT-5 شرکت اوپن‌ای‌آی (OpenAI) قدم گذاشته است.

اما سؤال اینجاست: در نبرد این دو ابرهوش مصنوعی برای خلق تصویر، کدامیک پیروز میدان خواهد بود؟ برای یافتن پاسخ، این دو مدل را در ۹ راند مجزا و در دسته‌بندی‌های مختلفی از جمله مناظر طبیعی، حیوانات و صحنه‌های خلاقانه در برابر هم قرار دادیم. نتایج این آزمون جذاب را در ادامه می‌خوانید.

۱. مناظر و محیط‌ها

راند اول: صحنه‌ای روستایی

• پِرُمپت (دستور): «یک کلبه روستایی محصور در تپه‌های سرسبز، با یک انبار قرمز رنگ، نرده‌های چوبی و آفتاب‌گردان‌هایی که مسیر را احاطه کرده‌اند، در نور طلایی غروب آفتاب — به سبک فوتورئالیسم (واقع‌گرایی عکاسی) با نورپردازی سینمایی و گرم.»
• نتایج:
  • ChatGPT-5: غروب آفتاب را در پس‌زمینه به زیبایی به تصویر کشید و سایر جزئیات را بدون افراط کاری نشان داد.
  • جیمینی ۲.۵ (نانو بانانا): اگرچه عملکرد قابل قبولی داشت، اما غروب آفتاب کم‌رنگ‌تر بود. آفتاب‌گردان‌ها بیش از حد «حاشیه مسیر» بودند و به یک مزرعه کامل تبدیل شده بودند. همچنین انبار قرمز رنگ بسیار به بیننده نزدیک به نظر می‌رسید.
• برنده راند: ChatGPT-5 برای خلق تصویری واقع‌گراتر که به پرومپت وفادارتر بود و با جزئیات اضافه بیننده را overwhelmed نکرد.

راند دوم: صحرایی آرام پس از باران

• پرومپت: «یک صحرای آرام در طلوع آفتاب، پس از بارندگی، با گل‌های وحشی شکوفه کرده، نور ملایمی که از روی شن‌های خیس منعکس می‌شود و یک کاروان شتر در دوردست — به سبک فوتورئالیسم.»
• نتایج:
  • ChatGPT-5: به شکلی غیرمنتظره و خنده‌دار، آفتاب‌گردان را به این صحنه اضافه کرد! تصویر از نظر ترکیب‌بندی و مسیر احساس نامتعارفی داشت و موقعیت خورشید تقریباً مشابه پرومپت قبلی بود.
  • جیمینی ۲.۵ (نانو بانانا): به پرومپت وفادار ماند و تصویری حیرت‌انگیز و تقریباً نفس‌گیر خلق کرد که به واقعیت بسیار نزدیک بود.
• برنده راند: جیمینی ۲.۵ (نانو بانانا) برای برتری بی‌چون و چرای خود در خلق یک تصویر کاملاً فوتورئال.

راند سوم: جنگلی اسرارآمیز در اعماق آب

• پرومپت: «یک جنگل اسرارآمیز زیرآبی مملو از گیاهان درخشان، ماهی‌هایی که در میان درختان شنا می‌کنند و پرتوهای نور خورشید که از بالا به پایین می‌تابند — به سبک تصویرسازی فانتزی.»
• نتایج:
  • ChatGPT-5: ماهی‌ها ایستا و بی‌جان به نظر می‌رسیدند. رنگ‌ها muted و کلیت صحنه flat و بدون عمق بود.
  • جیمینی ۲.۵ (نانو بانانا): صحنه‌ای زنده‌تر و پویاتر با پرتوهای درخشان خورشید ارائه داد. تنوع ماهی‌ها و اضافه شدن موجودات دریایی دیگر، به غنای تصویر افزوده بود.
• برنده راند: جیمینی ۲.۵ (نانو بانانا) برای خلق یک صحنه پرانرژی و رنگارنگ که پرومپت را بهتر محقق کرد.

۲. حیوانات و طبیعت

راند چهارم: روباهی در دنیای سایبرپانک

• پرومپت: «یک روباه که یک کیف چرمی کوچک به همراه دارد، در حال کاوش در یک خیابان شهری با نورنئون در شب — به سبک سایبرپانک.»
• نتایج:
  • ChatGPT-5: تصویری از یک شهر تقریباً خالی و غمگین ارائه داد. کیف چرمی در صحنه نامتعارف به نظر می‌رسید.
  • جیمینی ۲.۵ (نانو بانانا): تصویری پرجنب‌وجوش از یک شهر شب‌زنده‌دار خلق کرد. روباه با چشمان درخشان خود، حال‌وهوای سایبرپانک را به خوبی منتقل می‌کرد.
• برنده راند: جیمینی ۲.۵ (نانو بانانا) برای تفسیر هنری بهتر و روایت یک داستان جذاب.

راند پنجم: پنگوئن‌های خندهدار در صحرا

• پرومپت: «پنگوئن‌هایی که در حال راه رفتن بر روی تپه‌های شنی صحرای ساهارا هستند، بعضی از آنها کلاه آفتاب‌گیر بر سر دارند و آسمانی آبی در بالا — به سبک فوتورئالیسم و whimsical (بامزه و خیال‌انگیز).»
• نتایج:
  • ChatGPT-5: پرومپت را اجرا کرد، اما همه پنگوئن‌ها یکسان بودند و حس whimsical کمتری در مقایسه با رقیب داشت.
  • جیمینی ۲.۵ (نانو بانانا): تصویری خنده‌دار و فوق‌العاده خلق کرد. کلاه‌ها و عینک‌های آفتابی پنگوئن‌ها، حس بامزه و فوتورئال را به اوج رسانده بود. به وضوح هر پنگوئن شخصیت منحصر به فرد خود را داشت.
• برنده راند: جیمینی ۲.۵ (نانو بانانا) برای روایت‌گری واقع‌گراتر و ثبت بهتر حس شوخ‌طبعی و شخصیت.

راند ششم: یک جانور افسانه‌ای

• پرومپت: «یک حیوان افسانه‌ای که نیمی عقاب و نیمی دلفین است، در حال پرواز بر فراز امواج اقیانوس و شیرجه زدن برای شکار ماهی — به سبک هنر فانتزی.»
• نتایج:
  • ChatGPT-5: اگرچه جزئیات را رعایت کرده بود، اما تصویر بیشتر شبیه یک نقشی با رنگ‌های مات بود و انرژی چندانی نداشت.
  • جیمینی ۲.۵ (نانو بانانا): پس از یک درخواست مجدد، تصویری شگفت‌انگیز و واقع‌گرا از این جانور خیالی خلق کرد. تصویر پر از انرژی و حرکت بود.
• برنده راند: جیمینی ۲.۵ (نانو بانانا) برای اجرای بی‌نقص پرومپت و ارائه تصویری زنده‌تر.

۳. صحنه‌های خلاقانه و تخیلی

راند هفتم: مسافر زمان در مصر باستان

• پرومپت: «یک بازار باستانی مصر پر از بازرگانان، شترها و سفال‌ها، اما با یک مسافر زمان آینده که یک کت و شلوار اسلیم و مدرن به تن دارد و در حال عبور از بازار است — به سبک سینمایی.»
• نتایج:
  • ChatGPT-5: اگرچه پس‌زمینه آن حس و حال تکراری «طلایی-خردلی» را داشت، اما بازار با جزئیات بیشتر و بازرگانان متنوع‌تر، واقع‌گراتر و روایت‌گراتر به نظر می‌رسید.
  • جیمینی ۲.۵ (نانو بانانا): تعداد بازرگانان آنقدر زیاد بود که更像 به یک ارتش از فروشندگان شباهت داشت و این موضوع تصویر را از تعادل خارج کرده بود.
• برنده راند: ChatGPT-5 برای توجه به جزئیات و روایت‌گری بهتر.

راند هشتم: کتابخانه‌ای جادویی

• پرومپت: «یک کتابخانه جادویی در شب، با کتاب‌های درخشان که از قفسه‌ها پرواز می‌کنند، فانوس‌های افسون‌شده در هوا شناورند و یک راه‌پله مارپیچ به سوی ستاره‌ها می‌رود — به سبک concept art فانتزی.»
• نتایج:
  • ChatGPT-5: حداقل‌ها را انجام داد. کتاب‌ها اگرچه می‌درخشیدند، اما ایستا و بی‌جان در هوا معلق بودند.
  • جیمینی ۲.۵ (نانو بانانا): صحنه‌ای واقعاً جادویی خلق کرد که گویی مستقیماً از یک فیلم کودکانه بیرون آمده است. کتاب‌ها در حال پرواز به نظر می‌رسیدند و خود کتابخانه بسیار افسون‌شده‌تر بود.
• برنده راند: جیمینی ۲.۵ (نانو بانانا) برای ارائه جادویی‌ترین صحنه.

راند نهم: ربات‌های عجیب و غریب

• پرومپت: «دو ربات عجیب و غریب ساخته شده از ضایعات خرابه، که روی توده‌ای از قطعات خودروی قدیمی نشسته‌اند و مثل انسان‌ها با هم بحث می‌کنند — به سبک انیمیشن پیکسار.»
• نتایج:
  • ChatGPT-5: تصویری از دو ربات دوست‌داشتنی ارائه داد که اگرچه بامزه بودند، اما سبک پیکسار را به خوبی منتقل نمی‌کردند.
  • جیمینی ۲.۵ (نانو بانانا): این راند را درخشان به پایان رساند. ربات‌هایی بسیار شبیه به سبک پیکسار خلق کرد که صحنه‌ای مانند یک فیلم سینمایی را تداعی می‌کرد. این تصویر به شدت یادآور فیلم «ربات‌ها» (Robots) با بازی رابین ویلیامز بود.
• برنده راند: جیمینی ۲.۵ (نانو بانانا) برای تولید تصویری باکیفیت در سبک درست.

برنده نهایی: جیمینی ۲.۵ (نانو بانانا)

پس از ۹ راند فشرده، نتیجه نهایی مشخص است: جیمینی ۲.۵ (نانو بانانا) گوگل، با کسب ۷ پیروزی در برابر ۲ پیروزی ChatGPT-5، به عنوان برنده این نبرد انتخاب می‌شود.

نانو بانانا در صحنه‌هایی که نیاز به انرژی، روایت‌گری، شخصیت‌پردازی و تصویرسازی خلاقانه دارد، می‌درخشد. ChatGPT-5 اگرچه در برخی موارد در ارائه واقع‌گرایی محض و جزئیات دقیق‌تر عملکرد خوبی دارد، اما گاهی بیش از حد محتاط و معمولی عمل می‌کند و تصاویر آن فلت و بدون جذابیت هنری هستند.

هیچ‌کدام از این ابزارها بی‌نقص نیستند، اما در کنار هم، امکان‌های بی‌پایان تولید تصویر با هوش مصنوعی و مسیری که برای تعادل بخشیدن بین دقت و هنر طی کرده‌ایم را به خوبی نشان می‌دهند. پیشنهاد می‌کنیم از هر دو مدل برای پروژه‌های خود استفاده کنید و از قابلیت‌های مکمل آن‌ها بهره ببرید.

نظر شما چیست؟ آیا شما هم جیمینی ۲.۵ (نانو بانانا) را آزمایش کرده‌اید؟ نظرات و پرومپت‌های تصویری موردعلاقه خود را با ما در میان بگذارید.

• پیوندهای مرتبط:
  • من با قاعده «۳ کلمه‌ای» در ChatGPT-5 آزمایش کردم و پاسخ‌های بسیار بهتری دریافت کردم — ۷ پرومپت برای امتحان کردن الآن
  • من ChatGPT-5 را در برابر Gemini 2.5 Pro با ۱۱ پرومپت تصویری آزمایش کردم — برنده اینجاست
  • من هر روز از جیمینی استفاده می‌کنم — اینها ۱۱ پرومپت حیرت‌انگیزی هستند که نمی‌توانم بدون آنها زندگی کنم

توجه کن که کل متن