Три реальные задачи: кто рисует лучше и почему это не тот вопрос

Полгода назад это делал штатный дизайнер

Ещё полгода назад для большинства задач, связанных с дизайном, мы использовали штатного дизайнера. Сегодня ситуация изменилась.

Дизайнер в команде остался, но последние полгода мы генерим бесконечное количество контента через Nano Banana Pro: обложки для YouTube, обложки для уроков и даже логотипы для моих реальных бизнесов. Всё это создано моими личными генерациями, часто вообще без привлечения команды.

И вот ChatGPT выкатывает обновление Images 2 прямо внутри обычного чата — то самое, которое называют убийцей. Я сравнил обе модели на трёх своих реальных задачах, чтобы ответить на один вопрос: стоит ли теперь платить отдельно за нейросети Google или можно оставить только ChatGPT.

Про картинки в ChatGPT просто забыли

Взял я именно эти задачи не случайно. Сделать две обложки для рассылки и обложку для YouTube — то, с чем ChatGPT раньше справлялся плохо.

В какой-то момент Nano Banana Pro начала очень сильно уделывать его по тексту, и про картинки в ChatGPT буквально все забыли.

Так что смотрю я на то, что получалось хуже всего последние полгода. Если обновление действительно рабочее, это будет видно именно здесь.

Задачи все три — не тестовые. Две обложки для рассылки и обложка для YouTube делаются у нас регулярно, и раньше каждая из них проходила через дизайнера. Сравнение имеет смысл только на такой работе: демо-картинка красиво выглядит у всех, а разница вылезает там, где нужен конкретный логотип, конкретный текст и конкретное лицо в кадре.

Задача первая: просто картинка

Сначала посмотрим, как модели генерируют изображения без усложнений. Вот картинка от ChatGPT. Вот точно такая же генерация в Gemini.

Не знаю, видите ли вы здесь хоть какую-то разницу. На мой взгляд, в конкретном случае у ChatGPT даже более качественные изображения.

Тут, конечно, нужно сказать: у Google я их зато могу скачать в 2K. В ChatGPT придётся скачать в том виде, какой есть.

Задача вторая: добавляем логотип и надпись

Усложняю. Добавляю к запросу логотип и текст — то, на чём генераторы обычно и сыплются.

Изображение в ChatGPT получилось в целом неплохим. Логотип вставился точно, текст аккуратный, симметрия на месте.

В Gemini, на мой взгляд, вышло немного лучше. Он самостоятельно расположил элементы по центру, интерфейс по нашему запросу мне здесь нравится больше.

Но вот тут и начинается главное. Во Flow мы делаем не одно изображение, а сразу четыре. И если посмотреть на весь набор, окажется: логотип нормально получился только на одной картинке из четырёх.

Почему четыре картинки сильнее одной хорошей

Вот здесь корень всего сравнения, и он вообще не про качество модели.

В ChatGPT картинки делаются по одной — при том, что у меня подписка за 100 $. По две, если не ошибаюсь, на подписке за 200 $. Это всё равно мало.

Flow как внутренний инструмент подписки Google выглядит гораздо сильнее. Да, отдельные изображения могут быть хуже, чем в ChatGPT. Но ничего страшного: одно из четырёх точно будет хорошим.

И на третьей задаче — обложке для YouTube — это подтвердилось. Я вставил свою фотографию и написал довольно простой запрос, без всякой личной включённости. ChatGPT переделал меня вполне неплохо: контровой свет, полностью чёрный фон, надпись на месте. Логотип он подставил сам, хотя я его не вставлял, и выглядит тот нормально.

У Nano Banana Pro фотография мне понравилась меньше, честно скажу, отдельные варианты выглядят совсем так себе. Но из-за того, что вариантов четыре, мне легче найти тот, который нужен. Если бы стояла цель выбрать прямо сейчас, я бы точно выбрал из этого набора: там элементы крупнее, свет интереснее, я выделяюсь лучше.

Одна генерация просто улетела в ошибку

Отдельная история — про логотипы. В Google мы пользуемся Flow, потому что в Gemini генерировать логотип смысла нет.

В ChatGPT это было бы просто невозможно, но я попробовал ради интереса — хотя там задействованы другие модели.

Результат: ничего не сгенерировалось, всё улетает в ошибку. Почему — непонятно. Такие вот истории на текущий момент, поэтому про этот сценарий сразу забываем.

Задача третья: результат практически идентичен

Последним запросом я попросил сделать обложки для нашей закрытой системы.

Вот что вышло в ChatGPT. Обратите внимание на качество графики: оно выглядит довольно мыльным — так бывает у моделей, которые чуть-чуть ошибаются.

Теперь Nano Banana Pro. Перехода между градиентом нет, здесь он ошибся, это видно. В остальном — очень хорошо. Но одновременно и очень похоже.

И снова Nano Banana Pro выигрывает только потому, что в Gemini у меня генерируется по одному изображению. Если бы я сравнивал Gemini с ChatGPT, а не Flow с ChatGPT, картина была бы другой. Но какой инструмент максимально удобен, такой и используем.

Справедливо: у ChatGPT есть своя дыра

ChatGPT пока непонятно, что делать со своей Sora. Она еле-еле работает — по крайней мере у меня.

Изображения она генерирует плохо, потому что там задействованы другие модели. Приходится генерировать прямо в чате, что тоже неплохо.

То есть дыры есть у обоих: у Google — одиночная генерация в чате, у ChatGPT — отдельный инструмент, который не тянет. И это важно понимать до того, как переносишь на инструмент весь рабочий поток: у каждого остаётся участок, где он просто не подходит.

Отсюда и практика, к которой я пришёл. Я не выбираю один инструмент на все задачи. Логотипы иду делать во Flow. Быструю картинку в переписке генерирую там, где уже открыт чат. Обложки, где нужен перебор вариантов, — только там, где вариантов дают четыре.

Что получилось по трём задачам

Свожу в таблицу — не чтобы объявить победителя, а чтобы ты понял, по какому признаку выбирать себе.

Так платить за Google или нет

Качество модели уже не главный вопрос

Мы снова возвращаемся к одной и той же мысли: качество модели сегодня не так важно, как экосистема вокруг неё.

Видно же — только из-за того, что у Google есть Flow, мне гораздо удобнее работать там. Модели практически сравнялись, а разница в работе осталась огромной.

Считай не качество, а попытки

Ты дочитал до конца — значит, вопрос не в том, какая модель рисует красивее. На трёх задачах они разошлись на мелочах. Вопрос в том, сколько попыток даёт тебе инструмент за один запрос и сколько времени ты тратишь на переделки.

Один вопрос напоследок. Ответь себе одним предложением: сколько раз за последнюю неделю ты перегенерировал одну и ту же картинку, пока не получил нужную? Посчитай честно — это и есть цена одиночной генерации. Я читаю.