中性提示，非中性人群：量化Gemini Flash 2.5 Image与GPT Image 1.5中的性别与肤色偏见

本研究量化了两个广泛部署的商业图像生成器——Gemini Flash 2.5 Image（NanoBanana）和GPT Image 1.5——中的性别与肤色偏见，以检验中性提示会产生人口学上中性输出这一假设。我们使用四个语义中性的提示生成了3,200张照片级真实感图像。分析采用一条严格的流水线，结合混合颜色归一化、面部关键点遮蔽，以及使用Monk（MST）、PERLA和Fitzpatrick量表的感知均匀肤色量化。中性提示产生了高度极化的默认输出。两个模型都表现出强烈的“默认白人”偏见（超过96%的输出）。然而，二者在性别上尖锐分化：Gemini偏向呈现为女性的人物，而GPT偏向肤色较浅的呈现为男性的人物。本研究以光照感知比色方法对最先进模型进行了大规模比较审计，在合成图像中区分美学呈现与底层色素沉着。研究表明，中性提示的功能是诊断探针而非中性指令。它为审计算法视觉文化提供了一个稳健框架，并挑战了无标记语言会带来包容性表征这一社会语言学假设。