生图模型测评 - AI生图模型测试评分

生图模型测评

AI产品狙击手 · AI 生图模型测试评分

22已测模型
V1.4基准版本
V1.4Benchmark · 生图综合评测
v1.4生图综合评测6 道题,满分 60
6 道题覆盖中文长文本渲染、文生图综合能力、角色一致性、物理常识、图表生成、参考图编辑,每题 10 分,满分 60。V1.4 整体降低难度:Q1 由每日双景点改为单景点(文字量减半);Q2 由「左撇子咖啡馆写信」九重约束换成「书房美甲美女」(去掉利手混淆、中文手写、窗面反射,改为十指完整 + 三处差异化美甲 + 三点整挂钟 + 三只杯子 + 多材质光影);Q3 由九项微特征收敛为八项(去掉缺失门牙、抱猫异瞳与铃铛项圈,改为比心手势 + logo 遮挡校验);Q4 去掉水杯筷子折射、只留镜面自拍;Q5 去掉柱状图、只留饼图;Q6 未变。与 V1.3 及更早版本不可同榜比较。
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画文字渲染
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
十处中文短句(Day1–Day5 五个日期标签 + 五条餐饮推荐小字)是否全部渲染正确、字形清晰可读;手写体风格是否统一、字间距是否均匀;数字编号与景点/餐厅名有没有错字、漏字、糊字;云朵、椰子、海浪、贝壳等点缀是否压住文字。
Q2文生图综合能力测试:书房丰满优雅美甲美女文生图综合能力
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
多约束核验清单——十指完整清晰(手部崩坏检查)、三处差异化美甲(整体亮蓝 + 一只手食指纯红 + 另一只手中指白底红点波点)、挂钟三点整(对抗钟表 10:10 固有偏置)、三只杯子(大半杯拿铁的瓷杯 / 半杯清水的玻璃杯 / 空玻璃杯,计数 + 水位校验)、三只杯子位于双手侧边且不遮挡双手(遮挡避让检查)、多材质光影质感(针织织物 / 瓷器 / 胡桃木 / 黄铜)。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片角色一致性
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
跨画面角色一致性:八项特征(脸上淡雀斑、鬓边粉色发卡、高马尾、黄色雨衣、胸前 Nike logo、带草莓挂饰的蓝色书包、白色高帮帆布鞋、一手比心另一手自然放下)在四个视角里必须逐项一致,缺一项即扣分;胸前 logo 不能被手臂、书包带或视角角度挡掉;可衍生为连续分镜(同一主角的 4 格视角)。
Q4物理常识题,女孩落地镜自拍物理常识
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
镜面反射一致性(镜内外服装 / 动作要吻合)、镜外手机屏幕上的取景画面是否清晰可见、镜中只照到手机背面看不到取景器、前后景空间关系。这类用例最容易暴露“镜子里的镜像其实是另一个人”的经典翻车。
Q5饼图图表生成测试图表生成
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
饼图分块面积与百分比匹配(35 / 28 / 15 / 12 / 10)、每块标注品牌名与百分比、颜色区分清楚、五块合计不重不漏。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换图像编辑
将参考图中左右两个男生的位置互换
本题为参考图编辑任务,需输入一张参考图(不公开展示)
以参考图为基准做图像编辑:把参考图里左右两个男生的位置互换,人物外观(长相、服装、发型)保持不变,不换脸、不改变画风、不丢失背景
模型测试日期总分正确率测评
可灵 Image 4.0
2026-11-1837/60
62%
快手可灵 2026-11-17 发布的 Image 4.0(原生 8K、单图约 2000 字),用祖传 v1.4 六题实测 37/60,高于同门可灵AI图片3.0 在旧版 v1.2 的 18 分(两版不可直接比较),低于当前 v1.4 的 MiniMax H3 Image(47)、Qwen Image 3.0 / GPT Image 2.6(45)与 Riverflow V2.7 Pro(42)。最大亮点是中文长文本:十处文字全部正确,「鹈鹕」这两个高频翻车字也写对,是第三个做到的模型。短板集中在指令与一致性:Q2 挂钟不是三点整、美甲多涂且「丰满」理解偏差;Q3 根本不是四宫格、比心手与草莓位置跨图不一致;Q4 镜中手机拿反、拇指变食指、衣服前后图案相同;Q5 饼图比例颜色正确却擅自加大量文字;Q6 换位后黑人男生的手仍搭在女孩肩上、两人手部肤色互换。
模型信息
开发商快手(可灵 AI)
发布2026-11
开源闭源
使用入口可灵官网
价格会员/积分制,API 按图片分辨率分档计费
支持能力文生图 / 图生图 / 图像编辑
最大分辨率8K(原生)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
9/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
「这次鹈鹕这两个字竟然对了」,其他文字也没有看到问题——十处中文短句全部渲染正确、无错漏,是继少数模型之后第三个把「鹈鹕」写对的;按整体版式与观感给 9 分,未打满分
Q2文生图综合能力测试:书房丰满优雅美甲美女
6/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
六重约束多处失守:①挂钟不是三点整;②美甲涂错——一只手食指红色对、另一只手中指白底红点波点对,但另一只手无名指与拇指也多涂红色,同一只手中指做了波点后无名指又涂了;③「丰满」被理解成整体丰满,按测评者主观标准只算对一半;杯子和液体没问题。判 6 分
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
5/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
①「很明显这不是四宫格」,构图本身不符;②第一、第四张比心用右手,另外两张用左手,跨图不一致;③第二张草莓在右边、其余在左边。构图与两项特征一致性均失败,判 5 分
Q4物理常识题,女孩落地镜自拍
5/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
镜面反射三处错误:①镜中女孩手机拿反了;②实景是拇指压着手机边缘,镜中变成食指;③镜中衣服前面的图案与实景背面图案相同,衣服前后图案不应一致。判 5 分
Q5饼图图表生成测试
5/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
饼图本身比例和颜色没有问题;主要问题是只要求生成饼图,模型却额外生成了大量文字,测评者怀疑可灵暗自用 AI 改了提示词——未按指令交付,判 5 分
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
7/10
将参考图中左右两个男生的位置互换
左右两个男生位置完成了互换,但细节没守住:①中间女孩右肩上黑人男生原来的手还搭着;②换位后黑人拿手机的手肤色变白,右边白人男生的手却是黑色。主要动作完成、边缘一致性失败,判 7 分
MiniMax H3 Image
2026-11-1147/60
78%
47/60,v1.4 榜新最高(此前最佳 Qwen Image 3.0 / GPT Image 2.6 均 45)。多项首次:Q2 食指红 + 中指波点两处差异化美甲首次同时做对、「丰满」约束首次落地;Q4 取景器内容完全正确;Q5 首见立体感饼图;Q6 清掉最顽固的扶手机手残留。遗留瑕疵:Q1「鹈鹕」两字(全榜通病)、Q2 无名指多涂波点、Q3 发夹为花朵造型、Q4 镜中拇指变食指、Q6 肩膀残留手(迄今无模型做对)。作为开源模型(2K 图 3 积分、可自部署),测评原话「确实让人为之振奋」。
模型信息
开发商MiniMax
发布2026-11
开源开源
使用入口HuggingFace
价格2K 图 3 积分(官方平台);开源权重免费自部署
支持能力文生图 / 图像参考 / 图像编辑
最大分辨率约 16MP(4096×4096 至 6272×2688)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
7/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
测评原话「只有鹈鹕两个字错了,这两个字看来真的没有几个模型能做出来呀」——Day1–Day5 五个日期标签 + 五条餐饮推荐小字共十处,仅「鹈鹕」两字写错,其余字形清晰,水彩行程插画风格漂亮。按既有档位(Riverflow 错 1 字记 8、Grok / GPT Image 2.6 / 即梦 Image Max 同错「鹈鹕」两字记 7)记 7 分。
Q2文生图综合能力测试:书房丰满优雅美甲美女
8/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
核心考点首次突破:「一只手食指红色这个对了,这还是测评这么多模型中第一次做对这个的」,另一只手中指白底红点波点也对了;「丰满」约束也是首次落地(其他模型要不是拒绝要不生成个胖妞);挂钟三点整、三只杯子基本没有问题。失分:「可惜它把无名指也做了」——波点美甲多涂了无名指,差异化约束被部分抹平。记 8 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
8/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
测评原话「很多模型经常翻车的草莓和发夹位置竟然在第三张图能保持一致,耐克的logo也没有问题」——历来单点跨视角偏差(草莓/发夹换位)这次没有出现。保留余量:发夹做成了一朵花(「应该是有花朵一样的发夹的吧」),且八项特征未逐项确认。记 8 分。
Q4物理常识题,女孩落地镜自拍
8/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
测评原话「基本上看不出什么问题,连最难的取景器里面的内容都看不出有任何问题」——镜外取景画面这条历来高翻车判据完全达成。唯一小瑕疵:「实景中的左手是拇指扶着手机边缘的,镜子中对应的却是食指」,镜面反射一致性单点失守。优于 GPT Image 2.6(镜内外两处不一致记 6),记 8 分。
Q5饼图图表生成测试
9/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
测评原话「饼图颜色和比例也没有看到什么问题」,且「应该是第一次见到过生成这种立体感的饼图的」——五块面积与 35/28/15/12/10 对应、颜色区分清楚,立体感为额外亮点。品牌名与百分比标注未逐项确认,保留 1 分余量,记 9 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
7/10
将参考图中左右两个男生的位置互换
测评原话「男生位置互换了,且原来右边白人男生扶着手机的手这次没有残留了」——最顽固的残留被清掉。仍有一处:「中间女孩右边肩膀上,原来黑人男生的手还搭在上面,迄今为止这个问题好像还没有模型能做对过」。与 Grok Imagine Image 2.0 / GPT Image 2.6(同残留一处记 7)同档,记 7 分。
Seedream 5.5
2026-11-0943/60
72%
v1.4 题面下的新成绩 43/60,排在 Qwen Image 3.0 与 GPT Image 2.6(各 45)之后、Riverflow V2.7 Pro(42)之前。亮点很集中:Q1 是中国文字渲染,十处中文全对,连历来只有少数模型能写对的「鹈鹕」都正确,只有「淇澳」的澳字内部略糊;Q6 换位同时清掉了过去最顽固的「右边白人男生扶着手机的手」残留。短板集中在细节约束与物理常识:Q2 六重约束只中挂钟三点整与材质光影,食指穿模长成两个指甲、三只杯子被挡到无法判定、两只手都涂了同样的波点;Q3 两处跨视角不一致(发夹、草莓方向)外加胸前 Nike logo 横跨拉链失真;Q4 取景器内容不是后置摄像头该拍的画面。与同门即梦 Image Max 1.0(41)相比文字明显更强,但手部解剖与小物件一致性依旧没解决。本次由群友星星借会员代跑,6 积分一张图。
模型信息
开发商字节跳动 / Seed
发布2026-11
开源闭源
使用入口即梦官网
价格即梦会员专享(本期仅会员可用),6 积分/张;API 2K 方图编辑约 ¥0.28/张,较 5.0 Pro 便宜约 60%
支持能力文生图 / 图生图 / 图像编辑(像素级可控编辑,支持透明背景 RGBA 导出)
最大分辨率1K / 2K / 3K 三档;3K 16:9 为 3840×2160,方图 2880×2880
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
9/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
测评原话「这次鹈鹕这两个字竟然对了,我们测评过这么多模型,能生成这两个字的可谓凤毛麟角」——Day1–Day5 五个日期标签 + 五条餐饮推荐小字共十处,全部正确,字距与手写体风格统一,点缀元素未压字。唯一瑕疵:「淇澳的澳字里面稍微有点糊了」。按既有档位(Riverflow 仅错「鹕」一字记 8、Grok / GPT Image 2.6 / 即梦 Image Max 均错「鹈鹕」两字记 7),本条是迄今文字渲染最好的一条——最难的两字全对、只糊一字,记 9 分。
Q2文生图综合能力测试:书房丰满优雅美甲美女
5/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
六重约束只中两项:挂钟三点整正确,多材质光影未见问题。四处失守、其中三处踩核心考点:①十指完整不成立——「女孩的食指有两个指甲了」,属严重穿模;②三处差异化美甲只部分成立:「一只手中指白底红点波点对了,但是另外一只手无名指也涂了同样指甲油了」,两手的区分被抹平;③三只杯子「现在只能看到一半,都没法判定」——计数与「不遮挡双手」两条判据同时无从成立;④「提示词要求的丰满,恕我眼拙,看不出来」。比即梦 Image Max 1.0(记 6 分,三杯齐全、十指完整)还多失两项,记 5 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
6/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
八项特征本身都在,但三处失分、两处是跨视角不一致:①「第三张女孩的发夹在右边,其他的都是在左边的」;②「书包里面的草莓方向也一样的问题」;③胸前 Nike logo 形态失真——「这么大个 logo 横跨拉链两边,有拉链隔着,不可能做到这么严丝合缝」,且「衣服 logo 设计成这样也不好看」。以往单点跨视角偏差记 7 分(Riverflow / Grok / GPT Image 2.6 / 即梦 Image Max),本条两处不一致 + logo 设计失真,记 6 分。
Q4物理常识题,女孩落地镜自拍
7/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
判据②(镜外手机屏幕的取景画面是否清晰可见)失守:测评原话「取景器看到的不是后置摄像头的内容,或者说是后置摄像头内容,但是没有看到女孩拿着手机」——镜外取景源与后置摄像头应有的画面不一致,镜外也看不到持机人。镜内外服装动作一致性、镜中只照到手机背面、前后景空间关系未见其他问题(测评原话「大部分没有问题」)。按本次口径记 7 分。
Q5饼图图表生成测试
9/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
判据全部达成:「比例和颜色没有看到什么问题」——五块面积与 35 / 28 / 15 / 12 / 10 对应,品牌名与百分比标注齐全,颜色区分清楚,无合并或漏块。扣分只在观感:「这个图稍嫌生成的不是很漂亮」,记 9 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
7/10
将参考图中左右两个男生的位置互换
换位达成,并且清掉了过去最顽固的残留:「男生位置互换了,且原来右边白人男生扶着手机的手这次没有残留了」。仍有两处:①「中间女孩右边肩膀上,原来黑人男生的手还搭在上面」;②「中间女孩拿着手机的手感觉有两个拇指」。与同样只残留一处手的 Grok Imagine Image 2.0 / GPT Image 2.6(各 7 分)同档,记 7 分。
即梦 Image Max 1.0
2026-11-0841/60
68%
v1.4 题面下目前最低的一条成绩(此前最低是 Riverflow 与 Grok 的 42),与同门 Seedream 系列不同,这条短板集中在细节约束与物理常识。强项是文字与图表:Q1 十处中文只错「鹈鹕」两字,Q5 饼图零硬伤。但 Q2 栽在核心考点上——两处美甲两只手都画错、咖啡杯倒得快溢出、还把「丰满」理解成「身体胖一点」;Q4 的取景器逻辑不对、镜外看不到女孩拿手机;Q6 残留两只手(右边白人扶着手机的手 + 中间女孩肩上的黑人男生的手),被评「非常恐怖」。另需记录:本次由有会员的粉丝 Jason 代跑,因为该模型只有会员能用;评测视频标题里的「问题还是没解决」指的正是历次测评反复出现的这些老毛病。
模型信息
开发商字节跳动 / 即梦(Jimeng)
发布2026-11
开源闭源
使用入口即梦官网
价格会员专享(本期仅会员可用);按张计费,16:9 / 2K 约 ¥4.2/张(含优惠);4K 档需会员
支持能力文生图 / 图生图 / 图像编辑(官方定位:平面设计、影视创作、图片编辑)
最大分辨率4K(2K 为推荐档位,4K 需会员)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
7/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
测评原话「我看了下所有中文字,除了鹈鹕两字错了,其他没有看到什么问题」——Day1–Day5 五个日期标签 + 五条餐饮推荐小字共十处,只有「鹈鹕」两个字写错,字形、字距与行程结构均无问题。按既有档位(Riverflow 错 1 字记 8 分、Grok Imagine Image 2.0 同样错「鹈鹕」两字记 7 分、GPT Image 2.6 同型记 7 分)记 7 分。
Q2文生图综合能力测试:书房丰满优雅美甲美女
6/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
达成的部分:挂钟时间对了,三只杯子齐全。四处失分且两处在核心考点:①要求「一只手食指指甲油红色」,它两只手都有;②另一只手中指的白底红点波点做成了无名指,而且同样两只手都有——三处差异化美甲几乎全错;③咖啡杯那大半杯「有点太满了,都快溢出来了」,与题面「大半杯拿铁」不符;④「丰满」理解偏差,「感觉它这里是身体胖点就以为是丰满了」。与 Grok Imagine Image 2.0(红甲缺失 + 波点做错手指 + 不够丰满,记 6 分)同档,低于 Qwen Image 3.0 / Riverflow(各 7 分)与 GPT Image 2.6(8 分)。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
7/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
八项特征本身都在——测评原话「四个角度的人物、手部动作、发夹位置和颜色、logo、书包上草莓位置都没有问题」,胸前 logo 未被遮挡。唯一失分在跨视角一致性:「图 1 和图 4 明显头是歪着的,图 2 和图 3 没有看到出来」——四个视角的头部姿态没对齐。与 Riverflow、Grok、GPT Image 2.6(各处均只是单点跨视角偏差,各记 7 分)同档。
Q4物理常识题,女孩落地镜自拍
6/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
两处判据失守:①「取景器看到的不是后置摄像头的内容」——镜外手机屏幕的取景画面与后置摄像头应有的画面不符;②「(虽然)是后置摄像头内容,但是没有看到女孩拿着手机」——镜内外物件不一致,镜外出现了无人持有的取景源。镜面反射一致性与取景器逻辑两条都没拿到,但其余判据(前后景空间关系、镜中照到的手机背面)未见其他问题,测评原话是「大部分没有问题」,判 6 分,与 Qwen Image 3.0(仅镜中手机反了一处,6 分)、GPT Image 2.6(镜内外手数与头部姿态不一致,6 分)同档,低于 Riverflow / Grok(两条判据同时失守且镜外取景源根本不存在,各 5 分)。
Q5饼图图表生成测试
10/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
测评原话「没有看到有任何问题」——五块面积与 35 / 28 / 15 / 12 / 10 对应,品牌名与百分比标注齐全,颜色区分清楚,没有合并或漏块。与 Riverflow V2.7 Pro、Grok Imagine Image 2.0、GPT Image 2.6 同为本题满分,记 10 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
5/10
将参考图中左右两个男生的位置互换
位置互换达成,但残留两处且被评「非常恐怖」:①「原来右边白人男生扶着手机的手还残留着」②「中间女孩右边肩膀上原来黑人男生的手还搭在上面」。与 Riverflow V2.7 Pro(同样残留两处,记 5 分)同档,低于只残留一处的 Grok、GPT Image 2.6(各 7 分)。
GPT Image 2.6
2026-11-0545/60
75%
文生图 Benchmark v1.4 的新成绩,与 Qwen Image 3.0 同为 45/60,是现行题面下的并列最高分。这一版最大的看点是修好了过去两个翻车重灾区:Q4 的取景器与镜中手机方向同时做对(Riverflow、Grok 都在这里丢分),Q6 也清掉了那只顶尖模型普遍残留的「白人扶着手机的手」。强项集中在文字与图表:Q1 十处中文只错「鹈鹕」两字,Q5 饼图零硬伤。短板是细节一致性:Q2 两处美甲都做错了手指,Q3 左下角蓝莓换了边,Q4 镜内外的手数与头部姿态对不上,Q6 仍残留一只手。另需记录:本次只测了 Sunburst,Flare 未测;新增的 GIF 动图生成在 OpenRouter 上尚不支持,ChatGPT 免费账号可试,但实测骑车动画速度过快、腿部重影且调速无效。
模型信息
开发商OpenAI
发布2026-11
开源闭源
使用入口OpenAI 官网
价格按 token 计费,与 2.5 同价:文本输入 $5、图像输入 $8、图像输出 $30 每百万 token(缓存分别 $1.25 / $2);折算约 $0.05/张(1K high)、$0.10/张(2K high)、$0.21/张(max 档)。ChatGPT 全套餐(含免费档)可用;Batch 接口暂不支持
支持能力文生图 / 图生图 / 图像编辑(markup 局部重绘)/ SVG 导出 / GIF 动图生成
最大分辨率不设固定档位,由输出 token 预算决定;自定义尺寸长宽为 16 的倍数,比例 1:3–3:1
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
7/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
测评原话「我看了下所有中文字,除了鹈鹕两字错了,其他没有看到什么问题」——Day1–Day5 五个日期标签 + 五条餐饮推荐小字共十处,只有「鹈鹕」两个字写错,其余字形清晰、字距均匀、点缀未压住文字。对照 Riverflow(仅「鹕」一字错记 8 分)、Grok Imagine Image 2.0(同样「鹈鹕」两字错记 7 分),按既有「一处错字 8 分、两字 7 分」的档位记 7 分。
Q2文生图综合能力测试:书房丰满优雅美甲美女
8/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
达成的部分:整体画风与多材质光影没问题,挂钟三点整正确,三只杯子(拿铁 / 清水 / 空杯)齐全,十指完整清晰。失分全落在核心考点「三处差异化美甲」:①要求「一只手食指指甲油红色」,它做成了无名指;②另一只手中指的白底红点波点,它也做成了无名指。两处落空、其余约束全中,比 Riverflow(同样两处美甲错、但时针还略过三点,记 7 分)干净,记 8 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
7/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
八项特征本身都在——测评原话「四个角度的人物、手部动作、发夹位置和颜色、logo 都没有问题」,胸前 Nike logo 未被遮挡,比心手势、高马尾、黄雨衣、蓝书包、白色高帮帆布鞋四格一致。唯一破功在跨视角一致性:左下角那张图里蓝莓在女孩右手边,其他几张都在左手边。与 Riverflow、Grok Imagine Image 2.0 完全同型,记 7 分。
Q4物理常识题,女孩落地镜自拍
6/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
两种历来翻车率极高的点这次都对了——测评原话「这次取景器是对的,镜中女孩的手机也不再是反的,难得啊」,即镜外取景画面清晰可见、镜中只照到手机背面且方向正确。但镜面反射一致性失守,点名两处:①实景中女孩两只手拿着手机自拍,镜中是单手;②镜中女孩歪着头,而实景里是正对着手机和镜子。对照 Qwen Image 3.0(仅镜中手机反了一处,记 6 分)、Riverflow / Grok(两条判据同时失守,记 5 分),本条判据②③达成、判据①失守,记 6 分。
Q5饼图图表生成测试
10/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
测评原话「没有看到有任何问题」——五块面积与 35 / 28 / 15 / 12 / 10 对应,品牌名与百分比标注齐全,颜色区分清楚,没有合并或漏块。与 Riverflow V2.7 Pro、Grok Imagine Image 2.0 同为本题满分(对照 Qwen Image 3.0 把 D 品牌并进其他、只画出四块,记 6 分),记 10 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
7/10
将参考图中左右两个男生的位置互换
换位本身做得不错——测评原话「很多顶尖模型做错的左边原来白人扶着手机的手这次没有残留了」。但残留一处:中间女孩右边肩膀上,原来黑人男生的手还搭在上面。与 Grok Imagine Image 2.0 同型(残留一处记 7 分;Riverflow 残留两处记 5 分;Nano Banana 2.1 零残留记 10 分),记 7 分。
Grok Imagine Image 2.0
2026-11-0142/60
70%
v1.4 题面下的第三条成绩,42/60,与 Riverflow V2.7 Pro 同分,低于 Qwen Image 3.0 的 45。亮点集中在两侧:饼图一题「没有看到有任何问题」拿了满分,参考图换位也难得地把「左边原来扶着手机的那只手」清干净了,中文排版只错「鹈鹕」两个字。失分主要在物理题——实景里女孩压根没拿手机,镜子里的手机却是后置摄像头还带屏幕;美甲题三处差异化约束只落空两处半,食指红甲直接没做出来、波点做错手还两手都做、人物也不够丰满。代价:六张图加两张废图共 $0.58 ≈ ¥3.9。
模型信息
开发商xAI
发布2026-08
开源闭源
使用入口Grok Imagine
价格$0.04/张(1K low)– $0.08/张(2K medium),分档计价;图像编辑另收输入图 $0.01/张。本次 8 张(含 2 张废图)共 $0.58 ≈ ¥3.9;Grok / X 端内按会员额度使用
支持能力文生图 / 图像编辑(最多 5 张参考图)/ 局部重绘 / 背景移除 / 智能缩放
最大分辨率2K(1K / 1.5K / 2K 三档)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
7/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
十处中文里只有「鹈鹕」两个字写错,其余 Day1–Day5 日期标签与餐饮推荐小字均正确、字形清晰、无漏字、点缀也没有压住文字。按「一处错字 = 8 分」的既有尺子(Riverflow V2.7 Pro 错「鹕」一字记 8),本题错两个字,记 7 分。
Q2文生图综合能力测试:书房丰满优雅美甲美女
6/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
达成的部分:整体画风不错,三只杯子齐全、挂钟时间正确。三处失分且都落在核心考点「三处差异化美甲」上:①要求「一只手食指指甲油红色」,画面里没有看到;②另一只手中指的白底红点波点做成了无名指,而且两只手都做了;③人物没有提示词要求的那么丰满。(对照 Qwen Image 3.0 同类三失分记 7 分,本条红甲是完全缺失而非戴错手指,略重,记 6 分。)
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
7/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
八项特征本身基本都在——四个角度的人物、手部动作、发夹位置和颜色、胸前 logo 都没有问题。唯一破功在跨视角一致性:左下角那张图里蓝莓在女孩右手边,其他几张都在左手边。与 Riverflow V2.7 Pro 完全相同的失分点,同记 7 分。
Q4物理常识题,女孩落地镜自拍
5/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
两条判据同时失守:①实景中女孩并没有拿着手机自拍,镜外取景源不存在,镜面反射一致性无从成立;②镜子里的手机明显是后置摄像头,上面却又有一个屏幕,镜内外逻辑自相矛盾。前后景空间关系未见其他问题,记 5 分。
Q5饼图图表生成测试
10/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
测评原话「没有看到有任何问题」——五块面积与 35 / 28 / 15 / 12 / 10 对应,品牌名与百分比标注齐全,颜色区分清楚,没有合并或漏块。本题完全达成。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
7/10
将参考图中左右两个男生的位置互换
换位本身做得不错——「左边原来白人扶着手机的那只手」这种顶尖模型也常做错的残留,这次没有留下。唯一问题是中间女孩右边肩膀上,原来黑人男生的手还搭在上面,编辑痕迹未清理干净。只残留一处(Riverflow 残留两处记 5 分),记 7 分。
Riverflow V2.7 Pro
2026-10-3042/60
70%
总分 42/60,在 v1.4 榜上略低于 Qwen Image 3.0(45),但强弱项几乎是反过来的:文字与图表是它的绝对强项——Q1 十个中文短句只错一个「鹕」字(一个海外小模型做到这一步确实超出预期)、Q5 饼图「完美,没有任何问题」,这两题吃满;短板集中在物理与编辑类题目——Q4 用了前置摄像头、镜内外手指对不上(5 分),Q6 换位后旧位置的手残留在原地(5 分),Q2 美甲两处手指错位(7 分),Q3 蓝莓位置一格不一致(7 分)。作为一个刚上 OpenRouter 的小众模型,中文字渲染已经能和国内头部掰手腕,但细节约束的稳定性仍是明显差距。本次八张图(含两张废图)共花 1.17 美元。
模型信息
开发商Sourceful(英国曼彻斯特)
发布2026-10
开源闭源
使用入口Riverflow 官网
价格按张计费:OpenRouter 约 $0.15/张(1K/2K)、$0.33/张(4K),自定义字体另收 $0.03/个;本次 8 张(含 2 张废图)共 $1.17 ≈ ¥7.8
支持能力文生图 / 图像编辑(多参考图)/ 自定义字体渲染 / 4K 输出
最大分辨率4K
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
8/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
测评原话「我看了下所有中文字,除了鹈鹕的鹕字错了,其他没有看到什么问题」——Day1–Day5 五个日期标签 + 五条餐饮推荐小字共十处,只有「鹕」一个字写错,其余字形清晰、无漏字、点缀也没压住文字。测评同时感叹「一个外国模型能做到这种程度,确实让我大吃一惊」。仅一处错字,按「基本达成、有小瑕疵」记 8 分。
Q2文生图综合能力测试:书房丰满优雅美甲美女
7/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
达成的部分:整体画风不错,三只杯子(拿铁 / 清水 / 空杯)都画对了,十指完整清晰。三处失分:①要求「一只手食指指甲油红色」,它做成了无名指;②另一只手中指的白底红点波点,它也是让无名指做的,手指位置同样错;③时钟三点钟基本是对的,但时针稍微过了三点钟一点点。三处差异化美甲是本题核心考点,两处落空,记 7 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
7/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
八项特征本身基本都在:测评原话「四个角度的人物、手部动作、发夹位置和颜色、logo 都没有问题」。但跨视角一致性有一处破功——左下角那张图里蓝莓的位置在女孩右手边,而其他几张都在左手边,同一配饰在不同视角换了位置。按「核心特征全对、单格配饰位置不一致」记 7 分。
Q4物理常识题,女孩落地镜自拍
5/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
判据失守两处:①「取景器可以看出用了前置摄像头,而不是提示词要求的后置摄像头」——镜中照到了取景器里自己的脸,违反「镜中只照到手机背面、看不到取景器」;②镜内外动作不一致——「实景中左手拇指压着手机边框,而镜子中对应手指怎么看都是食指」。镜面反射一致性与镜中取景这两条判据都没拿到,记 5 分。
Q5饼图图表生成测试
10/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
测评原话「完美,没有看到有任何问题」——五块分块与 35 / 28 / 15 / 12 / 10 对应,品牌名与百分比标注齐全,颜色区分清楚,没有合并或漏块。本题完全达成,记 10 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
5/10
将参考图中左右两个男生的位置互换
位置互换达成,但人物属性残留两处:测评原话「左边原来白人扶着手机的手还残留在那里,而中间女孩右边肩膀上原来黑人男生的手还搭在上面」——换位后旧位置的手没被擦掉,属于编辑痕迹未清理。判据「不丢背景 / 人物外观不变」被破坏,记 5 分。
Qwen Image 3.0
2026-10-2945/60
75%
总分 45/60,是 V1.4 题面的第一条成绩(V1.4 与 V1.3 及更早版本互不可同榜比较)。强项非常明确:中文文字渲染与角色一致性——Q1 十个中文短句全对、连最难的「鹈鹕」都写对,Q3 八项特征跨四个视角全一致且 Nike logo 没被挡,两题都是满分。扣分全部集中在「细节约束」:Q2 美甲三处(食指红做成无名指、波点两只手都做、不够丰满)、Q4 镜中手机方向反了、Q5 把 D 品牌与其他合并成一块、Q6 换位后肤色跟着位置串了。整体是「大结构稳、小属性掉」的类型,V1.4 降难度后它已经是目前测过的生图模型里最能打的一档。
模型信息
开发商阿里通义千问
发布2026-08
开源闭源
使用入口千问AI平台
价格标准版 ¥0.18/张(1K / 2K 同价),Pro 版 ¥0.25/张(1K)、¥0.50/张(2K);带参考图的图像编辑另收图像输入 ¥0.02/张
支持能力文生图 / 图像编辑(支持 1–3 张参考图)
最大分辨率2048×2048(2K,1:8–8:1 任意比例)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
10/10
水彩风珠海 5 天行程插画,横向时间轴,依次绘制:Day1 日月贝歌剧院,场景旁标注手写体 “Day1 珠海日月贝”+ 小字推荐:“渔民佬鹈鹕海鲜街”;Day2 长隆鲸鲨馆企鹅馆,场景旁标注手写体 “Day 2 长隆海洋王国”+ 小字推荐:“企鹅情景餐厅”;Day3 外伶仃岛沙滩伶仃峰,场景旁标注手写体 “Day3 外伶仃岛”+ 小字推荐:“文天祥大排档”;Day4 唐家湾骑楼 + 珠海博物馆,场景旁标注手写体 “Day4 唐家湾古镇”+ 小字推荐:“榕树头农家乐”;Day5 淇澳红树林,场景旁标注手写体 “Day5 淇澳红树林”+ 小字推荐:“跳跳鱼茶馆”;点缀淡蓝云朵、椰子树、粉色海浪、贝壳、小太阳,清新文艺,通透水彩晕染,日月贝白渐变、海水淡蓝过渡、骑楼暖黄晕开,适合打印和手机屏保,比例 16:9
测评原话「我看了下所有中文字,没有看到什么问题,连最难的鹈鹕两个字都做对了」——Day1–Day5 五个日期标签 + 五条餐饮推荐小字全部正确,字形清晰,无错漏、无糊字,点缀元素也没有压住文字。本题完全达成。
Q2文生图综合能力测试:书房丰满优雅美甲美女
7/10
写实电影摄影,温暖精致的法式复古室内书房场景,奶油白墙面、胡桃木书桌、黄铜台灯、柔软织物与少量鲜切小花点缀,柔和暖调室内灯光,一位丰满的气质优雅的年轻中国美女坐在木质书桌前,身着米白色针织开衫,双手自然放在桌面边缘,手指舒展、姿态放松,十只手指完整清晰可见,指甲涂有精致亮蓝色指甲油,但一只手食指指甲油是红色,另外一只手中指是指甲油是白底红点波点,形成细微层次,手部皮肤自然、关节结构准确、指节比例真实。背景墙面上有一个圆形挂钟,挂钟位于人物背后,清晰显示时间为三点整。桌面摆放一只大半杯拿铁的白色瓷杯,一只半杯清水的玻璃杯,以及一只空的透明玻璃杯,三个杯子都清晰可见,位于双手侧边,物件层次清楚,不遮挡双手。浅景深,细腻皮肤质感,针织织物、瓷器、木质桌面和黄铜材质清晰,柔和通透色调,胶片质感,细腻颗粒,电影剧照构图,高级写实,自然光影,16:9比例。
达成的部分:整体画风与多材质光影没问题,挂钟三点整这次是对的,三只杯子(拿铁 / 清水 / 空杯)齐全,十指完整清晰。三处失分:①提示词要求「一只手食指指甲油红色」,它做成了无名指;②另一只手中指的白底红点波点,它两只手都做了;③人物不够丰满,「丰满」这一约束没落地。三处差异化美甲是本题的核心考点,占两处错,扣 3 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
10/10
四宫格角色设定图,同一个亚洲美女四个不同视角:左上正面全身,右上正侧面全身,左下背面全身,右下3/4视角。女孩脸上有淡雀斑、有一边鬓边别一枚粉色发卡、扎高马尾、人物穿黄色雨衣、胸前一侧有Nike的logo、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,一只手做比心姿势,另一只手自然放下,四个视角人物的发型、服装、配饰、动作等所有东西要完全一致,衣服logo等不被阻挡。真人写实摄影风格,白色背景。比例1:1。
八项特征跨四个视角全部一致——测评原话「四个角度的人物、手部动作,发夹位置和颜色、logo、草莓方向等都没有问题」,胸前 Nike logo 没有被手臂或书包带挡住。本题完全达成。
Q4物理常识题,女孩落地镜自拍
6/10
超写实室内摄影:一个亚洲优雅美女站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾。镜外手机屏幕上的取景画面清晰可见。室内暖色自然光,浅景深。比例16:9。
主要失分在镜面反射一致性:测评原话「镜子里的手机是反的」——镜中手机屏幕的方向与镜外相反,旧判据①(镜内外卫衣图案 / 马尾 / 手机屏幕取景画面要吻合)里的手机一项未达成。卫衣图案、马尾、前后景空间关系未见其他问题。(本题题面已于 2026-10-29 调整手机判据:由「镜内外取景画面一致」改为「镜外手机屏幕上的取景画面清晰可见」,扣分落点与现行判据不同,本条为旧版题面所测,分数保留 6/10。)
Q5饼图图表生成测试
6/10
做一张干净手机品牌市场占比饼图:饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
五块分块与百分比对应失守:测评原话「D 品牌和其他品牌合到一起去了」——12% 与 10% 两块被合并成一块,实际只画出四块,分块面积与标注的百分比对不上。其余 A / B / C 三块的比例、品牌名与百分比标注正常。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
6/10
将参考图中左右两个男生的位置互换
位置互换达成,但人物属性没保持住:测评原话「换过来后左边黑人男生手变成白色,右边白人男生的手变成黑色了」——肤色跟着位置一起串了,判据「人物外观不变」未达成。不换脸、不改画风、不丢背景其余项未见问题。
Benchmark V1.3
V1.3Benchmark · 生图综合评测
v1.3生图综合评测6 道题,满分 60
6 道题覆盖中文长文本渲染、文生图综合能力、角色一致性、物理常识、图表生成、参考图编辑,每题 10 分,满分 60。V1.3 起 Q3 由十项微特征收敛为九项(去掉「左眉尾痣」),并放宽镜像歧义:发卡由「右鬓」改为「鬓边」、异瞳由「左眼蓝右眼黄」改为「一只蓝一只黄」、抱猫由「左手单手」改为「单手」;四宫格构图与真人写实摄影不变。Q1/Q2/Q4/Q5/Q6 题面未变。(本版为旧题面,2026-10-29 起由 V1.4 取代,与 V1.4 不可同榜比较)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画文字渲染
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
多行中文、数字、价格符号、字间距均匀度
Q2文生图综合能力测试:左撇子咖啡馆写信文生图综合能力
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
单图九重约束——左手执笔(利手混淆)、双手各持不同物(属性绑定)、中文手写(文字渲染)、水满到杯口(物理常识)、三只杯子(计数)、挂钟 3:45(时间推理,对抗 10:10 偏置)、窗面反射(镜面一致性)、握笔手势(手部解剖)、胶片质感(画质上限)。每项均为已验证的模型高频翻车点,一张图测出能力雷达。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片角色一致性
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、鬓边别一枚粉色发卡、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,单手抱一只异瞳(一只眼蓝色一只眼黄色)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
跨画面角色一致性:九项微特征(脸上淡雀斑、鬓边粉色发卡、微笑露出的缺失左门牙、高马尾、黄色雨衣、蓝书包 + 草莓挂饰、白色高帮帆布鞋、抱的异瞳白猫(一只蓝眼一只黄眼)、猫脖子红色铃铛项圈)在四个视角里必须逐项一致,缺一项即扣分;可衍生为连续分镜(同一主角的 4 格漫画)
Q4物理常识题,女孩落地镜自拍和水杯筷子折射物理常识
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
镜面反射一致性(镜内外服装/手机屏幕/动作要吻合)、前后景空间关系。这类用例最容易暴露“镜子里的镜像其实是另一个人”的经典翻车。
Q5柱状图和饼图图表生成测试图表生成
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱高与数值比例对应、柱顶数字与轴标签正确、Q3 用红色突出;饼图分块面积与百分比匹配、每块标注品牌名与百分比、中文标题渲染正确
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换图像编辑
左右两个男生位置互换
本题为参考图编辑任务,需输入一张参考图(不公开展示)
以参考图为基准做图像编辑:把参考图里左右两个男生的位置互换,人物外观(长相、服装、发型)保持不变,不换脸、不改变画风、不丢失背景
模型测试日期总分正确率测评
Krea 3
2026-10-2118/60
30%
18/60,与 v1.2 的可灵AI图片3.0(18 分)并列全榜最低(跨版本仅供参照)。Krea 3 本轮只能在官网用免费额度测:Q1 中文几乎全错(3)、Q2 左撇子写信四处失据(3)、Q3 九项微特征五处不符(4)、Q4 镜面与折射五处违反物理(3)、Q5 图表刻度与标注全错(3)、Q6 换位变成换衣(2)。整体是「画风在线、文字与常识全面失守」的一次翻车,尤其 Q1 的中文渲染和 Q6 的编辑能力,与它编辑模型的定位差距明显。
模型信息
开发商Krea
发布2026-10-15
开源闭源
使用入口Krea 官网
价格API $0.03/张(1K)、$0.06/张(2K);免费账号每日约 5 张
支持能力文生图 / 图生图 / 图像编辑(多参考图)
最大分辨率2K(应用内 Ultra 可达 4K)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
3/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
原话「这张图里面的中文看上去没几个对的」——渔女的「渔」写成了「荐」,第一天的渔女形象也不对(日月贝尚可)。多行中文基本失守,判 3 分,与 Flux 3 Image Klein、Ideogram 4.5 同档。
Q2文生图综合能力测试:左撇子咖啡馆写信
3/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束里四处失据:①左右手反了,应左手拿笔、右手拿烟斗(利手混淆);②中文手写错误;③杯子清水没有满到快溢出来;④挂钟时间错误(要求 3:45)。画风与胶片质感尚可,判 3 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
4/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、鬓边别一枚粉色发卡、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,单手抱一只异瞳(一只眼蓝色一只眼黄色)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
九项微特征里五处不符:①单手抱猫「没有一个是对的」;②异瞳在第四张图失守;③缺门牙不一致(第一张缺两颗、第四张缺的不是门牙);④图 1 与图 2 发夹左右位置相反,且三张可见发夹的图片形状各不相同;⑤草莓挂饰图 2 在右手边、图 3 与图 4 在左手边。判 4 分。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
3/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
五处物理失据:①镜中女孩的手机拿反了;②实景中手机取景器里出现了女孩背面,违反取景与镜面逻辑;③清水没有满到杯口;④筷子不止一根;⑤杯子没有按提示词出现在镜子里。判 3 分。
Q5柱状图和饼图图表生成测试
3/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
四项全错:①柱状图纵轴刻度反向,0 在上,柱高无法与数值对应;②饼图最大一块没有文字标注(按其他标注推断本应是 C 品牌);③已标注的比例全错——A 应为 35%、B 28%、C 15%;④各扇区大小与自身百分比不一致。判 3 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
2/10
左右两个男生位置互换
编辑未达成:两个男生位置没有互换,只是两人的衣服换了;黑人男生的眼镜跑到白人男生这边;中间女生拿手机的手崩了,原本是女生双手拿手机,变成黑人男生拿手机。人物外观与物品归属均被改动,判 2 分。
Qwen Image 2.1 Pro
2026-10-1733/60
55%
Qwen Image 2.1 Pro 是生图 Benchmark v1.3 榜的第 4 条成绩,33/60 暂列榜首,比第二名 Flux 3 Image Klein(24/60)高出 9 分;它也是榜上第一款纯 API 的闭源模型(开源的是基座 Qwen-Image-2.1)。拉开差距的是两块硬成绩:Q1 中文长文本是目前唯一零错字的模型——连「鹈鹕」都写对了,渔女与日月贝的配图也贴近真实;Q2 是迄今为止唯一分清左右手的模型,终于是左手拿笔、右手拿烟斗。Q6 参考图编辑也跑通了,位置互换干净度与 Flux 3 Image Klein 同级(各残留 2 处)。短板与全榜一致:手部与腿部解剖(Q2 右手六指、Q4 镜中右腿畸形还多出一只左鞋)、镜面细节(Q4 实景两手拿手机、镜中只出现一只手,杯子没进镜面)、图表(Q5 柱高与 Y 轴刻度全部对不上,饼图反而没问题)。中文文字与左右手这两项它已经做到全榜第一,但空间推理和人体解剖仍是明显弱项。
模型信息
开发商阿里通义千问团队(阿里巴巴)
发布2026-10-02
开源闭源(纯 API 托管模型,权重不开放;开源的是基座 Qwen-Image-2.1,采用 Qwen Research License)
使用入口千问AI平台
价格阿里云百炼 0.25 元/张(北京地域,按输出张数计费,RPM 20);国际区约 $0.035/张
支持能力文生图 / 图像编辑(最多 10 张参考图、圈选与蒙版局部编辑)/ 原生 RGBA 透明图层
最大分辨率原生 2K(0.26–4.19MP,宽高比 1:8–8:1)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
10/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
本套 Benchmark 首条 Q1 满分。原话「渔女和日月贝形象还是比较贴近真实情况的」,配图判据达成;「测评这么久终于有一个模型把第一天鹈鹕海鲜餐厅的鹈鹕两个字正确生成出来了,其他我看了好像也没有看到错别字」——错字判据零失分,『鹈鹕』这个在多期反复翻车的高频字首次写对。字间距均匀度、数字与价格符号未被点名,按达成计。对照:Nano Banana 2.1(v1.2 榜,同一 Q1 题面)错字少但只给 9 分,v1.2 榜 Qwen Image 2.1 Turbo 错 2 字记 8 分、v1.3 榜 MOSS-Image-SFT 错 4 字记 6 分、Flux 3 Image Klein 错字最多记 3 分;本条零错字且配图正确,判 10 分。
Q2文生图综合能力测试:左撇子咖啡馆写信
4/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束里先拿下最关键的两条:原话「这也是迄今为止唯一一个能分清楚左右手的模型,终于是左手拿笔、右手拿烟斗了」——利手混淆与属性绑定同时达成,全榜首次。但其余问题仍密集,点名 6 处:①右手画成六根手指——手部解剖翻车②玻璃窗没有按提示词反射执笔的手——镜面一致性未达成③杯中清水应满到快溢出来,未做到④咖啡杯应为半杯,未做到⑤墙上挂钟要求 3 点 45 分,时针应接近 4 点,「它现在还停在没过 3 点的地方」——时间推理未达成⑥信件上的文字方向错了——中文手写未达成;另有明信片位置错误,不是摆在一边而应在男生正在写的笔下。三只杯子计数与胶片质感未被点名,按达成计。对照:Flux 3 Image Klein 达成项略多但未达成 5 项记 4 分、MOSS-Image-SFT 未达成 6 项记 4 分、GLM-Image 九项几乎全失记 3 分;本条虽仍有 6 处问题,但独占「分清左右手」这一全榜无人做到的达成项,与 Klein、MOSS 同判 4 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
4/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、鬓边别一枚粉色发卡、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,单手抱一只异瞳(一只眼蓝色一只眼黄色)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
四宫格布局与真人写实摄影这两条结构性判据都守住了(测评未点名),失分集中在视角与微特征,共点名 6 处:①图 4 不是 3/4 视角,「已经近乎侧身视角了」——构图判据未达成②提示词要求单手抱着猫咪,「这里没有一个是对的」③女孩应该缺一颗门牙,没有做到④第二张图的发夹不见了——粉色发卡跨视角不一致⑤左下图的草莓挂饰位置错了,应该在书包拉链左边⑥左上角猫咪前爪趴在女孩手上、右下角那张没有,跨视角一致性丢失。其余微特征(淡雀斑 / 高马尾 / 黄雨衣 / 蓝书包 / 白色高帮帆布鞋 / 异瞳白猫 / 红色铃铛项圈)测评未点名,按达成计。对照:GLM-Image 约 7 处问题记 4 分、MOSS-Image-SFT 连四宫格都没做出来记 4 分、Flux 3 Image Klein 3 处问题但画风偏离记 5 分;本条结构判据守住但微特征丢 5 项,判 4 分。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
4/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
两套判据都没守住,共点名 6 处:①提示词要求女孩站在落地镜前面自拍,「而她现在坐着」——姿态约束未达成②实景中女孩两手拿着手机,镜子里却只有一只手——镜内外一致性未达成③镜中女孩右腿生成畸形,右裤腿下面出现两只鞋,且「我们角度看到右边的鞋明显是个左鞋」——解剖与空间关系同时出错④杯中清水应满到杯口,未做到⑤杯子应该只有一根筷子,未做到⑥杯子没有如提示词要求出现在镜子里——前后景空间关系未达成。对照:GLM-Image 5 处记 4 分、MOSS-Image-SFT 4 处记 4 分、Flux 3 Image Klein 7 处记 3 分;本条 6 处,但镜面主体的构图与手机朝向未被点名出错,不如 Klein 那样镜内外整体错乱,判 4 分。
Q5柱状图和饼图图表生成测试
5/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
一错一对:左侧柱状图「所有柱子的高度和 Y 轴的刻度对应不上」——柱高判据全面失守;右侧饼图「这个没有看出什么问题」——分块与百分比、品牌名与中文标题均达成,是本套题里少见的整图无问题。柱顶数字与 Q3 红色突出未被单独点名。对照:v1.2 榜 Ideogram 4.5 与 Qwen Image 2.1 Turbo 同为「柱状图缺 Y 轴 + 饼图标签出错」记 5 分,v1.3 榜 GLM-Image(柱高错 2/3 + 饼图比例错 + 乱码)记 4 分、MOSS-Image-SFT(柱高全错 + 饼图两处错)记 4 分、Flux 3 Image Klein(柱高全错 + 重复品牌)记 3 分;本条饼图完全正确、只有柱高失守,判 5 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
6/10
左右两个男生位置互换
核心判据达成:「两个男生位置是互换了的」,人物外观与画风没有走样。但存在编辑残留,点名 2 处:①左下方原来白人男生的手没有换干净,还残留一只握着手机的手②中间女孩左肩上搭着的原黑人男生的手也还残留着——原话「有人说这可能是小女孩的手,但是对比下肤色深度,这只爪子更应该是黑人男生的」。对照:Flux 3 Image Klein 同样是互换达成 + 2 处残留记 6 分,v1 榜 Flux 3 + 1 处残留记 7 分;本条与 Klein 完全同档,判 6 分。
MOSS-Image-SFT
2026-10-1722/60
37%
MOSS-Image-SFT 是生图 Benchmark v1.3 榜的第 3 条成绩(前两条为 GLM-Image 21/60、Flux 3 Image Klein 24/60),也是榜单上第一款国产开源文生图模型。它当前仅支持文生图,Q6 参考图编辑无法测试,按整题未产出记 0 分。长板是中文长文本:Q1 只错 4 个字、五日行程的布局与结构没有硬伤,是国产开源里文字能力较好的一档;短板则集中在空间关系与人体解剖——Q2 左右手完全颠倒、烟斗生成出两个烟嘴,Q3 连四宫格布局都没做出来、图 2 与图 3 的猫直接消失,Q4 镜中手机拿反且画出六根手指,Q5 三根柱子的高度全部对不上 Y 轴刻度。总分 22/60,介于 GLM-Image(21)与 Flux 3 Image Klein(24)之间,同处 v1.3 榜底部档;作为 2026-10-16 才发布、5B 规模的开源模型,文字渲染已明显好于同门的早期版本,但综合能力距离 v1.2 榜首 Nano Banana 2.1(42/60)仍有很大差距。
模型信息
开发商复旦大学 OpenMOSS 团队
发布2026-10-16
开源开源
使用入口项目主页
价格Apache-2.0 开源权重免费下载(SFT 版整套约 27GB,需自备 GPU);Hugging Face / ModelScope 提供镜像权重与 Gradio 体验
支持能力文生图(原生布局控制、最长 4K token 提示词;当前不支持图生图 / 图像编辑 / 参考图输入)
最大分辨率4M 像素(0.25M–4M,建议 1M/1.5M/2M,边长为 16 的倍数)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
6/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
布局与五日行程结构没有被点名,失分在文字与配图:①第一天「渔女」形象与事实不符,原话「弄得像个观世音菩萨」②第一天「渔民佬鹈鹕海鲜餐厅」的「鹈鹕」两字写错——这个高频翻车字依旧没写对③第二天「鲸鲨馆」被写成「鲸鱼馆」,鲨→鱼④第四天「大排档」的「档」字错了。合计 4 个错字 + 1 处配图错误。对照:Seedream 5.0 Flash 错 3 字、布局无问题记 6 分;Hy Image 3.5 Preview 错约 10 字另有渔女配图错误记 5 分。本题错字少于 Hy、布局无硬伤,判 6 分。
Q2文生图综合能力测试:左撇子咖啡馆写信
4/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束点名 6 项未达成:①提示词要求左手拿笔、右手拿烟斗,「它反过来了」——利手混淆与属性绑定同时出错②烟斗的生成崩了,出现两个烟嘴③杯中清水应满到快溢出来,未做到④墙上挂钟要求 3 点 45 分,「时针和分针都没有指对地方」⑤信件上的文字方向错了⑥窗面反射出的人手是畸形的。另有构图问题:整个画面镜头拉得太近、让人有压迫感。三只杯子计数、握笔手势、胶片质感未被点名,按达成计。对照:Flux 3 Image Klein 未达成 5 项记 4 分、GLM-Image 未达成 8 项记 3 分;本条 6 项且多出「两个烟嘴」这一物件崩坏,与 Klein 同档,判 4 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
4/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、鬓边别一枚粉色发卡、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,单手抱一只异瞳(一只眼蓝色一只眼黄色)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
两处结构性错误 + 三项微特征未达成:①「明显不是真人写实摄影风格」——画风判据失守②「很明显不是四宫格布局」——构图判据直接失守③要求单手抱猫,「这里没有一个是对的」,且图 2 与图 3 的猫咪直接消失④女孩应缺一颗门牙,没有缺⑤猫咪应为异瞳(一只黄一只蓝),图 1 全部黄色、图 4 全部蓝色。其余微特征(淡雀斑 / 鬓边发卡 / 高马尾 / 黄雨衣 / 蓝书包 + 草莓挂饰 / 白色帆布鞋 / 红色铃铛项圈)测评未点名,按达成计。对照:Flux 3 Image Klein 画风偏离 + 3 项未达成记 5 分;Qwen Image 2.1 Turbo(v1.2 榜)没做出四宫格 + 5 项特征错记 4 分。本条连四宫格都没做出来、还丢了两格的猫,判 4 分。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
4/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
挑出 4 处问题:①镜子里女孩的手机拿反了——镜内外一致性判据未达成②杯中清水应满到杯口,未做到③镜中人物的右手应是 6 根手指(已经看到 5 根,另有一个没露出的拇指),手部解剖翻车④镜中右手从上往下数第二根手指是畸形的。桌子和杯子是否进入镜面、筷子的折射未被点名。对照:GLM-Image 5 处记 4 分、Flux 3 Image Klein 7 处记 3 分、Nano Banana 2.1(v1.2 榜)4 处记 4 分;本条 4 处,判 4 分。
Q5柱状图和饼图图表生成测试
4/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
两项核心判据都出问题:①左侧柱状图「所有柱子的高度和 Y 轴的刻度对应不上」②右侧饼图 A 品牌应为 35%,它写成 28%,与 B 品牌搞反了③C 品牌应为 15%,标签文字整个变形、已经看不到了。柱顶数字、Q3 红色突出与中文标题未被点名。对照:GLM-Image(柱高错 2/3 + 饼图比例错 + 乱码)记 4 分,Flux 3 Image Klein(柱高全错 + 重复品牌)记 3 分;本条柱高全错但饼图只有两处出错、整体比 Klein 略好,判 4 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
0/10
左右两个男生位置互换
MOSS-Image 当前仅支持文生图,不支持参考图输入与图像编辑,整题无任何输出。原话「如视频开头说的,做不到,打分的话就五五开吧」。本套 Benchmark 按「完全没做/拒答 = 0 分」记 0 分,与 v1.3 榜 GLM-Image 同样不支持参考图记 0 分的口径一致。
Flux 3 Image Klein
2026-10-1624/60
40%
生图 Benchmark v1.3 榜的第二条成绩(首条为 GLM-Image)。总分 24/60,高于 v1.3 榜 GLM-Image 的 21/60,但明显低于同门闭源版 Flux 3 在 v1 榜的 35/60——不过 Q2、Q3 题面已换,两者不可直接同榜比较。最突出的是中文文字能力:Q1 错字密度是这套用例目前最高的一档,原话「中文就是烂了」;Q5 的图表比例也全线崩掉,饼图还出现重复品牌与标签指向错误。物理常识题挑出 7 处问题,为目前被测模型里最多。相对好的是 Q6 参考图编辑,左右两个男生确实互换了位置,只是残留了两只手;Q3 的角色一致性达成项也过半。整体看,这个开源「乞丐版」Flux 3 在高约束文生图与物理推理上,与自家闭源版差距明显。
模型信息
开发商Black Forest Labs / 黑森林实验室
发布2026-10
开源开源
使用入口BFL 官网
价格权重免费下载(FLUX Kommunity License,年收入 <500 万美元可商用);官方 API 按量付费
支持能力文生图 / 图像编辑 / 多图参考
最大分辨率4K
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
3/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
布局与五日行程结构没有明显问题,但错字密度是这套 Benchmark 目前最高的一档——原话「反正这个模型的中文字坦白说就是烂了」,第五天直接「不数了」。逐日点名:第一天「渔女」的「渔」字错,「渔民老鹈鹕海鲜餐厅」的「渔」「鹈鹕」「海」三处都错;第二天「鲸鲨」「鹅」「厅」等字错;第三天「渔民乐」的「渔」字错,「外伶仃」的「伶」「岛」只能算潦草,细究同样有问题;第四天「唐家湾」的「家」「湾」和「荔枝苑农家乐」都不对。此外第一天的渔女与日月贝配图形象也不对。对照:同门 Flux 3(v1 榜,同一 Q1 题面)约 14 处错字记 4 分,本条错字更多且多出配图错误,故低 1 分。
Q2文生图综合能力测试:左撇子咖啡馆写信
4/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束里点名 5 处未达成:①提示词要求左手拿笔、右手拿烟斗,「它反过来了」——利手混淆与属性绑定同时出错②杯中清水应满到快溢出来,未做到③画面文字本应面向我们、写「亲爱的阿珍,见字如面」,很多字都是错的④墙上挂钟要求 3 点 45 分,「时针和分针都没有指对地方」⑤玻璃窗反射出的那只手看着像在握一把勺子,握笔姿势不对;且手能被反射出来,同样肤色的人脸却完全看不到,反射逻辑不合理。未被点名的三只杯子计数与胶片质感未计入扣分。对照:v1.3 榜 GLM-Image 九项几乎全失记 3 分,本条达成项略多,给 4 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
5/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、鬓边别一枚粉色发卡、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,单手抱一只异瞳(一只眼蓝色一只眼黄色)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
v1.3 九项微特征题面下点名 3 项未达成,另有画风偏离:①题面要求真人写实摄影风格,未达成②要求单手抱猫,画成了双手③要求缺一颗门牙,没有缺④草莓挂饰跨视角不一致——另外三张图都在女生左侧,图 3 挪到了右侧。其余微特征(淡雀斑 / 发卡 / 高马尾 / 黄雨衣 / 蓝书包 / 白色帆布鞋 / 异瞳白猫 / 铃铛项圈)测评未点名,按达成计。对照:v1.3 榜 GLM-Image 有 6 项以上缺失记 4 分,本条缺失更少,但整题画风偏离「真人写实摄影」,综合给 5 分(本题为本条最不确定的一项)。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
3/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
共挑出 7 处问题,镜内外一致与前后景空间关系两套判据均未达成:①镜外女孩的高马尾是对的,镜子里却变成头发搭在肩上②镜子里女孩的手机拿反了③镜外女孩是盯着手机自拍的,镜里那个明显不是,手机离该在的位置也偏远④右边的桌子和杯子没有出现在镜子里⑤杯子的水应该满的,没有⑥筷子应该只有一根⑦筷子没有看到折射。对照:同门 Flux 3(v1 榜,旧版题面)4 处记 5 分、v1.3 榜 GLM-Image 5 处记 4 分,本条 7 处为目前最多,给 3 分。
Q5柱状图和饼图图表生成测试
3/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
两张图表的核心判据全未达成,原话「中文就不算了,第一题我们已经知道它中文很烂了」:①左侧柱状图的刻度本身就是错的——标成「0、5、19、10、10」②三根柱子的高度和左侧刻度全对不上③右侧饼图出现了两个 D 品牌④C 品牌的标签指向了其他的区块⑤A 品牌标称 35%,实际占比绝对超过 35% 应有的比例,估计 40% 多⑥标着 10% 的「其他」那一块,看上去比 12% 的还大。对照:同门 Flux 3(v1 榜,同一题)柱高与饼图比例全错记 3 分,本条另多出重复品牌与标签指向错误,维持同一档 3 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
6/10
左右两个男生位置互换
判据「把左右两个男生的位置互换」达成——两个男生的位置确实互换了;但存在编辑残留,未能做到干净替换:①画面下方残留了一只白人男生的右手②中间女孩的左肩残留了原来黑人男生的手(原话「有人说这可能是那个黑人小女孩的手,但是对比下肤色深度,这个我觉得应该是原来黑人男生的」)。对照:同门 Flux 3(v1 榜,同一题)互换达成 + 1 处残留记 7 分,本条残留 2 处,给 6 分。
GLM-Image
2026-10-1521/60
35%
GLM-Image 是 v1.3 新题面下的首条成绩,总分 21/60,与 v1.2 榜最低的可灵AI图片3.0(18)同处底部档。六题里没有一题达成判据:Q1 文字只错 2 个但布局重复成灾、配图错误;Q2 九重约束几乎全错(利手反向、左手六指、烟斗/空杯/半杯/时钟/中文/窗面反射全线失守);Q3 四宫格虽做出来,但全身与视角构图错误、发卡·异瞳·门牙·草莓挂饰·高马尾五项特征缺失;Q4 镜内外动作不一致且桌子杯子未进镜子;Q5 柱高与饼图比例都不准、文字乱码;Q6 因不支持上传参考图直接无法测试。整体与视频结论一致——「GLM 还是写代码吧,图片这一块就还是算了」。⚠️ v1.3 与 v1.2 / v1.1 / v1 题面不同,不与另外三张榜同榜比较。
模型信息
开发商智谱 AI(联合华为)
发布2026-01
开源开源(智谱联合华为,权重在 GitHub / Hugging Face 开放)
使用入口智谱开放平台
价格智谱开放平台 API 约 ¥0.1/张;开源权重可本地部署
支持能力文生图(原生任意比例 1024–2048;不支持参考图输入 / 图像编辑)
最大分辨率2K(1024×1024 ~ 2048×2048 任意比例)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
6/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
布局与内容都出问题:①整个布局非常混乱,Day One 的「渔女与日月贝」出现两次、Day 3 出现两次、唐家湾古镇也出现两次,属结构性重复,原话「这根本就是乱来嘛」;②文字位置不统一,有的标题与推荐挤成连续两行,有的又是另一种排法;③渔女和日月贝配图错误,原话「作为中国模型,这个错了不应该,肯定是训练数据不够导致的」;④第一天「鹈鹕海鲜餐厅」的「鹈鹕」两字写错——全图文字只错这两个,原话「倒是值得肯定一下的」,但字体没美感,「又把这个给抵消掉了」。对照:v1.2 榜 Qwen Image 2.1 Turbo 错 2 字、布局与行程结构无问题判 8 分;本题错字同为 2 个但布局重复成灾、另有配图错误,判 6 分。
Q2文生图综合能力测试:左撇子咖啡馆写信
3/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束几乎全面失败,逐项未达成:①提示词要求左手拿笔、右手拿烟斗,「它反过来了」——利手混淆与属性绑定同时出错②男生左手画成六根手指——手部解剖翻车③手并没有拿着烟斗④杯中清水应满到快溢出来,未做到⑤另一只空杯子不见了——三只杯子计数未达成⑥拿铁应为半杯,未做到⑦墙上挂钟要求 3 点 45 分,「时针和分针都没有指对地方」⑧要求清晰可见的「亲爱的阿珍:见字如面」,原话「它这里什么都没有」——中文手写未达成⑨窗玻璃应映出执笔的左手,「什么都没有反射」。九条里八条未达成,仅胶片质感未被点名。对照:v1.2 榜 Ideogram 4.5 未达成 5 项判 4 分、可灵AI图片3.0 几乎全错判 3 分;本题未达成 8 项,与可灵同档,判 3 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
4/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、鬓边别一枚粉色发卡、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着一个草莓挂饰的蓝色书包、穿白色高帮帆布鞋,单手抱一只异瞳(一只眼蓝色一只眼黄色)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
v1.3 新题面(九项微特征)下的首条成绩。四宫格布局这次做出来了,但构图与微特征大量缺失:①前三张要求全身图,它画成了半身②右下应为 3/4 视角半身,「明显不是四分之三视角,和侧身无异」③图四的发夹不见了——粉色发卡缺失④猫咪不是异瞳⑤女孩没有缺一颗门牙⑥书包上的草莓挂饰所有图片里都没有出现⑦图一不是扎高马尾。未被点名的微特征(淡雀斑、黄色雨衣、蓝书包、白色高帮帆布鞋、红色铃铛项圈)视为达成。对照:v1.2 榜 Qwen Image 2.1 Turbo 四宫格布局没做出+5 项特征错判 4 分;本题布局做出但 5 项特征缺失+两处构图错误,同判 4 分。注:v1.3 与 v1.2 题面不同(发卡/异瞳/抱猫已放宽左右、去掉了眉尾痣),不与 v1.2/v1.1/v1 榜同榜比较。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
4/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
两套判据均未达成,共挑出 5 处问题:①镜外的女孩单手拿着手机自拍,镜子里却没有拿手机、手是下垂的——镜内外动作不一致,判据①未达成②以这个角度拿手机自拍,「取景器是不可能出现完整人脸的」③右边桌子和杯子没有出现在镜子里——前后景空间关系判据②未达成④杯子的水应该是满的⑤筷子应该是一根。对照:v1.2 榜 Nano Banana 2.1 挑出 4 处(含凭空出现的凳子)判 4 分、Flux 3 4 处判 5 分;本题 5 处且两套判据全未达成,判 4 分。
Q5柱状图和饼图图表生成测试
4/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
两张图表都有问题:①左边柱状图的文字是乱码②柱高与数值不对应——Q1 数值 12 却画在 15 刻度上、Q2 数值 18 却落到 20 刻度,只有 Q3 是对的③右边饼图里 B 品牌 28% 的份额看上去比 A 品牌 35% 还大,分块与百分比不符④饼图没有按提示词要求做颜色区分,只做了同一颜色的深浅度区分。对照:v1.2 榜 Ideogram 4.5 / Qwen Image 2.1 Turbo 各判 5 分(柱状图缺 Y 轴+饼图标签出错),可灵AI图片3.0 饼图比例全面错误判 4 分,Flux 3 柱高全错判 3 分;本题柱高错 2/3、饼图比例错、另有乱码,判 4 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
0/10
左右两个男生位置互换
GLM-Image 不支持上传参考图,原话「这道题没法测」「这个年头的模型还有不支持上传参考图的,也算是奇葩了」。整题无任何输出,按本套 Benchmark「完全没做/拒答 = 0 分」的评分档记 0 分。对照:v1.1 榜 SenseNova U1 Pro 直接拒答同样记 0 分。
Benchmark V1.2
V1.2Benchmark · 生图综合评测
v1.2生图综合评测6 道题,满分 60
6 道题覆盖中文长文本渲染、文生图综合能力、角色一致性、物理常识、图表生成、参考图编辑,每题 10 分,满分 60。V1.2 起 Q3 由「黄色雨衣 + 蓝书包 + 白猫」的粗粒度一致性,升级为十项微特征一致性(雀斑 / 发卡 / 眉尾痣 / 缺门牙 / 高马尾 / 黄雨衣 / 蓝书包 + 草莓挂饰 / 白色高帮帆布鞋 / 异瞳白猫 / 红铃铛项圈),画风由扁平插画改为真人写实摄影;Q1/Q2/Q4/Q5/Q6 题面未变。(本版为旧题面,2026-10-15 起由 V1.3 取代)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画文字渲染
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
多行中文、数字、价格符号、字间距均匀度
Q2文生图综合能力测试:左撇子咖啡馆写信文生图综合能力
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
单图九重约束——左手执笔(利手混淆)、双手各持不同物(属性绑定)、中文手写(文字渲染)、水满到杯口(物理常识)、三只杯子(计数)、挂钟 3:45(时间推理,对抗 10:10 偏置)、窗面反射(镜面一致性)、握笔手势(手部解剖)、胶片质感(画质上限)。每项均为已验证的模型高频翻车点,一张图测出能力雷达。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片角色一致性
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、右鬓别一枚粉色发卡、左眉尾有颗小痣、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着草莓挂饰的蓝色书包、穿白色高帮帆布鞋,左手单手抱一只异瞳(左眼蓝右眼黄)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
跨画面角色一致性:十项微特征(脸上淡雀斑、右鬓粉色发卡、左眉尾痣、微笑露出的缺失左门牙、高马尾、黄色雨衣、蓝书包 + 草莓挂饰、白色高帮帆布鞋、左手抱的异瞳白猫(左眼蓝右眼黄)、猫脖子红色铃铛项圈)在四个视角里必须逐项一致,缺一项即扣分;可衍生为连续分镜(同一主角的 4 格漫画)
Q4物理常识题,女孩落地镜自拍和水杯筷子折射物理常识
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
镜面反射一致性(镜内外服装/手机屏幕/动作要吻合)、前后景空间关系。这类用例最容易暴露“镜子里的镜像其实是另一个人”的经典翻车。
Q5柱状图和饼图图表生成测试图表生成
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱高与数值比例对应、柱顶数字与轴标签正确、Q3 用红色突出;饼图分块面积与百分比匹配、每块标注品牌名与百分比、中文标题渲染正确
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换图像编辑
左右两个男生位置互换
本题为参考图编辑任务,需输入一张参考图(不公开展示)
以参考图为基准做图像编辑:把参考图里左右两个男生的位置互换,人物外观(长相、服装、发型)保持不变,不换脸、不改变画风、不丢失背景
模型测试日期总分正确率测评
Qwen Image 2.1 Turbo
2026-10-1031/60
52%
Qwen-Image-2.1-Turbo 是 v1.2 榜的第 3 款被测模型,总分 31/60,介于 Nano Banana 2.1(42)与可灵AI图片3.0(18)之间。强项在中文长文本:Q1 只错「仃」「推」两个字,还罕见地把「鹈鹕」写对了,是国产模型里文字表现较好的一档。短板高度集中,且与 Nano Banana 2.1 同病——Q2/Q3/Q4 三题都栽在「空间关系与左右手」上:左手拿笔右手烟斗颠倒、粉色发卡戴错边、镜子内外手部动作对不上、一根筷子画成两根,三题合计只拿 13/30。Q6 参考图编辑虽完成了左右男生互换,但残留两处手、还把右边男生的左手画成了黑色。原话「最终得分还没算出来,晚点在播客公布」。⚠️ v1.2 与 v1.1 / v1 题面不同,不与另外两张榜同榜比较。
模型信息
开发商阿里通义千问团队(阿里巴巴)
发布2026-10
开源开源(权重开放,采用 Qwen Research License,非商用;商用需单独授权)
使用入口千问AI平台
价格开源权重可本地免费部署(研究用途);官方千问 AI 平台与阿里云百炼 API 按量计费
支持能力文生图 / 图生图 / 图像编辑(8 步加速、原生 2K;社区有 ComfyUI / GGUF 本地部署)
最大分辨率2K
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
8/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
错别字共 2 个:第三天「外伶仃」的「仃」字错、第五天「推荐」的「推」字崩了;此外「鹈鹕」这个高频翻车字竟然写对,第一天的渔女也是测评过的模型中做得较好的一个,原话加了个「比较惊喜」。布局、五日行程结构与字间距未见问题。对照:Nano Banana 2.1 错 1 字判 9 分、SenseNova U1 Pro 错 3 字判 8 分,本题错 2 字判 8 分。
Q2文生图综合能力测试:左撇子咖啡馆写信
5/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束里明确未达成 5 项:①提示词要求左手拿笔、右手拿烟斗,「它反过来了」——利手混淆与属性绑定同时出错 ②杯子清水应该满到快溢出来,没做到 ③墙上时钟要求 3 点 45 分,「时针和分针都没有指对地方」 ④要求写出清晰可见的「亲爱的阿珍:见字如面」,旋转过来看后「写的字明显不对,且文字字数也不对」 ⑤要求窗玻璃映出执笔的左手,「没有看到玻璃窗有实现这个」。其余 4 项(三只杯子清晰可数、握笔手势、胶片质感等)未被点名,视为达成。对照:Nano Banana 2.1 同为 5 项未达成判 5 分,本题同判 5 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
4/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、右鬓别一枚粉色发卡、左眉尾有颗小痣、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着草莓挂饰的蓝色书包、穿白色高帮帆布鞋,左手单手抱一只异瞳(左眼蓝右眼黄)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
四宫格布局本身就没做出来,十项微特征里至少 5 项未达成:①原话「这很明显不是四宫格布局」,结构性判据未达成 ②「提示词要求左手单手抱着猫咪,这里没有一个是对的」,左手抱姿与异瞳白猫同时错 ③粉色发卡应在右鬓,「她戴到左边去了」——左右镜像搞反 ④猫咪应左眼蓝右眼黄,「图1和图3都不对」 ⑤左眉尾痣「图一放大后依稀能看到右边有颗痣」,图2、图3根本看不到——位置错边且多数视角缺失 ⑥应缺一颗左门牙,「图1没有缺牙;图三缺的不是门牙」。其余未被点名的微特征(淡雀斑、高马尾、黄色雨衣、蓝书包 + 草莓挂饰、白色高帮帆布鞋、红色铃铛项圈)视为达成。对照:Nano Banana 2.1 为 4 项微特征错(含红铃铛)判 5 分,本题多错一项判 4 分。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
4/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
两套判据(镜内外一致、前后景空间关系)均未达成,共挑出 5 处穿帮:①镜子外女孩单手拿着手机自拍,镜子里却是双手拿手机——镜内外动作不一致,判据①未达成 ②镜子里的手机是反的 ③杯子没有出现在镜子里,判据②未达成 ④杯中清水应该满到杯口,没做到 ⑤杯里应该有一根筷子,画成了两根。对照:Nano Banana 2.1 同为 4 处穿帮、但含「凭空出现的凳子」与整张桌子缺失判 4 分,Flux 3 为 4 处判 5 分;本题 5 处、含镜面反射核心翻车,判 4 分。
Q5柱状图和饼图图表生成测试
5/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱状图整体没大问题,唯一不足是没画 Y 轴和刻度(轴标签判据未达成);饼图 3 处错:①提示词明确要求用颜色区分,B 品牌与 C 品牌颜色一样 ②D 品牌根本没有写出来 ③C 品牌指向了 D 品牌区块,而按顺时针顺序应该是 A、B、C、D、其他。对照:Ideogram 4.5 同为「柱状图缺 Y 轴 + 饼图标签不全」判 5 分;Nano Banana 2.1 / SenseNova U1 Pro 零硬伤判 9 分;可灵AI图片3.0 饼图比例全面错误判 4 分。本题判 5 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
5/10
左右两个男生位置互换
左右两个男生的位置确实互换了,核心判据达成,但存在 3 处编辑缺陷:①画面下方残留了一只白人男生的右手 ②右边男生的左手变成了黑色——人物外观被改变 ③中间女孩的左肩残留了原来黑人男生的手,原话「对比下肤色深度,这个我觉得应该是黑人男生的」。对照:Ideogram 4.5 为「1 处残留 + 把手画成另一人的手」判 6 分,Hy Image 3.5 Preview 3 处残留判 5 分,Nano Banana 2.1 零瑕疵判 10 分。本题 2 处残留 + 1 处肤色改变,判 5 分。
可灵AI图片3.0
2026-10-1018/60
30%
可灵AI图片3.0 在 v1.2 六题实测中总分 18/60,是目前 v1.2 榜上最低分。中文长文本错别字极多、文字布局混乱;Q2 九重约束几乎全面失败,左手右手颠倒、镜面反射误判;Q3 连四宫格布局都没做出来,十项微特征大量错位;Q4 镜中镜像多处与现实不一致;Q5 图表缺失 Y 轴、饼图比例全面错误;Q6 参考图编辑更导致白人男生完全消失。原话「这个模型我都不敢评论了,容易出事故」,综合评价六题全面崩盘。⚠️ v1.2 与 v1.1 / v1 题面不同,不与另外两张榜同榜比较。
模型信息
开发商快手(可灵AI)
发布2026-01
开源闭源
使用入口可灵AI官网
价格免费用户可用基础版本;会员可享更高额度与优先队列
支持能力文生图 / 图生图 / 图像编辑(最多 10 张参考图)
最大分辨率4K(2K/4K 档)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
3/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
错别字极多,多到原话「我都不想去数了」;渔女形象完全不对(「根本不是珠海渔女的形象」);文字布局混乱,部分在上方部分在下方;数字杂乱(渔女和日月贝下标了个「2」,长隆海洋王国下也有个「2」)。对比:Nano Banana 2.1 同题 9 分(仅错 1 字)、SenseNova U1 Pro 8 分(错 3 字)。
Q2文生图综合能力测试:左撇子咖啡馆写信
3/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束几乎全面失败:男人完全看不到;左手拿笔右手烟斗完全颠倒;文字方向不对;文字内容应为「亲爱的阿珍:见字如面」实际完全不符;杯水没满;咖啡应为半杯未达成;空杯子没有出现;挂钟不是 3:45。唯一勉强接近的镜子反射也被误判为「有镜子」(提示词说的是窗外反射而非镜中)。对比:Nano Banana 2.1 同题 5 分(5 项未达成),可灵 3.0 九项几乎全错,判 3 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
2/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、右鬓别一枚粉色发卡、左眉尾有颗小痣、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着草莓挂饰的蓝色书包、穿白色高帮帆布鞋,左手单手抱一只异瞳(左眼蓝右眼黄)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
四宫格布局未做出(明显不是四宫格);提示词要求写实风格却生成卡通风格;左眉尾痣图 1/3/4 都长在右边而非左边;左手单手抱猫未达成;粉色发卡左右颠倒(应在右鬓实际戴左边);第四张图猫咪异瞳未达成;书包黄色环扣四格间不一致。对比:Nano Banana 2.1 同题 5 分(仅四宫格+4项微特征错),可灵 3.0 连四宫格都没做出,判 2 分。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
3/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
镜中手机方向反了;取景器内女孩发型变成双马尾(镜外是马尾);取景器内卫衣图标与镜中不一致;镜外与镜中女孩面部轮廓完全不同;镜中完全看不到杯子;杯中水应满但没满;杯子里有两根筷子而非一根;杯子位置应在右边不靠墙餐桌却在女孩前方。对比:Nano Banana 2.1 同题 4 分(4 处穿帮),可灵 3.0 几乎每个判据点都出错,判 3 分。
Q5柱状图和饼图图表生成测试
4/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱状图缺少 Y 轴刻度导致无法判断柱高是否正确;营收有右括号没有左括号不对称;亿元和营收重复标注;饼图 A 品牌 35% 没有写出来;各品牌比例完全不对,35% 看上去还没有 25% 大。对比:Nano Banana 2.1 同题 9 分零硬伤,SenseNova U1 Pro 9 分,本题明显更差判 4 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
3/10
左右两个男生位置互换
白人男生直接消失,只剩一只手握着手机,编辑完全失败。对比:Nano Banana 2.1 同题 10 分零瑕疵;Flux 3 / GPT Image 2.5 Sunburst 各残留一只手判 7 分;可灵 3.0 连基本编辑都没完成,判 3 分。
Nano Banana 2.1
2026-10-0742/60
70%
v1.2 新题面下的首条成绩,42/60。长板极长:Q6 参考图编辑是七款模型里唯一零瑕疵的(其余最好的也残留一只手),Q5 图表零硬伤,Q1 中文长文本只错 1 个字、是全部测评模型里最少的——原话「一个海外模型对中文支持的比国内模型都好」。短板高度集中:Q2/Q3/Q4 三道题都栽在同一类「空间关系与左右手」问题上(左手拿笔右手烟斗搞反、粉色发卡戴错边、镜内外动作对不上、杯子跑到地板上),三题合计只拿 14/30。综合原话「这个模型还是很能打的」。⚠️ v1.2 与 v1.1 / v1 题面不同,不与另外两张榜同榜比较。
模型信息
开发商Google DeepMind(谷歌)
发布2026-10
开源闭源
价格1K $0.0336/张、2K $0.0504、4K $0.0756;Batch API 再打五折(1K $0.0168、2K $0.0252、4K $0.0378);输入 $1.50/百万 token、文本输出 $7.50/百万 token
支持能力文生图 / 图生图 / 图像编辑(最多 14 张参考图、语义蒙版与笔触多轮编辑,可保 4 个角色 + 10 个物体一致性)
最大分辨率4K(1K/2K/4K 三档,不再支持 512px)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
9/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
只错 1 个字,是目前全部测评模型里最少的:第一天「渔民佬鹈鹕海鲜餐厅」的「鹕」字缺失。五日日期标注、五条餐饮推荐、字间距与行程结构均无问题,原话「这道题可能是之前测过的模型中最好的」。另有 1 处与文字无关的画面问题:第一天渔女形象不对,原话「珠海渔女是双手捧着东西举起来的」。判据里「多行中文」确实有 1 字未达成,故不给满分。对照:现行 Q1 题面下 SenseNova U1 Pro 错 3 字判 8 分,GPT Image 2.5 Sunburst 错 6 字判 7 分,本题错 1 字判 9 分。
Q2文生图综合能力测试:左撇子咖啡馆写信
5/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束里 5 项明确未达成:①提示词要求左手拿笔、右手拿烟斗,「它反过来了」——利手混淆与属性绑定同时出错 ②杯子清水应该满到快溢出来,没做到 ③墙上时钟要求 3 点 45 分,「时针和分针都没有指对地方」 ④要求写出清晰可见的「亲爱的阿珍:见字如面」,原话「这张 2K 的图片我放到最大了都看不清楚里面写了啥,且看这个字数明显是不对的」 ⑤要求窗玻璃映出执笔的左手——因为左手拿了烟斗,这条也算错。其中 ⑤ 是 ① 的连带结果,独立失误实为 4 处;其余 4 项(三只杯子清晰可数、握笔手势、胶片质感等)未被点名,视为达成。对照:Ideogram 4.5 未达成 5 项、另多错拿铁半杯,判 4 分;SenseNova U1 Pro 仅 2 项未达成,判 7 分;本题介于两者之间判 5 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
5/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。女孩脸上有淡雀斑、右鬓别一枚粉色发卡、左眉尾有颗小痣、微笑露出一颗缺失左门牙、扎高马尾、人物穿黄色雨衣、背挂着草莓挂饰的蓝色书包、穿白色高帮帆布鞋,左手单手抱一只异瞳(左眼蓝右眼黄)白猫,猫脖子系红色铃铛项圈,四个视角的发型、服装、配饰完全一致。真人写实摄影风格,白色背景。比例16:9。
十项微特征里至少 4 项未达成,且四宫格布局本身就没做出来:①原话「这很明显不是四宫格布局」——结构性判据未达成 ②「提示词要求左手单手抱着猫咪,这里没有一个是对的」,左手抱姿、异瞳白猫、红色铃铛项圈三项同时错 ③粉色发卡应在右鬓,「它戴到左边去了」——左右镜像搞反。其余未被点名的微特征(淡雀斑、左眉尾痣、缺失左门牙、高马尾、黄色雨衣、蓝书包 + 草莓挂饰、白色高帮帆布鞋)视为达成。本版 Q3 是 2026-10-07 升级后的新题面(十项微特征 + 真人写实摄影),难度高于 v1.1 的粗粒度一致性,与 v1.1 榜的 Ideogram 4.5(4 分)/ SenseNova U1 Pro(8 分)不可同题比较。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
4/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
两套判据均未达成,挑出 4 处穿帮:①镜子外女孩双手拿着手机自拍,镜子里却是一手拿手机、一手扶着「凭空出现的凳子」——镜内外动作不一致,判据①未达成,且画面里出现了场景中本不存在的物件 ②杯子没有出现在镜子里 ③杯中清水应该满到杯口,没做到 ④杯子应该在餐桌上,原话「没有看到桌子,明显杯子是在木地板上」——前后景空间关系判据②未达成。对照:Flux 3 同为 4 处但无凭空物件,判 5 分;Hy Image 3.5 Preview 4 处、但把筷子折射做对了,判 6 分;Seedream 5.0 Flash / Ideogram 4.5 各 7 处,判 3 分。本题因「凭空出现的凳子」与「整张桌子缺失」判 4 分。
Q5柱状图和饼图图表生成测试
9/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
零硬伤——原话「我看了左边柱状图和右边饼图,都没有看到有什么问题」。对照 SenseNova U1 Pro 同样零硬伤、同样没留「基本上」的余地,判 9 分;本题按评分一致性原则同判 9 分(高于 GPT Image 2.5 Sunburst 的「基本上对上了」9 分同档,低于满分是因本套评分对此题一贯保留 1 分)。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
10/10
左右两个男生位置互换
七款模型里唯一零瑕疵完成:左右两个男生位置互换正确,且没有出现其他模型普遍存在的编辑残留。原话「这应该是我们测评过的这么多模型中唯一一个完美实现左右男生互换位置的模型,我没有看到有任何问题」。对照:Flux 3 / GPT Image 2.5 Sunburst 各残留一只手判 7 分,Ideogram 4.5 有残留 + 把手画成另一人判 6 分,Hy Image 3.5 Preview 3 处残留判 5 分,Seedream 5.0 Flash 把三位女生位置也一并换掉判 3 分,SenseNova U1 Pro 直接拒答判 0 分。判据全部达成,判 10 分。
Benchmark V1.1
V1.1Benchmark · 生图综合评测
v1.1生图综合评测6 道题,满分 60
6 道题覆盖中文长文本渲染、文生图综合能力、角色一致性、物理常识、图表生成、参考图编辑,每题 10 分,满分 60。V1.1 起 Q2 由「桂林手绘三日行程图」换成「左撇子咖啡馆写信」九重约束综合题,Q4 的玻璃杯改为「清水满到杯口」。(本版为旧题面,2026-10-07 起由 V1.2 取代)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画文字渲染
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
多行中文、数字、价格符号、字间距均匀度
Q2文生图综合能力测试:左撇子咖啡馆写信文生图综合能力
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
单图九重约束——左手执笔(利手混淆)、双手各持不同物(属性绑定)、中文手写(文字渲染)、水满到杯口(物理常识)、三只杯子(计数)、挂钟 3:45(时间推理,对抗 10:10 偏置)、窗面反射(镜面一致性)、握笔手势(手部解剖)、胶片质感(画质上限)。每项均为已验证的模型高频翻车点,一张图测出能力雷达。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片角色一致性
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
跨画面角色一致性,可衍生为连续分镜(同一主角的4格漫画)。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射物理常识
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
镜面反射一致性(镜内外服装/手机屏幕/动作要吻合)、前后景空间关系。这类用例最容易暴露“镜子里的镜像其实是另一个人”的经典翻车。
Q5柱状图和饼图图表生成测试图表生成
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱高与数值比例对应、柱顶数字与轴标签正确、Q3 用红色突出;饼图分块面积与百分比匹配、每块标注品牌名与百分比、中文标题渲染正确
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换图像编辑
左右两个男生位置互换
本题为参考图编辑任务,需输入一张参考图(不公开展示)
以参考图为基准做图像编辑:把参考图里左右两个男生的位置互换,人物外观(长相、服装、发型)保持不变,不换脸、不改变画风、不丢失背景
模型测试日期总分正确率测评
Ideogram 4.5
2026-10-0625/60
42%
Ideogram 4.5 官方定位是「最精准的编辑模型」,但在文生图 Benchmark V1.1 的 6 题实测里只拿到 25/60,是目前 V1.1 榜上的最低分(对照:同日录入的 SenseNova U1 Pro 37/60),与原话「感觉这个模型真心不行」一致。六题里没有一题达成判据:Q1 中文长文本糊成一堆认不出的乱字、每一天下面都是乱码;Q2 九重约束只达成 4 项,左手执笔拿反、清水没满、拿铁不是半杯、时钟 3:45 没指对、要清晰可见的中文放到最大都看不清;Q3 连四宫格布局都没做出来,背面全身与 3/4 视角缺失、左手抱猫四格全错;Q4 挑出 7 处穿帮,镜中头发与镜外马尾不一致、镜子里看不到桌子和杯子、筷子直接穿过杯子;Q5 柱状图没画 Y 轴导致柱高无法核对,饼图标签不全还出现两个 D 品牌;Q6 虽然把左右两个男生换了过来,却残留了原白人男生的手,还把右边白人的手画成了黑人的手。它的「精准编辑」卖点在这套用例下没有兑现。
模型信息
开发商Ideogram(Ideogram AI)
发布2026-09
开源闭源(官方称开源权重版「即将发布」,截至评测未给出时间与规模)
使用入口Ideogram 官网
价格四档质量,每张 0.008–0.22 美元;High 档编辑 0.22、生成 0.10,计费按质量档位而非分辨率
支持能力文生图 / 图像编辑(多轮连续编辑、最多 4 张参考图、可选遮罩、两档 edit_precision)
最大分辨率2K(长边 2048);支持以原始分辨率编辑超大图,官方演示过 4016×6016
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
3/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
文字部分直接糊掉:原话「每一天下面都是一大堆乱七八糟的文字,我数都数不过来」——已超出「多处错别字」进入「中文糊成乱码」的严重失败档,无法逐字核对,判 3 分。另有一处画面问题:第一天渔女的形象不符合真实情况,原话「搞得像个自由女神一样,估计这个模型并不知道珠海渔女什么样子的」。对照:Flux 3 错约 14 字判 4 分(v1 榜)。
Q2文生图综合能力测试:左撇子咖啡馆写信
4/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束里明确达成 4 项、未达成 5 项:①提示词要求左手拿笔、右手拿烟斗,「它反过来了,且拿烟斗的方式很奇怪」——利手混淆与属性绑定同时出错②杯子清水应该是满到快溢出来的,没做到③拿铁应该是半杯,没做到④墙上时钟要求 3 点 45 分,「时针和分针都没有指对地方」⑤要求写出清晰可见的「亲爱的阿珍:见字如面」,但原话「这张 2K 的图片我放到最大了,都看不清楚里面写了啥」——中文手写未达成。对照:SenseNova U1 Pro 达成 7/9 判 7 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
4/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
三项判据全部未达成:①「这很明显不是四宫格布局」②站位上「直面的有了,侧对着的有了,背对着的没有,3/4 视角的半身照也没有」③「提示词要求左手抱着猫咪,这里没有一个是对的」,四格全错。与 v1 榜的 Seedream 5.0 Flash 同情形(三项判据全未达成)同判 4 分。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
3/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
挑出 7 处穿帮,与 v1 榜的 Seedream 5.0 Flash 同为目前最多:①镜子里女孩的手机拿反了②镜子外的女孩看不到是否拿着手机(有可能靠眼睛太近被头挡住,但「看镜子的话,手机应该没有靠那么近头」)③镜中女孩的头发很浓密地搭在前胸,镜外却是马尾——镜内外发型不一致,判据①未达成④镜子前方多出一只「脚尖向下的穿了鞋的脚」,纯属多余肢体⑤镜子里没有看到桌子和杯子,判据②未达成⑥桌子上的杯子没有装满水⑦筷子是穿过杯子的。原话「太多问题了」。
Q5柱状图和饼图图表生成测试
5/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱状图部分基本可用:柱子高度「只能目测基本合理」,但模型没有画出 Y 轴——原话「其实它应该画出 Y 轴的,不然我们都不好判断柱子的高度对不对」,轴标签这一判据未达成;饼图问题更集中:下方标签「很水,根本不全」,出现两个 D 品牌,且缺了「其他」这一板块,品牌名与百分比两项判据均未达成。另外原话开头即说明「这里就不说中文字错误的问题了」,中文渲染同样有错。判 5 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
6/10
左右两个男生位置互换
左右两个男生确实换过来了,核心判据达成;但有两处编辑缺陷:①画面下方残留了个白人男生的手在握着手机,属编辑残留②右边白人男生的手被画成了黑人的手——人物外观被改变,命中了判据里「人物外观不变、不换脸」的反面。对照:Flux 3 与 GPT Image 2.5 Sunburst 各只有 1 处残留判 7 分,Hy Image 3.5 Preview 三处残留判 5 分,本题两处、且其中一处涉及肤色改变,判 6 分。
SenseNova U1 Pro
2026-10-0637/60
62%
SenseNova U1 Pro 是文生图 Benchmark V1.1 新题面下的第一个被测模型,总分 37/60(注:V1.1 与 v1 题面不同,不能与 v1 榜上的四款同榜比较)。强项很明确:Q1 中文长文本只错 3 个字,是迄今所有被测模型中错得最少的;Q5 图表题两项都对,原话「没有发现有什么问题」。短板同样明确:Q2 九重约束里恰好把最核心的「左手执笔」拿反了,中文朝向也写错;Q4 镜面题踩中最严重的「镜中镜像其实是另一个人」翻车——镜中女孩拿着手机而镜外真人没拿、镜中筷子方向与真实相反;Q6 更是直接拒答,而请求只是把参考图里两个男生的位置互换、并不涉及敏感内容,属于安全策略过严导致的拒绝生成,按「拒答 = 0 分」记零。另外它出图明显偏慢,Q1 生成耗时约 5–10 分钟,是迄今最慢的一档。
模型信息
开发商商汤科技(SenseTime)
发布2026-09
开源闭源
使用入口商汤小浣熊
价格API 面向企业白名单开放;日日新开放平台按量付费(官方称同算力比同类低 40% 以上),Token Plan 公测另有 0 元免费额度
支持能力文生图 / 多轮修改 / 参考图(多图输入);小浣熊端目前仅支持图片生成
最大分辨率8K(官方标称;Studio 实测 2K–4K)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
8/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
只错 3 个字:第一天「鹈鹕海鲜餐厅」的「鹈鹕」两字、第五天「庞都」的「庞」字;布局、字间距与五日行程结构均无问题。原话「这应该是所有测评过的模型中错得最少的。这可以呀!」作为参照,现行 Q1 题面下 GPT Image 2.5 Sunburst 错 6 字判 7 分,本题错 3 字判 8 分。另需记录:生成耗时明显偏长,原话「这个模型的生成时间明显比之前测试过的模型都慢,应该在 5–10 分钟左右」。
Q2文生图综合能力测试:左撇子咖啡馆写信
7/10
超写实摄影:一家复古咖啡馆的靠窗座位,一位穿灰色毛衣的左撇子男生正用左手执钢笔在明信片上写字,右手里握着一支没点的烟斗;他的左手手背朝向镜头,五指握笔姿势自然。明信片开头写着清晰可读的中文字"亲爱的阿珍:见字如面"。桌面近处摆着:一杯满到杯口、表面张力微微隆起的清水、一只空玻璃杯、一只装了半杯拿铁的瓷杯,三只杯子清晰可数、互不遮挡。他身后的墙上一只圆形挂钟显示 3 点 45 分。窗外下着小雨,玻璃上有雨滴和水雾,窗玻璃恰好映出他执笔的左手。午后阴天漫射光,柯达 Portra 400 胶片质感。比例16:9。
九重约束达成 7 项,未达成 2 项,且两项都是本题的核心考点:①「提示词要求左手拿笔、右手拿烟斗,它反过来了」——利手混淆这一 headline 考点直接翻车,属性绑定同时出错②「写的文字是面向镜头的,而不是面向人物自己的」——中文朝向错误。其余约束原话「其他条件我看了下应该都是满足的」,即水满到杯口、三只杯子计数、挂钟 3:45、窗面反射、握笔手势与胶片质感均已达成。本题为 V1.1 新增题,暂无横向基准。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
8/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
四宫格排列与四张图的站位均正确,原话「四宫格排列是对的。四张图的站位也是对的」;唯一问题是左下角第三张图抱猫的手变成右手(题面指定的是左手抱一只白猫)。对照:Flux 3 四格全对判 10 分;GPT Image 2.5 Sunburst 两格手别不符题面、图四视角也没做对,判 6 分。本题仅 1 处偏差,判 8 分。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
5/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个清水满到杯口的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
挑出 3 处,且踩中判据点名的「镜子里的镜像其实是另一个人」经典翻车:①镜子里面的女孩拿着手机,镜子外面的真人反倒没有拿着(镜内外动作/物件不一致,判据①未达成)②镜子里面的手机不应该显示屏幕,同时还显示了后置摄像头——原话「这个模型明显在纠结,究竟镜子里应该屏幕面向镜头还是背面面向我们」③镜子里面筷子的方向和真实筷子的方向是反的。原话「这个就错得有点离谱了」。前后景空间关系(判据②)未见问题。对照:Flux 3 错 4 处且筷子折射完全没做出来,判 5 分。
Q5柱状图和饼图图表生成测试
9/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
两张图表都没挑出问题——原话「这个我没有发现有什么问题,左边的柱状图的高度我看是对的,右边饼图每一项的占比看上去也是正确的」。对照 GPT Image 2.5 Sunburst 同样零硬伤、但原话留了「基本上」的余地,判 9 分;本题未留余地,同样判 9 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
0/10
左右两个男生位置互换
模型直接拒答,原话「我无法协助处理或生成涉及人物形象位置互换的图片」,整题没有任何输出。这一请求只是把参考图里左右两个男生的位置互换,并不涉及敏感内容、也不违反常规内容政策,属于安全策略过严导致的拒绝生成,而非能力不足——但按本套 Benchmark「完全没做/拒答 = 0 分」的评分档,本题记 0 分。(录数据时用户最初倾向给 5 分,复核后认为模型确实一张图都没出,改判 0 分。)
Benchmark V1
V1Benchmark · 生图综合评测
v1生图综合评测6 道题,满分 60
6 道题覆盖中文长文本渲染、提示词推理、角色一致性、物理常识、图表生成、参考图编辑,每题 10 分,满分 60(本版为旧题面,2026-10-06 起由 V1.1 取代)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画文字渲染
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
多行中文、数字、价格符号、字间距均匀度
Q2推理和中文支持:桂林手绘三日行程图提示词推理
请帮我生成一张桂林三日游的中文手绘行程图。比例16:9。
题面只给一句话,考察模型能否自行推理出合理的三日行程内容(景点安排不重复、行程符合常识),并正确渲染中文标注
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片角色一致性
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
跨画面角色一致性:四个格子的发型、雨衣、书包、白猫是否始终是同一个角色,可衍生为连续分镜(同一主角的 4 格漫画)
Q4物理常识题,女孩落地镜自拍和水杯筷子折射物理常识
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个装满清水的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
镜面反射一致性(镜内外的服装图案/手机屏幕/动作要吻合)、前后景空间关系、玻璃杯在镜中的完整反射。这类用例最容易暴露“镜子里的镜像其实是另一个人”的经典翻车
Q5柱状图和饼图图表生成测试图表生成
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱高与数值比例对应、柱顶数字与轴标签正确、Q3 用红色突出;饼图分块面积与百分比匹配、每块标注品牌名与百分比、中文标题渲染正确
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换图像编辑
左右两个男生位置互换
本题为参考图编辑任务,需输入一张参考图(不公开展示)
以参考图为基准做图像编辑:把参考图里左右两个男生的位置互换,人物外观(长相、服装、发型)保持不变,不换脸、不改变画风、不丢失背景
模型测试日期总分正确率测评
GPT Image 2.5 Sunburst
2026-10-0645/60
75%
文生图 Benchmark 的第四个被测模型,也是目前表现最好的一个:总分 45/60,比前三名(Seedream 5.0 Flash 30、Flux 3 35、Hy Image 3.5 Preview 33)高出一大截。OpenAI 把 Sunburst 定位为「能力最强的生图与编辑模型」,在这套用例下基本站得住:Q2 是四款里第一个中文零错字的模型,Q1 错字仅 6 个、是现行题面下最少的;Q4 只挑出 1 处问题,还同时做对了前后景空间关系与筷子的折射;Q5 是唯一在图表题上没被挑出硬伤的。短板集中在 Q3 角色一致性与 Q6 参考图编辑:图一和图三都把白猫抱在了右手(题面指定左手)、图四的 3/4 视角没做出来,Q6 则残留了原白人男生握着手机的一只手——与 Flux 3 同病。整体看,它是这套 Benchmark 里第一个称得上「能打」的模型。
模型信息
开发商OpenAI
发布2026-09
开源闭源
使用入口OpenAI 官网
价格API 与 GPT-Image-2 同单价:图像输入 $8、图像输出 $30 每百万 token;ChatGPT 全套餐(含免费档)可用
支持能力文生图 / 图生图 / 图像编辑(ChatGPT 端另有 Sketch、Templates 等)
最大分辨率4K(最长边 ≤ 3840,如 3840×2160;超过 2560×1440 为实验性)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
7/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
错别字共 6 个:第一天「渔民佬鹈鹕海鲜」的「鹈鹕」两字错;第二天「鲨」字的上半部分错;第四天墙上博物馆的「博物」两字错;第五天「横琴」的「琴」字错。布局、字间距与五日行程结构均无问题,原话「整体感觉已经比之前测的几个模型好了很多了」。错字密度低于 Hy Image 3.5 Preview(约 10 字,5 分)与 Flux 3(约 14 字,4 分)。(注:Seedream 5.0 Flash 本题的 6 分对应 3 个错字,但那是在旧版 Q1 题面下所测、文字量更少,不宜直接对比。)
Q2推理和中文支持:桂林手绘三日行程图
8/10
请帮我生成一张桂林三日游的中文手绘行程图。比例16:9。
题面只给一句话、不给任何行程描述,「这三天的安排没有问题,也就是它是有推理能力的」,推理判据达成。更关键的是中文:「这次的中文文字我看了下,好像没有找到什么错别字」——这是本套 Benchmark 四款模型里第一次做到中文零错字,原话「它的中文能力比我们之前测的几个国产模型还要好」。前三款都因错别字扣分(Seedream 5.0 Flash 7 分、Flux 3 6 分、Hy Image 3.5 Preview 7 分),本题因原文对错字留了「好像」的余地而未给满分,判 8 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
6/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
四宫格的排列是对的;两项判据未达成:①图一和图三都画成了右手抱着猫咪——题面明确指定「左手抱一只白猫」(视频里当时说的是「图一和图二没有问题、图三变成右手抱猫」,实际核对应为图一、图三两格都是右手)②图四的视角没做对,原话「应该是 45 度角稍微侧身对着我们」。两格手别不符题面、图四视角也未达成,落在「部分达成、有明显缺陷」,故由 7 分调为 6 分。原话总结「总体来说已经不错了」。优于 Hy Image 3.5 Preview(5 分,连四宫格排列都不对),但不及 Flux 3(四个角度全对,10 分)。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
8/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个装满清水的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
只挑出 1 处有效问题,是四款里最少的:杯子里的水应该是满的。三条判据全部达成——镜内外一致、前后景空间关系(「这个角度就能正常看到右边的杯子和桌子了」)与玻璃杯在镜中的完整反射(「筷子的折射这个难度比较高的也做对了」)。原记录的第 1 条「手机取景器里,女孩自拍不应该能看到手机」已作废——对着镜子用后置摄像头自拍时,取景画面本来就是镜中景象。修正后只剩一处小瑕疵,故由 7 分调整为 8 分。对比(已按同一口径修正):Seedream 5.0 Flash 3 分(7 处)、Flux 3 5 分(4 处)、Hy Image 3.5 Preview 6 分(4 处)。(本题题面已于 2026-10-06 补充「用后置摄像头进行自拍」这一限定,本条为旧版题面所测。)
Q5柱状图和饼图图表生成测试
9/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱状图「柱子的高度和纵轴的刻度基本上是对上了的」,饼图「文字和比例看上去也没有什么毛病」。原话虽以「几个问题吧」开头,但完整看下来没有指出任何硬伤,是四款里唯一在本题未被挑出问题的。对比 Seedream 5.0 Flash 仅因 Q3 柱高略超 25 就只给 7 分,本题扣 1 分制在「基本上」这一保留上,判 9 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
7/10
左右两个男生位置互换
左右两个男生的位置确实互换了,核心判据达成;但「下方还残留着原来白人男生握着手机的一只手」,属编辑残留,「其他没有看到有什么问题」。与 Flux 3 的情形完全一致(同为互换成功 + 残留一只手),按评分一致性原则同判 7 分;优于 Hy Image 3.5 Preview(3 处残留,5 分)与 Seedream 5.0 Flash(三位女生的位置也一并被换掉,3 分)。
Hy Image 3.5 Preview
2026-10-0633/60
55%
文生图 Benchmark 的第三个被测模型,总分 33/60,与 Seedream 5.0 Flash(30)、Flux 3(35)基本贴身肉搏,三款都还称不上能打。腾讯官方称 Hy Image3.5 preview 在内部数百名设计师的 GSB 盲测中与 Seedream 5.0 Pro 持平、略优于 Nano-Banana Pro 与 Qwen-Image-3.0 Pro,但在这套用例下它并没有表现出代差:中文错别字约 10 个,比 Seedream 差、比 Flux 3 好;角色一致性没做出四宫格;物理常识题挑出 4 处穿帮,镜中女孩甚至被画到了镜子外面。它唯一压过前两款的地方是 Q4 的筷子折射 ——「终于有一个模型把折射做对了」。图表题柱状图基本可用、饼图分块与标签各自出错;参考图编辑能正确互换人物,但细节残留比 Flux 3 脏得多。六题里只有 Q2 拿到 7 分、Q4 拿到 6 分,其余四题清一色 5 分,没有强项也没有彻底崩盘的短板。
模型信息
开发商腾讯混元(腾讯)
发布2026-09
开源闭源
使用入口混元官网
价格腾讯云 API ¥0.15/张(2K),仅对最终输出图片计费,参考图解析与废图不计费;元宝、ima、WorkBuddy、Miora 等应用限时免费
支持能力文生图 / 图生图 / 多轮对话创作(最多 5 张参考图)
最大分辨率2K
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
5/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
布局、行程结构与字间距本身没有问题,失分全在错别字,约 10 个字:第一天「渔民佬鹈鹕海鲜」的「鹈鹕」两字写错(另外渔女的形象也不对);第二天「鲸鲨馆」三个字明显错;第四天「农家乐」的「农家」两字错;第五天「励骏庞都」的「骏」「庞」两字错、「手撕鸡」的「撕」少了提手旁。原话「这一题错得挺多的,估计中文字支持的还是不大好」。错字密度介于 Seedream 5.0 Flash(3 字,6 分)与 Flux 3(约 14 字,4 分)之间,判 5 分。
Q2推理和中文支持:桂林手绘三日行程图
7/10
请帮我生成一张桂林三日游的中文手绘行程图。比例16:9。
题面只给一句话、不给任何行程描述,模型自行推理出的三日安排「没有问题」——「也就是它是有推理能力的,能推理出来」,核心判据达成,与 Seedream 5.0 Flash 同判 7 分(高于 Flux 3 的 6 分)。错别字「也是不少的」,但原话「这里就不一个个指出来了,毕竟我们这一题主要是考察推理能力」。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
5/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
两项判据未达成:①「很明显不是四宫格排列」②没有画出 3/4 视角的半身照。比 Seedream 5.0 Flash 略好(那一版三项判据全未达成:多出一个人物、右下不是 3/4 视角、左下没有抱着白猫,4 分),但远不及 Flux 3(四个角度全对,10 分)。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
6/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个装满清水的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
挑出 4 处问题:①镜子里的女孩明显是在镜子外面的②女孩的左手是拇指扶着手机边框,镜子中的女孩却是食指扶着(镜内外动作不一致,判据①未达成)③从这个角度看,杯子不大可能出现在镜子中(前后景空间关系未达成)④杯子的水不是满的。亮点是「这个筷子的折射是有的……终于有一个模型把折射做对了」——Seedream 5.0 Flash 与 Flux 3 在此均完全失败。原记录的第 2 条「手机取景器的成像有问题——女孩明显两只手都拿着手机,不可能有一只手举起来」已作废——对着镜子用后置摄像头自拍时,取景画面本就会拍到女孩自己。修正后与 Flux 3 同为 4 处,但多一条判据达成(折射正确),故比 Flux 3 高 1 分,判 6 分。(本题题面已于 2026-10-06 补充「用后置摄像头进行自拍」这一限定,本条为旧版题面所测。)
Q5柱状图和饼图图表生成测试
5/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
柱状图只有 Q3 一根柱子「高度超出了 25」——与 Seedream 5.0 Flash 的失分点完全相同,其余柱高与轴标签正常。饼图问题三项:提示词明确指定 B 品牌 28%,画出来却是 35%(分块面积与百分比不匹配),而下面的标签又是对的;标签里 D 品牌的 15% 又是错的;C 品牌干脆没有标签,直接就跳到了 D 品牌。柱状图基本达成、饼图明显缺陷,介于 Seedream(仅柱高微超,7 分)与 Flux 3(两张图表全错,3 分)之间,判 5 分。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
5/10
左右两个男生位置互换
左右两个男生的位置确实互换了,核心指令达成(优于 Seedream 5.0 Flash 把三位女生的位置也一并换掉,3 分)。但存在 3 处编辑残留:①画面下方还残留着原来白人男生握着手机的一只手②原来右边穿花衣服的小女孩有一小部分身体换到左边来了③右边同一个小女孩身上平白无故多了个黑人的手指。比 Flux 3 的 1 处残留(7 分)明显更脏。
Flux 3
2026-10-0535/60
58%
文生图 Benchmark 的第二个被测模型。总分 35/60,略高于昨天 Seedream 5.0 Flash 的 30/60,但两者的强项几乎完全相反:Flux 3 在角色一致性上四格全对、参考图编辑也干净地对调了左右两个男生,这两题比 Seedream 好出一大截;代价是中文文字能力明显更弱 —— Q1 一题就错了十四个字,Q5 的三根柱子高度与饼图比例则全错。综合看,两款模型在这套用例下都还称不上能打,要等多测几款才好下定论。(注:Flux 3 使用的是强化中文标注后的现行 Q1 题面;Seedream 那条的 Q1 为旧版文字。)
模型信息
开发商Black Forest Labs(黑森林)
发布2026-10
开源闭源
使用入口BFL 官网
价格$0.041–0.607/张,按分辨率计费(768sq $0.041、1k $0.048、2k $0.1、4k $0.607);1 credit = $0.01,API 与 Playground 同价
支持能力文生图 / 图像编辑(最多 10 张参考图、bounding box 位置控制)
最大分辨率4K(768sq / 1k / 1.5k / 2k / 4k)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
4/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
布局与五日行程结构没有问题,但错别字密度远高于 Seedream 5.0 Flash(后者 3 处、本题约 14 处):第一天「渔民佬鹈鹕海鲜」的「渔」和「鹈鹕」写错;第二天「鲸鲨馆」的「鲨」、「企鹅」的「鹅」写错;第三天「外伶仃」的「仃」和「渔」写错;第四天「荔枝园农家乐」的「荔」写错、「农家乐」的「家」位置错、「农」「乐」也不对;第五天「励骏庞都」的「励」「庞」写错、「手撕鸡」的「撕」少了提手旁。原话「这一题错得挺多的,估计中文字支持的不大好」。
Q2推理和中文支持:桂林手绘三日行程图
6/10
请帮我生成一张桂林三日游的中文手绘行程图。比例16:9。
题面不给任何行程描述,模型自行推理出桂林、漓江、遇龙河的三日安排,原话「没有问题」,说明推理这一核心判据达成。与 Seedream 同样的问题是中文错别字「一大堆」,原话「这里就不一个个指出来了,毕竟我们这一题主要是考察推理能力」,故比 Seedream 的 7 分低 1 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
10/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
四个角度(正面/侧面/背面/3-4 视角)的发型、雨衣、书包、白猫完全一致,原话「这个实现是没有问题的……四个角度我都没有看出任何问题」,三条判据全部达成,判 10 分。这一题明显优于 Seedream 5.0 Flash(多出一个人物、左下角未抱白猫,仅 4 分)。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
5/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个装满清水的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
挑出 4 处问题(比 Seedream 的 7 处略少):①镜子里的手机是反的②右边桌子和玻璃杯没有按照提示词出现在镜子中③玻璃杯应该装满水,却没有装满④筷子在水中应该有折射,完全看不出来。判据「镜内外一致」与「玻璃杯在镜中的完整反射」均未达成。原记录的第 2 条「手机取景器的成像有问题,自拍不可能看到自己拿着手机」已作废——对着镜子用后置摄像头自拍时,取景画面本来就是镜中景象,屏幕里拍到女孩拿着手机是正常的。修正后仍是 4 处有效问题,与 Hy Image 3.5 Preview 同量。(本题题面已于 2026-10-06 补充「用后置摄像头进行自拍」这一限定,本条为旧版题面所测。)
Q5柱状图和饼图图表生成测试
3/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
实现「不行」,两道图表的核心判据都未达成:左侧柱状图除「营收」两字写错外,三根柱子高度与数值全不对应 —— Q1 标 12 却落在 y 轴 10 刻度之下、Q2 标 18 低于 15 刻度、Q3 也在 25 刻度之下;右侧饼图比例同样不符,A 品牌 35% 看上去接近 45%,B 品牌 28% 看上去还没有 C 的 15% 大。原话「看来这个模型做图表不大行」。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
7/10
左右两个男生位置互换
左右两个男生的位置确实互换了,判据①达成(Seedream 在这一题把三位女生的位置也一并换了,判据未达成)。但画面下方还残留着原来白人男生握着手机的一只手,属于编辑残留,没能做到干净地替换。
Seedream 5.0 Flash
2026-10-0430/60
50%
本套生图 Benchmark 的第一个被测模型,暂无横向参照。总分 30/60,六题里只有两道拿到 7 分(推理与中文支持、图表生成),其余四题全在及格线下。最集中暴露的是文字渲染:Q1、Q2 连续两题都出现错别字,Q1 一题就错了三个字。最严重的是 Q4,单题被挑出 7 处物理穿帮(镜中手机方向反了、镜中女孩有 6 根手指、筷子完全没有折射、一根筷子画成两根)。值得注意的是,Seedream 5.0 Flash 官方标称支持最多 10 张参考图的精准编辑,Q6「左右两个男生互换」却把三位女生的位置也一并换了,看起来是把指令理解成了「所有人物左右互换」。究竟是这套用例太难还是模型本身表现不佳,要等后续多测几款才好下定论。
模型信息
开发商字节跳动 / Seed
发布2026-09
开源闭源
使用入口即梦官网
价格API 约 ¥0.1–0.17/张(1K–2K 同价,参考图不额外收费)
支持能力文生图 / 图生图 / 图像编辑(最多 10 张参考图、图层拆分)
最大分辨率2K(1K/1.5K/2K 三档,不支持 4K)
Q1中文长文本排版支持测试:水彩风珠海 5 天行程插画
6/10
水彩风珠海 5 天行程插画,以横向时间轴形式呈现每日核心景点:Day1 水彩绘珠海渔女与日月贝歌剧院,Day2 水彩绘长隆海洋王国鲸鲨馆与企鹅馆,Day3 水彩绘外伶仃岛沙滩与伶仃峰,Day4 水彩绘唐家湾古镇骑楼与珠海博物馆,Day5 水彩绘横琴励骏庞都广场与横琴湿地公园;每个场景旁标注手写体日期( “Day1 渔女与日月贝”,“Day 2 长隆海洋王国”,“Day3 外伶仃岛”,“Day4 唐家湾古镇”, “Day5 横琴励骏庞都广场”),搭配 “Day1 推荐:渔民佬鹈鹕海鲜餐厅”,“Day2 推荐:鲸鲨馆与企鹅情景餐厅”,“Day3 推荐:渔民乐大排档” ,“Day4 推荐:荔枝园农家乐”,“Day5 推荐:奥园手撕鸡茶馆” 餐饮推荐小字;点缀淡蓝云朵、绿色椰子树、粉色海浪、白色贝壳、小太阳等装饰元素;风格清新文艺,画面有通透水彩晕染效果(如日月贝的白色贝壳渐变、大海的淡蓝水色过渡、古镇骑楼的暖黄墙面晕开),高清晰度(300dpi),适合打印或手机屏保。比例16:9。
「整体生成大方向上没有什么问题」,画面与五日行程安排也正常,问题是错别字共 3 处:第一天的「日月贝鹈鹕歌剧院」鹈鹕两字写错、第二天「鲸鲨馆」的鲨字写错、第三天「外伶仃」的仃字写错。判据「多行中文 / 字间距均匀度」只部分达成,原话「算它刚及格吧」。(注:本题当时用的是旧版 Q1 文字 —— 景点名写作「日月贝鹈鹕歌剧院」、餐饮推荐仅列 3 条示例;现行 Q1 已把日期与餐饮推荐改为 5 天全量指定,当时的错字位置对应现行题面中「渔民佬鹈鹕海鲜」的「鹈鹕」。)
Q2推理和中文支持:桂林手绘三日行程图
7/10
请帮我生成一张桂林三日游的中文手绘行程图。比例16:9。
题面不给任何行程描述,模型「能正常推理出来」三日行程安排,画面也受认可——核心判据达成。错别字仍有:「船…夜游」有个字认不出、「土鸡」后接的「等」字不对、「世外桃源」的「世」字别扭,乍看像个「山」字。因本题主要考察推理能力,给 7 分。
Q3同一角色多视角一致性测试,女孩四宫格不同角度图片
4/10
四宫格角色设定图,同一个红发女孩:左上正面全身,右上侧面全身,左下背面全身,右下3/4视角半身。她穿黄色雨衣、背蓝色书包、左手抱一只白猫,四个视角的发型、服装、配饰完全一致。扁平插画风,白色背景。比例16:9。
三条判据全部未达成:①右边多出了一个人物(说好是四宫格)②右下角应该是 3/4 视角、要稍微侧对着镜头,没有做到③左下角两只手垂在身侧,没有抱着白猫。原话「这一题是完全不及格的」。
Q4物理常识题,女孩落地镜自拍和水杯筷子折射
3/10
超写实室内摄影:一个女孩站在落地镜前面对着落地镜举手机用后置摄像头进行自拍,主视角从她身后拍摄,她的背影在画面左下,镜中清晰映出女孩的正面,女孩的卫衣图案、马尾和手机屏幕上的取景画面在镜内外完全一致。女孩右边不靠墙的餐桌上放着一个装满清水的玻璃杯,一根木质筷子斜插其中;完整玻璃杯恰好也出现在镜子反射里。室内暖色自然光,浅景深。比例16:9。
单题挑出 7 处穿帮,是本轮最密集的失分点:①女孩没有站着,提示词写的是站在落地镜前拍②镜子里的手机方向反了,违反物理规则③镜中女孩拿手机的手能看到 5 根手指,加上被挡住的拇指共 6 根④杯子没有装满水⑤筷子在镜内镜外都没有半点折射⑥从这个角度看,杯子所在位置其实不大可能从镜中看到⑦提示词说一根筷子,画面里是两根。原话「穿帮太多了」。这 7 处均不涉及手机取景画面,因此不受后置摄像头这一澄清的影响,分数不变。(本题题面已于 2026-10-06 补充「用后置摄像头进行自拍」这一限定,本条为旧版题面所测。)
Q5柱状图和饼图图表生成测试
7/10
左右两张图表构成的一张16:9的图:左边季度营收柱状图幻灯片:标题"2026 Q1-Q3 营收",横轴为 Q1、Q2、Q3,纵轴为"营收(亿元)",三根柱子高度依次为 12、18、25,柱顶标注数字,Q3 柱子用红色突出。白底商务风格。 右边饼图海报:"手机市场份额",饼图分五块:A品牌 35%、B品牌 28%、C品牌 15%、D品牌 12%、其他 10%,每块标注品牌名和百分比,颜色区分。比例16:9。
「完整看了下,没有什么大问题」。唯一可挑的是左侧柱状图中代表 25 的那根红色柱子,高度略微超出了标注 25 的虚线——柱高与数值对应这条有小瑕疵;柱顶数字、轴标签、Q3 红色突出,以及饼图的分块与百分比标注均正常。
Q6参考图和图片编辑,将多个人物参考图里面的左右两个男生位置互换
3/10
左右两个男生位置互换
左右两个男生确实互换了位置,但三位女生的位置也跟着换了——模型把指令理解成了「所有人物左右互换」,判据①(只交换左右两个男生)未达成。原话「勉强打个三分吧,还是给点分数吧」。