把同一张赛博朋克雨夜图丢进对话框,连续提三个要求:牛奶袋换雨伞、红雨衣改黄色、招牌加"24 小时"发光字。三家热门AI画图模型的表现,在这一步彻底分开了。

打开网易新闻 查看精彩图片

参与测试的是字节的Seedream 5.5(豆包AI创作入口)、MiniMax的H3-Image(MiniMax Code客户端)和阿里Qwen-Image-3.0-Pro(千问AI平台)。时间点挨得很近:11月9日字节发布Seedream 5.5,11月10日MiniMax发布H3-Image并同步开源模型权重,阿里Qwen-Image-3.0-Pro则在此前推出。

测试分两段。第一段用同一套基础场景——穿红色雨衣的女孩站在雨夜便利店门口,手里拎一袋牛奶——分别生成写实摄影、儿童插画、盲盒手办、赛博朋克、扁平插画五种风格,每轮新开对话,提示词发出后不再纠正。第二段直接拿第四轮的赛博朋克图继续操作,不重新上传图片,连续提三个修改要求。

生图五轮,没有常胜将军

写实摄影这轮,H3-Image的女孩和便利店交代得自然,像雨夜街头随手拍下的照片,且是4K输出;豆包画面集中在人物身上,背景虚化明显;千问是竖版构图,画面比例与另外两家不同。

儿童插画这轮,豆包画出了绘本感,雨水、灯光和便利店环境都比较丰富;H3-Image画面相对简单,更像手绘插画,但便利店被裁掉一部分;千问细节很细,带明显国风味道,与普通儿童绘本的感觉有距离。

盲盒手办这轮,三家都做出了人物手办效果。豆包底座、店铺背景和展示元素最完整,H3-Image整体简洁,千问突出人物本身,还在牛奶袋上加了草莓图案。这轮额外要求出现的"便利店 Convenience Store"招牌文字,三家都完整呈现。

赛博朋克这轮,H3-Image的人物与便利店关系自然;豆包把店铺内部和周围环境画得丰富;千问的未来城市氛围最强,粉蓝霓虹、湿漉漉的街道和密集招牌都有,招牌中英文都写对了。

扁平插画这轮,H3-Image的色块和线条最干净,更接近扁平插画;豆包和千问加入更多光影细节,更像带立体感的商业插画。豆包这张还把便利店画成了现实中的全家,招牌带着品牌名和广告语。

连续改图,差距拉开

豆包三个要求全部完成。牛奶袋变成雨伞,女孩站位、便利店、雨夜和地面积水反光都保留;红雨衣改黄,画面其他地方没有明显变化;招牌上多了"24 小时"发光字,位置稍挤、压在原有招牌上方,但原招牌内容没被破坏。这与Seedream 5.5发布时强调的多轮编辑能力对应——官方曾展示连续编辑100轮、尽量保持非编辑区域不变的效果。

H3-Image同样完成三次修改,且三步是连续的:第三步在黄色雨衣那张基础上接着改,不是每次从头重画。构图、人物站位到雨夜氛围三轮下来没有明显漂移。把原始4K图片的招牌区域放大检查,原来的文字依然清楚完整。

千问在第一轮就偏离了:要求把牛奶袋换成雨伞,结果直接变成雨伞近景,原来的女孩和便利店场景没有保留;第二次要求红雨衣改黄,画面又变成走廊和衣帽架,与雨夜便利店已没什么关系。第三轮没有继续。

几个细节

  • 提示词处理:H3-Image和千问都会在生成前自动扩展提示词,千问界面有这个开关,默认开启。
  • 比例控制:豆包在配置里选4:3,五轮出图都稳定,把比例写进提示词再跑一次也正常;千问和H3-Image会按提示词里的比例去改,H3-Image连参数调整都会主动说明理由。
  • 出图规格:H3-Image全程4K输出,另外两家尺寸小不少,放大看细节都没有问题。千问支持一次最多出6张图,尺寸和张数可在输入框设置。
  • 生成速度:豆包大多十几秒出图,千问约一分钟,H3-Image部分测试接近一分半,实际速度还受任务和平台状态影响。
  • 水印:豆包和千问生成的图片带平台水印,H3-Image这次没有。

三家的生图效果都不差,区别更多在画面风格和细节处理。但生成之后还要反复修改时,H3-Image和豆包更让人放心;对画面比例、清晰度和提示词执行有明确要求的,H3-Image更有优势;主要生成单张图、基本不需要后续修改的,千问也有不错的表现。