全新妙想投研助理，立即体验

　　最近，你有没有被这种手办图刷屏？

网友们生成的AI手办图。截图自社交平台

　　猛一看以为是3D打印已经进化到如此逼真的地步，但仔细研究发现原来是AI充当了“手办大师”。给AI模型一张有人物、宠物或者虚拟形象的图片，再辅以适当提示词，它就能给你生成一张以假乱真的手办“照片”。

　　这类AI手办图的流行，源于谷歌在8月末最新发布的Gemini 2.5 Flash Image模型（代号“Nano Banana/纳米香蕉”）。这个“香蕉”的使用操作十分流畅，让不少网友奉其为“AI修图的神”。

谷歌纳米香蕉宣传页面

　　正当大家在为又一个“ChatGPT时刻”欢呼时，“香蕉”的同赛道玩家已经极速登场。9月初，字节跳动Seedream 4.0、生数科技Vidu Q1的参考生图相继面世。不到半个月的时间，AI生图模型就杀出三员大将，简直“卷疯了”。

Seedream 4.0

Vidu Q1部分使用界面

　　9月12日，知名评测机构Artificial Analysis发布消息称，字节跳动Seedream 4.0已登顶文生图、图像编辑排行榜榜首，在上述两个领域都超越了谷歌的纳米香蕉。

　　那么，到底哪家才是AI生图的真神？笔者使用相同的参考图、提示词对上述3个模型做了简单的对比测试。

　　第一题为基础题型，即最近流行的AI手办图。主体是一只长毛小猫，提示词则参考了大多数网友使用的版本，为了准确性，给纳米香蕉的提示词采用英文翻译版本。

　　提示词：绘制图中小猫的1/7比例的商业化手办，写实风格，真实环境，手办放在电脑桌上,手办使用圆形透明亚克力底座，底座上无文字，电脑屏幕里的内容为该手办的Zbrush建模过程，电脑屏幕旁放着印有原画的BANDAI风格的塑料玩具包装盒，电脑桌上还有制作手办的工具，如画笔、颜料、小刀等。

　　从生成结果来看，可能因为纳米香蕉已经是AI手办的“熟练工”，它生成的手办小猫更贴近真实手办的质感，而且对手办盒子外形的理解也更为到位，整张图片的光线明暗处理得当，真实性较强。与之相比，Seedream 4.0对手办盒子理解有误，第一次生成的后面的手办盒子为人形玩偶而非小猫，调整提示词后出现了小猫，但人形玩偶仍未消失。Vidu Q1基本未对小猫进行手办材质的调整，毛发质感与原始照片基本一致，最不像手办。

　　接下来测试的是AI模型“神笔马良”的功力，如何将建筑的黑白线稿变为真实效果图。

　　提示词：保持建筑和视角的一致性，将图片改为真实世界中的照片，环境时间为傍晚，要有灯光，加入一些行人。

　　在这一轮比拼中，Seedream 4.0最善解人意，首次就生成了效果惊艳的成品图。纳米香蕉首次生成的图片与“真实世界”有不小的差距，再次提示后，纳米香蕉为自己的误解道歉并生成了更具真实效果的图片。而Vidu Q1在二次提示后，仍然坚持自己对“真实世界”的独特理解。

　　第三题是“无中生有”的能力，也就是文生图片。但因Vidu Q1目前只支持参考生图，所以此轮比拼由其他两位选手参与。

　　提示词：绘制一张一家人围坐在家里桌子旁喝丝瓜汤的图片，真实照片风格，人物有男女老少，大家表情各异。

　　在同样的提示词下，Seedream 4.0显然更喜欢丝瓜汤，对“表情各异”的理解为皆大欢喜，而纳米香蕉则觉得小孩子可能并不喜欢丝瓜汤，同时，纳米香蕉自觉添加了其他菜式，使得这更像一顿真正的家常午饭。有意思的是，在提示词为英文且并未明确提示人物人种的情况下，纳米香蕉这款有着全球血统的AI还是让亚裔家庭喝上了丝瓜汤。

　　最后一题为“脑洞大开”，将多个图片进行融合再生。

　　提示词：绘制一幅图1人物骑着图2黄色电动自行车行驶在图3街景里的图片，图片风格与图3街景图保持一致。

　　从风格融合来说，Vidu Q1对人物的处理更好，但似乎没有理解电动车的基础构造，Seedream 4.0很严谨地给出了人物行驶不同方向的图片，而外来的纳米香蕉显然没能准确理解较为基础的提示词，最终变成纸片人误闯三次元的效果。当然，三个AI都不够“守法”，没有为人物佩戴头盔。

　　基于上述生成结果，可以发现每个AI模型都有自己的优势和缺点，纳米香蕉可以做到极致真实，Seedream 4.0理解能力不错，Vidu Q1表现均衡。

　　不过，AI模型的最终生成效果与提示词紧密相关，本次提示词大多描述较为简单，因此AI理解有误差是很正常的现象。而且，AI生图的能力考察包括一致性、真实性、清晰度、语义理解、美学等多维度，各家AI在各方面表现势必有所差异。

　　但与早期的AI模型相比，上述三个AI模型在文生图、参考生图、图像编辑等方面的能力已然有了飞跃式提升，实现了理解能力更强、出图时间更快、画面更真实高清的突破。

　　如今的AI生图模型，与理想中的生产力工具形态越来越近了。

（文章来源：中国经营报）