I. 前言：2025 上半年 AI 生图模型评测 - 迈向拟真与高效的新纪元
在过去两年里，无论你刷社交媒体、看电视节目，还是注意到街头巷尾的广告，AI 生成的图像早已全方位融入到我们的生活中。2025 年上半年，AI 图像生成领域再次迎来爆发式增长，技术突破与应用落地呈现出前所未有的加速态势。从 ChatGPT、Sora 等模型的突破性进展，到国产大模型的飞速赶上，各大模型在拟真度、风格化一致性以及对复杂提示词的理解能力上都取得了显著进展。
随着 AI 算力需求的持续提升，以及对模型在性价比、人物一致性等多个维度表现的精细化考量，选择最适合自身需求的 AI 生图模型已成为提升效率与创造力的关键。
本次评测 302.AI 团队将聚焦于 2025 年上半年涌现出的顶尖 AI 生图模型，结合实际案例，剖析总计 12 款最新版本的生图模型，并通过标准化测试框架分析各模型在不同场景下的性能差异。
II. 评测模型
本次参与评测的模型共计 12 个。测评时将以 4 个模型为 1 组，共计 3 组，方便对比。
III. 实测案例
实测 1：人物拟真度
提示词：A hyperrealistic close-up portrait of a young Asian woman, bathed in soft, directional window light. Her skin texture is incredibly detailed, showcasing subtle pores, delicate peach fuzz, and a natural, healthy luminescence. Pay close attention to the fine lines around her eyes and the subtle blush on her cheeks. Her fingers are gently resting on a slightly textured wooden table, with each knuckle and nail clearly defined and natural-looking. The transition between her skin and the wood grain of the table should be seamless and believable, with subtle shadows and highlights indicating the point of contact. The background is softly blurred, hinting at an interior space with ambient light.
参考翻译：一位亚洲年轻女性的超写实特写肖像，沐浴在柔和、定向的窗户光线中。她的皮肤纹理充满细节，展示出细微的毛孔、娇嫩的绒毛以及自然健康的荧光感。请特别注意她眼周的细纹和脸颊上淡淡的红晕。她的手指轻轻地放在一张带有轻微纹理的木桌上，每一个指关节和指甲都清晰可见，看起来十分自然。她皮肤与木桌纹理之间的过渡自然，有细微的阴影和高光。背景被柔和地模糊处理，体现这是一个带有环境光线的室内空间。
测试重点：
- 皮肤纹理质感： 强调了皮肤细节肌理质感，"眼周的细纹" 和 "脸颊上淡淡的红晕"，这些都是提升人物真实感的关键细节。
- 手指细节动作： "手指轻轻地放在"、"每一个指关节和指甲都清晰可见，看起来十分自然" 的描述，旨在测试模型对手部细节和自然姿态的刻画能力。
- 主体环境过渡：强调了人物与环境的自然融合，考验光影塑造能力。
第一组效果：
第二组效果：
第三组效果：
实测 2：风格融合与抽象概念具象化
提示词：Imagine a bustling cyberpunk city street at night, rendered in the style of Van Gogh's 'Starry Night.' Neon signs in vibrant, electric blues and magentas cast a chaotic glow on the rain-slicked pavement. Flying vehicles, depicted with impressionistic brushstrokes, streak across the sky, leaving trails of light. In the foreground, a lone figure, shrouded in a trench coat, stands under a flickering holographic advertisement. The figure's face is obscured, adding to the mystery. The challenge is to blend the gritty, futuristic elements of cyberpunk with the swirling, energetic textures and color palette of Van Gogh's iconic style. The overall composition should feel both technologically advanced and artistically expressive, evoking a sense of vibrant, yet overwhelming, urban energy.
参考翻译：想象一个繁华的赛博朋克城市街道的夜晚场景，以梵高的《星月夜》风格呈现。鲜艳的、充满活力的电光蓝和品红色霓虹灯在潮湿的街道上投下混乱的光芒。飞行器以印象派的笔触描绘，划过天空，留下光轨。在前景中，一个孤独的身影，裹着风衣，站在闪烁的全息广告牌下。这个人物的面部被遮挡，增加了神秘感。挑战在于将赛博朋克的粗犷、未来主义元素与梵高标志性风格的旋转、充满活力的纹理和色彩搭配进行融合。整体构图应既具有科技感，又富有艺术表现力，唤起一种充满活力却又令人感到孤独的城市氛围感。
测试重点：
- 风格化呈现： 需要将两种截然不同的艺术风格 ------------ 赛博朋克（Cyberpunk）和梵高（Van Gogh）的 "星月夜" ------------ 进行融合。这不仅需要模型理解两种风格各自的视觉特征（赛博朋克的霓虹灯、雨后的街道、飞行器、全息广告；梵高的旋涡状笔触、鲜艳的色彩对比），还需要将其有机地结合起来，创造出一种全新的视觉语言。
- 物体生成 / 构图：指定了天空中有飞行器，前景中人物的细节形象。
- 具象化抽象概念：如 "混乱的光芒"、"神秘感" 和 "压倒性的城市能量"。这种风格融合和抽象概念的具象化，是对 AI 模型理解艺术风格、色彩运用以及抽象指令的测试。
第一组效果：
第二组效果：
第三组效果：
实测 3：多语种文本生成能力
提示词：Create a futuristic, high-tech poster for '302AI'. The main title should prominently display '302AI' in a bold, modern font. The subtitle, ' 企业级 AI 应用平台：让 AI 为每个需求找到答案 ', should be integrated subtly yet legibly, perhaps in a smaller font below the main title or along the bottom edge. The overall design should embody a 'Modern technological style' and 'Futuristic Tech' , featuring elements like glowing circuit board patterns, abstract data streams, and a sleek, metallic color palette with electric blues and silvers. The composition should convey innovation, reliability, and the platform's comprehensive AI service offering.
参考翻译：为 '302AI' 创作一张未来感、高科技的海报。主标题应以醒目、现代的字体突出显示 '302AI'。副标题 ' 企业级 AI 应用平台：让 AI 为每个需求找到答案 ' 应巧妙但清晰地融入其中，可以是主标题下方或底部边缘的小字体。整体设计应体现 ' 现代科技风格 ' 和' 未来科技 '，包含发光的电路板图案、抽象的数据流以及带有电光蓝和银色的时尚金属色调。构图应传达创新、可靠性以及平台全面的 AI 服务
测试重点：
- 多语种文本生成能力： 需要同时生成包含数字，中文，英文的文本，测试不同模型生成文本的准确性与可读性。
- 风格呈现：整体设计应体现 ' 现代科技风格 ' 和' 未来科技 '，背景中需满足电路板，数据流，金属色调等要求。
- 多图层排版能力：考验模型对 "控制文字的颜色和位置等元素，快速生成中英文图像海报" 以及处理 "多图层" 结构的能力。
第一组效果：
第二组效果：
第三组效果：
实测 4：数量精确度测试
提示词：Create a 3D model of a whimsical forest clearing containing five uniquely shaped glowing mushrooms and two small, friendly forest sprites. The mushrooms should emit a soft, bioluminescent light, and the sprites should be depicted in a playful, interactive pose. The entire scene should be rendered with a high degree of detail and volumetric lighting to emphasize the 3D environment
参考翻译：创建一个梦幻氛围的森林空地的 3D 模型，其中包含五个形状独特的发光蘑菇和两个友好的小森林精灵。蘑菇应该发出柔和的、生物发光的光，精灵应该被描绘成一个有趣的、互动的姿势。整个场景应该用高度的细节和体积照明来渲染，以强调 3D 环境
测试重点：
- 数量单位准确度： 测试模型是否能依据提示词准确生成目标：5 个蘑菇，2 个小精灵。
- 3D 立体建模能力： 要求生成 "3D model" 和 "high degree of detail and volumetric lighting"，以评估模型的立体感和氛围营造能力。
- 创意与细节：测试模型在创意内容生成和细节刻画上的表现。
第一组效果：
第二组效果：
第三组效果：
实测 5：人物一致性与细节还原 （图生图）
*以上测评模型中具备图片编辑功能的为 GPT-Image-1、Flux Kontext Max，因此本轮参与测评模型仅为这两款模型。
提示词："Keep the model's original facial features preserved, but her expression changed to a grinning smile showing teeth. The hair color should be adjusted to blue. The clothing should be replaced with a red and white striped shirt, worn open, with a white t-shirt underneath. The model should be wearing a necklace with a cross pendant. The pants should be replaced with blue Balenciaga-style jeans. The background should be set in an outdoor street scene next to a beach."
参考翻译：保留人物五官，表情调整为漏齿的笑容。发色调整为蓝色。衣服替换为红白条纹的衬衫，不系扣，内搭为白色 T 恤，模特佩戴有十字架吊坠的项链。裤子调整为巴黎世家风格的蓝色牛仔裤。背景调整为户外，海滩旁的街道。
测试重点：
- 人物一致性：保留人物五官的一致性。
- 指向性编辑调整： 表情，发色，服装，背景替换。
- 创意与细节：调整为巴黎世家风格的蓝色牛仔裤，测试模型的理解能力。
生成效果：
两个模型的生成质量差距非常小，人物一致性方面均保留了原图人物的五官风格，细节差异在于 Flux 对于模特左臂纹身未有体现，并改变了模特美甲的颜色。整体画面风格 GPT 会有着更高的饱和度，对比度带来的立体感。背景中路牌，车辆的生成也增加了画面的丰富性与真实感。整体上 GPT 略胜。
IV. 测试结论
经过对五个不同侧重案例的分享，相信你已对这批主流 AI 生图模型已经有了更为直观和深入的认知。在 AI 艺术创作的浪潮中，每个人对 "美" 的定义都可能带有主观色彩，然而，模型在理解和执行如 "数量"、"风格"、"文本生成" 等客观描述词方面的能力，更能真实地反映其基础技术实力与核心竞争力。值得欣喜的是，模型的价格与最终出图质量之间并非绝对的正相关关系，国产模型的飞速发展更是为我们带来了诸多惊喜。
基于前文测试数据，我们整理了当前阶段（2025 年上半年）在不同应用场景中表现突出的 5 个 AI 生图模型技术方案：
1. 人物拟真度 - Recraft V3
如果创作目标是达到以假乱真的效果，尤其是在人物为主体的摄影、广告或写实风格的艺术创作中，Recraft V3 自问世以来便以其卓越的拟真度、逼真的摄影风格画面而闻名。其在生成高细节、写实感强的人物图像方面表现尤为突出。
2. 美学创意能力 - Midjourney V7
尽管在各案例比拼中，Midjourney 因对提示词理解的细微偏差或细节处理上的不足而未能做到全方位表现出色，但其在画面整体的美学表现力、视觉冲击力、构图创意以及色彩质感方面，依然是业内翘楚，尤其在艺术性呈现方面具有显著优势。
3. 多语种文本生成能力 - Doubao General V3.0
中文作为全球公认的复杂语言之一，其在 AI 生成领域的挑战性不言而喻。即使是发展已久的海外模型，在原生中文文本的准确生成上仍面临诸多困难。若设计需求中需要包含高质量、流畅自然的中文文本内容，豆包通用版 V3.0 是目前表现最佳，或可能成为唯一选择。
4. 数量精准度 / 提示词理解力 - Luma - Photon
在某些看似简单的数量描述测试中，许多顶尖 AI 模型也遭遇了 "滑铁卢"，仅有少数能够准确生成符合预期的数量。例如，在案例 4 中，小学生都能理解的数量指令却让一众 AI 模型 "栽了跟头"，仅有两款模型生成了正确的内容。若图像内容对准确的数量客体有严苛要求，Luma - Photon 确实在理解和执行这类精细指令方面更具优势。
5. 人物一致性 - GPT-Image-1 & Flux Kontext Max
在人物编辑与一致性保持方面，虽然国产模型正迅速跟进相关功能，但目前而言，GPT-Image-1 与 Flux Kontext Max 版本仍表现最佳。两者在输出质量上不相上下，但在美学风格上存在更为明显的差异：GPT-Image-1 通常展现出更强的自主性，画面风格可能更讨喜；而 Flux Kontext Max 则更忠实于原始画面的风格，两者在风格上的区别，如同国产安卓旗舰手机与苹果原生相机在成像风格上的差异。从成本角度出发，Flux 系列通常会更具竞争力。
小结：AI 生图模型的多样化生态与一站式平台价值
当前 AI 生图领域呈现出百花齐放的态势，每个模型都在特定的 "小而美" 的领域展现出领先优势，例如在人物拟真、文本生成等方面各有千秋。然而，一个能够全方位满足所有复杂创作需求的 "尽善尽美" 的通用模型尚未出现。
V. 展望与思考：AI 生图的未来边界与普惠化
在对当前主流的 12 款 AI 生图模型的性能进行对比评测之后，我们不禁要进一步思考：当模型在数量、风格、文本乃至人物一致性等客观维度上日益精进时，AI 艺术创作的未来将走向何方？
从技术发展的角度来看，AI 生图正朝着更精细化、准确、多模态化的方向发展 。未来，我们或许能看到模型不仅能生成逼真的图像，更能理解并创造复杂的 3D 建模、与物理世界进行更深层次的互动。对提示词的精准理解能力，如在数量、文本、人物一致性上的提升，将是衡量模型先进性的关键指标。
其次，从艺术创作的 "人文关怀" 角度审视，AI 作为工具，其价值最终体现在如何赋能人类的创造力，而非取代。正如 Midjourney 在美学创意上的独特优势所展现的，AI 不仅是执行者，更是激发灵感的伙伴。当模型能够更准确地理解我们的意图时，我们便能更专注于艺术本身的情感表达与思想传递。未来的挑战在于，如何在技术的冰冷逻辑与艺术的温度之间找到平衡点，让 AI 成为艺术家更得力的助手，而非冰冷的复制品。
最后，对于国产模型（如豆包）的崛起，这不仅是技术进步的体现，更是 AI 应用普惠化的重要一步。这意味着 AI 工具将更加贴近不同文化、不同语言背景用户的实际需求，降低创作门槛（操作难度 & 使用成本） 。
期待在 2025 年末能见证更多 AI 模型的突破，共同探索艺术创作的无限可能。
