用同一套提示词横评字节 Seedream 5.5、MiniMax H3-Image 与阿里 Qwen-Image-3.0-Pro,五轮生图各有千秋,但连续三轮改图时差距明显:前两家改哪动哪,千问则偏离原图。
AI 画图模型最近又热闹了起来。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。再加上阿里此前推出的 Qwen-Image-3.0-Pro,几款热门模型正好凑到一起。
画图模型有个很现实的问题:图好不好看是一方面,指定文字有没有写错、风格对不对是另一方面。更麻烦的是做局部修改时,模型直接把整张图重画一遍。
这次把三家放在一起,先测五种绘画风格,再拿生成的图片做三轮连续修改,重点看局部调整能力。
参与测试的三家:MiniMax 的 H3-Image,用 MiniMax Code 客户端;字节的 Seedream 5.5,用豆包 AI 创作入口;阿里的 Qwen-Image-3.0-Pro,用千问 AI 平台。
统一的基础场景是:一个穿红色雨衣的女孩站在雨夜便利店门口,手里拎着一袋牛奶。再分别生成写实摄影、儿童插画、盲盒手办、赛博朋克和扁平插画五种风格。每轮新开对话,提示词发出后不再纠正补充。盲盒手办和赛博朋克两轮额外要求画面出现「便利店 Convenience Store」字样。
第一轮:写实摄影

这一轮 H3 的表现比较讨喜。女孩和便利店交代得自然,像一张雨夜街头随手拍下的照片,而且是 4K 输出。豆包更聚焦人物,背景虚化明显;千问是竖版构图,人物和店招都有,画幅比例与另外两家不同。
第二轮:儿童插画

豆包这张绘本感很强,雨水、灯光和便利店环境都比较丰富。H3 画面偏简单,更像手绘插画,但便利店被裁掉一部分,场景交代得有些敷衍。千问带着明显的国风味道,细节很细,但和普通儿童绘本的感觉有距离。
第三轮:盲盒手办

三家都做出了人物手办效果。豆包画面最丰富,底座、店铺背景和展示元素完整;H3 整体简洁;千问突出人物本身,大眼睛和红色雨衣醒目,还在牛奶袋上加了草莓图案。要求的「便利店 Convenience Store」招牌文字,三家都完整呈现,这一轮没有明显输赢。
第四轮:赛博朋克

H3 像雨夜街头的霓虹场景,人物和便利店关系自然。豆包把店铺内部和周围环境画得很丰富,是一张完整的雨夜街景。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很有感觉,招牌中英文都写对了,单看视觉效果最抓眼球。
第五轮:扁平插画

H3 画面最简单,色块和线条干净,更接近扁平插画。豆包和千问都加入了更多光影细节,更像带立体感的商业插画。豆包还把便利店画成了现实中的全家,招牌带上品牌名和广告语,多少有点画蛇添足。
五轮下来,没有哪家每次都明显领先。H3 相对规矩,豆包喜欢把画面做丰富,千问偶尔给出意料之外的效果。但生图只是第一步,真正拉开差距的是改图。
改图测试直接拿第四轮的赛博朋克图继续操作,不重新上传。连续提三个要求:
每一步之后不补说明,也不重新生成整图,只看能否在原图基础上继续修改。
豆包

三个要求都完成了。换雨伞时,女孩站位、便利店、雨夜和地面积水反光都保留下来;改雨衣时,红色变黄色,其他区域没有明显变化;加字时,招牌上多了「24 小时」发光字,位置稍挤,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吻合。官方曾展示连续编辑 100 轮、尽量保持非编辑区域不变。这次只跑三轮,但表现是过关的。
H3-Image

H3 同样完成三次修改。牛奶袋换成收拢的雨伞,女孩、店面和红色雨衣都在;雨衣改黄,雨伞没有消失;招牌下方多了「24 小时」霓虹字,没盖住原来的字。
关键在于三步是连续的,第三步基于黄色雨衣那张继续改,而不是从头重画。构图、人物站位和雨夜氛围三轮下来没有明显漂移。放大原始 4K 图的招牌区域检查,原文字依然清楚完整。
千问

免费获取企业 AI 成熟度诊断报告,发现转型机会
第一次要求换雨伞,结果直接变成雨伞近景,女孩和便利店场景没保留。第二次要求改黄色雨衣,画面又变成一个走廊和衣帽架,与原来的雨夜便利店已无关系。第三轮只好放弃。
同一对话中连续改图,千问这次没能完成原图修改,与另外两家差距明显。
提示词处理上,H3 和千问会在生成前自动扩展提示词,千问界面有开关且默认开启。这属于平台能力,也算测试的一部分。
比例控制方面,豆包两种方式都试了:生成前在配置里选 4:3,五轮出图都稳;把比例写进提示词再跑,结果也正常。千问和 H3 会按提示词里的比例调整,H3 连参数调整都会主动说明理由。

出图规格上,H3 全程 4K 输出,另外两家尺寸小不少。

千问支持一次出多张图,尺寸和张数都能在输入框设置,最多一次 6 张。这次每家每轮只跑一张,没用上,但对想多挑几张的人很实用。
生成速度上,豆包大多十几秒出图,千问约一分钟,H3 部分测试接近一分半。实际速度还会受任务和平台状态影响。水印方面,豆包和千问带平台水印,H3 这次没有。
三家生图效果都不差,区别更多在画面风格和细节处理。但如果生成后还要反复修改,H3 和豆包这次更让人放心;千问生图有亮点,连续改图没能达到预期。
按场景分:经常需要连续修改的,豆包和 H3 比较可靠;对画幅比例、清晰度和提示词执行有明确要求的,H3 更有优势;主要生成单张图、基本不后续修改的,千问也有不错表现。
AI 画图不只是第一张图能不能画得漂亮,能不能按想法继续改下去,同样重要。
关注公众号

扫码关注,获取最新 AI 资讯
3 步完成企业诊断,获取专属转型建议
已有 200+ 企业完成诊断