5 款图像模型连编 10 轮实测漂移:MAI-Image 最稳,GPT Image 重绘全图
booked78 · reddit · 2026-10-20
Reddit 用户做了一项量化测试:同一张客厅照片,让 5 款图像模型连续执行 10 次相同编辑(加红杯、放猫、删落地灯等,每轮以上一轮输出为起点),每轮都附「不要改其他内容」,并以从未提及的左侧书架为对照区,用 SSIM 测漂移(1.0 为完全一致),全程经 Atlas Cloud MCP 用统一 API 完成,总花费约 $2.8。
|模型|第1轮 SSIM|第10轮 SSIM|单次成本|耗时|
|---|---|---|---|---|
|MAI-Image 2.6|0.928|0.774(最稳)|$0.043|约40s|
|Nano Banana 2|0.966(单次最佳)|0.641|$0.08|约40s|
|Seedream 5.0 Pro|0.800|0.530|$0.036|约1m50s|
|GPT Image 2.5 Sunburst|0.590|0.288|约$0.017|约40s|
|Qwen Image 3.0 Pro|0.198|0.218|$0.078|约1m50s|
- 各模型基本都完成了全部 10 项编辑,差异纯粹在破坏了多少其他区域
- Seedream 每轮画面变暗,十轮后整屋像黄昏;GPT Image 每次重绘全帧,书脊轮轮重造;Qwen 第一轮就重新构图(拉远+偏移),之后数字几乎不动但更灰
- 实用结论:需 3-4 次以上连续编辑时,要么选漂移最慢的模型,要么回到原图把所有改动堆进一个 prompt
「多模态」频道最新
- Manga2Animate:创作者+审稿双 Agent 让漫画忠实动起来 — NYCU · 2026-10-20
- TCoVP:时空锚定的视频思维链,弥合推理与分割的引用鸿沟 — Junwei Wen · 2026-10-20
- 字节开源 DeOverlay:源锚定流匹配去除视频字幕、Logo 遮挡 — ByteDance · 2026-10-20
- InfiniDream:VLM 驱动程序化生成无限可编辑逼真 3D 世界 — AlayaLab · 2026-10-20
- 清华 Stateful Harness:规则执行与冻结视频生成分离,解交互世界模型状态一致性 — Tsinghua-IVG · 2026-10-20
- 30 秒超现实变形视频走红，作者公开完整提示词 — umesh_ai · 2026-10-20