AI生圖賽道，三家密集更新。
AI生圖賽道，最近打得火熱。
11月10日晚，MiniMax發佈並開放H3-Image模型權重，打出了“又快又便宜”的牌。官方稱，它10秒就能生成一張1600萬像素的高畫質圖片，價格只有同檔位主流工具的50%-70%。
在它之前，OpenAI和字節剛剛交完作業。
11月5日，OpenAI推出Images 2.6GPT Image 2.6，繼續在速度和編輯能力上發力，宣稱出圖速度比前代提升50%，還新增了GIF動圖生成、可重複使用的參考圖等功能，並在API端推出GPT Image 2.6 Flare和Sunburst兩款模型，後者主打多輪編輯的一致性。
字節則在11月9日發佈Seedream 5.5，主攻連續編輯的穩定性，支援局部精準修改。
三家都拿出了自己的新模型，實際表現究竟差多少？除了比拚生成效果，它們還在爭什麼？
01. OpenAI領跑，MiniMax勝在速度
先看榜單，三家的差距還挺大。
在Artificial Analysis最新的文生圖榜單中，GPT Image 2.6 Sunburst（max）排名第一，Seedream 5.5排名第十，H3-Image排在第二十三。
到了圖片編輯榜，OpenAI依然守住第一，字節升至第六，MiniMax也爬到了第十二。相比從零生成圖片，後兩家在編輯能力上的排名要更靠前一些。
連拿兩個第一的OpenAI，實際用起來，真能把另外兩家甩開嗎？
我們分別通過ChatGPT、豆包和海螺AI，體驗了三款新模型。其中，ChatGPT使用GPT Image 2.6自動模式，豆包呼叫Seedream 5.5，海螺AI則分別測試了H3-Image的標準和Highspeed兩種模式。
需要說明的是，OpenAI的GPT Image 2.6通過API提供不同的模型檔位，開發者可以按需選擇。但大多數普通使用者是直接在ChatGPT裡生圖，所以我們沒有單獨呼叫API，測的是各家產品端的實際體驗。
第一題，重點考理解力。
短劇有多火不用多說。前有菠蘿背叛草莓、香蕉出軌葡萄的水果倫理大戲，後有木耳、美甲爭當豪門繼承人的狗血短劇。短劇主角早就不限於人類了，連食物都開始談戀愛、爭家產。
最近爆火的超長名字糖葫蘆，自然也沒逃過。憑藉一長串堪比唸咒語的配料表，它成功混進了豪門圈。在它的家族，配料越多、名字越長，血統就越高貴，普通山楂糖葫蘆連繼承家產的資格都沒有。
我們讓三家做一張豪門見家長劇照：集奶皮子、草莓、芋泥等十幾種食材於一身的糖葫蘆家族繼承人，帶著一根山楂糖葫蘆回家見父母。豪門少爺愛上普通女孩，父母嫌棄女方出身，劇情走的是經典的門不當戶不對路線。
我們還特意強調，所有角色都是人類身體、糖葫蘆腦袋，食材要與五官自然融合，不能出現普通人臉。
十幾種食材、多個角色、複雜設定，一道題同時考理解力、執行力和畫面表現力。
提示詞（上下滑動查看文字）：
主題：超長名字糖葫蘆家族，百億遺產繼承權之爭
生成一張中國荒誕AI短劇的電影級3D動畫劇照，畫面比例9:16，精緻的半寫實3D動畫風格，人物造型奇特、誇張、具有強烈的喜劇效果。
核心設定：一個由超長名字網紅糖葫蘆組成的頂級豪門家族。所有人物都擁有正常人類的身體，穿著奢華西裝、禮服，但整個頭部是由十幾種不同甜品配料堆疊而成的巨大立體糖葫蘆。
注意，這些糖葫蘆不是傳統的幾顆山楂串，而是由山楂、草莓、晴王葡萄、藍莓、芒果、奶皮子、芋泥、血糯米、麻餈、奶酪、楊枝甘露、開心果碎、巧克力脆皮、冷萃酸奶、黃油薄脆等食材共同構成。
不同食材一層疊著一層：鮮紅山楂與草莓、翠綠葡萄、金黃色芒果、乳白色厚奶皮、淡紫色芋泥、深紫色血糯米、柔軟的白色麻餈、深棕色巧克力、金黃色黃油薄脆相互交錯，部分水果被切開，露出夾心奶酪和酸奶。
整個頭部像一座巨大的、色彩斑斕的甜品寶塔，明顯向上延伸，比正常人類頭部高出許多。外層包裹晶瑩透明的糖衣，頂部露出細長竹籤，糖漿在暖色燈光下閃閃發亮。食材細節真實可辨，不同層之間有明顯的厚度與立體結構。
糖葫蘆頭部擁有自然融入食物造型的眼睛、眉毛和嘴巴，能夠表現憤怒、傲慢、震驚等豐富表情，不出現普通人類面孔。
場景：一座極其奢華的豪門私人宴會廳。巨大的金色水晶吊燈，挑高的天花板，白色大理石地板，整面落地玻璃窗。窗外是一條繁華的都市夜街，霓虹燈閃爍。
宴會廳中央擺放著一張長條大理石餐桌，上面有高腳紅酒杯、金色燭台、精緻餐具。
人物與劇情：畫面左側是一名威嚴的老年男性家族掌權者，身穿深棕色高級西裝，戴著金色戒指，胸前佩戴家族徽章。他的頭部是一根極其龐大、由二十多層不同水果和甜品組成的超級豪華糖葫蘆，配料極為複雜，層層向上堆疊，形成如同王冠般的誇張形狀。他表情憤怒，伸出右手指向餐桌另一側。
他的身旁站著一位家族貴婦，身穿乳白色絲綢長裙，頭部由青葡萄、奶皮子、開心果奶酪、白色麻餈、綠色抹茶脆皮和金色糖殼層層疊加，形成優雅而複雜的綠色奶白色糖葫蘆塔。
畫面右側是一名年輕的豪門繼承人，穿著剪裁精緻的白金色西裝，身體挺拔，昂首與長輩對峙。他的頭部是由草莓、山楂餅、楊枝甘露奶酪、芋泥、血糯米、麻餈、奶皮子、開心果冷萃酸奶、巧克力黃油薄脆組成的巨大彩色糖葫蘆，層次複雜，外形像一座精緻的十幾層甜品塔。
繼承人旁邊是一名年輕女性，穿著淺綠色高級禮服，頭部普通山楂糖葫蘆，神情震驚。
構圖與風格：採用對稱式全景構圖，餐桌位於畫面中央，四名人物分列兩側，所有人物從頭到腳完整入鏡。糖葫蘆頭部高大醒目，佔據畫面明顯的視覺比重，但不能遮擋其他人物。人物的身體比例自然，服裝華麗精緻，糖葫蘆頭部誇張而真實，形成強烈反差。
電影級3D動畫渲染，精緻食物材質，晶瑩糖殼，奶皮子的酥脆紋理，奶酪的綿密質感，麻餈的柔軟質感，水果的鮮豔色彩，豐富的高光與反射。
整體畫面色彩濃郁、燈光華麗、細節豐富，具有荒誕、魔性、狗血豪門短劇的視覺效果，像一部製作精良卻劇情離譜的AI動畫連續劇。
先說速度，MiniMax確實跑得快。不過，我們差點沒發現。
最初，我們通過MiniMax Code呼叫H3-Image，發現生成一張圖片要等1分鐘左右，修改一次甚至花了5分鐘。說好的10秒出圖呢？
後來換到海螺AI，速度終於上來了。H3-Image標準模式單張生圖用時約25-30秒，高速模式只需要10-15秒。原因在於，MiniMax Code作為Agent產品，除了呼叫圖片模型，還涉及任務調度等環節，整個過程會產生額外耗時。
相比之下，OpenAI和字節的模型單次出圖時間都在1分鐘左右。速度這一項，MiniMax領先。
再看效果。ChatGPT顯然很懂這種抽象的藝術。1分多鐘後，一張豪門短劇劇照就出爐了。人物華麗、表情浮誇，糖葫蘆和五官融合得相當自然。豪華又抓馬，彷彿下一秒就有人怒拍桌子，甩出一張支票：“給你五百萬，離開我兒子”。
海螺AI這邊，倒是很有短劇的儀式感。它是三家裡唯一一個主動給圖片加上短劇標題的，乍一看，還真有幾分短劇劇照的味道。
海螺AI一次會生成4張圖片，標準模式和高速模式的畫質差別不大，犯的錯誤倒是一樣。它們的第一張圖都出現了明顯的穿模，人物直接站在桌子上，豪門見家長硬生生演成了豪門集體“上桌”。
剩下三張雖然沒有明顯穿模，但腦袋還是沒裝對。每個人都頂著一張普通人臉，頭上豎著一大串糖葫蘆，像是戴了頂豪華版糖葫蘆帽子。個別人物表情也比較平淡，少了點抓馬勁兒。
我們選中問題最大的那張圖片作為參考，要求海螺AI把站在桌子上的人物放下來，再把人臉和糖葫蘆融合起來。重新生成的4張圖片成了集體“上桌”，全都出現了穿模問題，上桌的人物更多了，像在進行某種神秘儀式。至於人臉和糖葫蘆，依然各長各的。
豆包也在腦袋上栽了跟頭。場景、服裝沒大問題，但角色同樣頂著普通人臉，糖葫蘆和五官也是各長各的。
好在它支援局部編輯，我們選中人物要求改頭，結果四張臉它只改了三張，剩下一個角色繼續頂著人類面孔，混在糖葫蘆家族裡。
我們只好再提醒一次。這回又等了約7分鐘，總算把漏網之魚處理了。但改完之後，食物和人臉雖然勉強融合到了一起，人物原本的表情、身份特徵卻變得模糊了，少爺和爸爸看上去像是互換了身份。這和Seedream 5.5說的“多輪編輯穩定”，還有距離啊！
接下來是第二題，考審美。
此前網上火過一陣中式天宮全景圖，雲海之上的天庭，宮殿、仙山、白玉天階一應俱全，飄飄欲仙。這次不設複雜的人物，我們只讓三款AI造一座宏偉的神話天庭，看看誰的審美更線上。
提示詞（上下滑動查看文字）：
原創中國神話天庭全景，宏大到近乎宇宙尺度的東方仙境。鏡頭位於九重天之上，以超廣角高空俯瞰視角展現一座懸浮在無邊雲海中的天庭之城。數百座中國古典宮殿、瓊樓玉宇、朱紅樓閣依託巨大的浮空仙山層層鋪展，宮闕沿山勢錯落分佈，向遙遠天際延伸，呈現恢宏而有秩序的建築群落。
畫面中央是一座建在巨大白玉台基上的凌霄寶殿，重檐廡殿頂，金色琉璃瓦，朱紅巨柱，鎏金斗拱，屋脊雕刻著精緻的龍鳳紋飾。主殿周圍環繞著數十座不同規模的仙宮，白玉長橋橫跨雲海，連接各座浮空山峰。數千級天階順著山脊盤旋向上，最終匯聚於最高處的凌霄寶殿。宮殿之間的道路、台階、橋樑具有合理的連接關係，每一座建築都擁有清晰的支撐結構和真實的中國古典建築比例。
畫面左側，一座巨大的懸空仙山從雲層中升起，山崖上生長著蒼勁古松，點綴著青綠色琉璃瓦的亭台樓閣。右側是規模宏偉的天宮建築群，層層宮牆、白玉庭院與金色飛簷在陽光下交錯延伸。數道巨型瀑布從懸浮山崖傾瀉而下，落入下方深不見底的雲海。遠處的三重仙山在晨霧中若隱若現，天際還有無數細小的宮殿輪廓，形成極其壯觀的空間縱深。
天空呈現淡青、蔚藍與金色的自然漸變，清晨陽光從東方照射而來，穿透層疊雲海，在仙宮屋頂、白玉長橋與山巒之間形成清晰的體積光。雲海具有真實的流動感、厚度和自然遮擋關係，近處建築紋理精細，遠處宮闕隨距離逐漸變小、顏色變淡，形成精準的空氣透視。
融合中國古典山水畫的意境與留白、宋代山水畫的雄渾構圖、工筆重彩的精緻細節，以及頂級東方神話電影的寫實視覺效果。建築遵循中國傳統宮殿形制，真實的飛簷、斗拱、榫卯、屋脊神獸、石雕欄杆、龍紋與雲雷紋清晰可見。整體以白玉、朱紅、鎏金、青綠、淡青色為主色調，色彩明亮、通透、豐富而克制。
畫面神聖、莊嚴、寧靜、壯麗，具有極強的建築巨物感和史詩尺度。重點突出天庭建築群的宏偉體量、空間秩序與天地之間的層次關係，不出現任何人物、仙人、天兵或人形生物。電影級數字概念藝術，超廣角高空俯瞰，恢宏的縱深構圖，16:9橫構圖，超高細節，8K視覺質感。
負面提示詞： 人物、人形雕像、西式哥特教堂、希臘神廟、歐式城堡、歐洲天使、現代城市、玻璃幕牆、科幻建築、賽博朋克霓虹、宇宙飛船、卡通風格、塑料質感、建築結構錯誤、屋頂比例失衡、重複複製的樓閣、沒有支撐的橋樑、懸浮關係混亂、台階斷裂、透視錯誤、建築過度擁擠、濃霧遮擋主體、過度金光、過度紫色、隨機文字、Logo、水印、現有影視角色、遊戲角色及IP符號。
ChatGPT繼續走精緻路線。天宮規模相當驚人，宮殿密密麻麻鋪滿畫面，建築細節拉滿，雲霧繚繞的氛圍也到位。
只是它好像對“宏偉”兩個字有自己的執念。整個天庭金碧輝煌，宮殿多得幾乎塞不下，恨不得把九重天的所有樓盤都擠進一張圖裡，越看越覺得有點土豪風。不知道是不是第一當久了，連造個天宮也不知道低調。
正好拿它試試編輯能力。我們直接在圖上指出問題，要求減少建築數量、收斂富麗堂皇、加點中式韻味。約1分鐘後，修改版出爐，宮殿少，畫面清爽了，風格也對了。聽勸程度，滿分。
這一輪，海螺AI和豆包的表現更對胃口，首圖就比較滿意，我們也就沒再修改。
海螺AI的天宮佈局相對舒展，雲霧穿梭在樓閣之間，像一張製作精良的仙俠遊戲場景圖。而且，無論標準模式還是高速模式，生成的4張圖片風格都比較統一，差別主要在建築排布上。
豆包的表現和它十分接近，宮殿層層遞進，構圖自然，同樣是濃濃的仙俠味兒。
兩輪測下來，OpenAI的模型綜合表現依然領先，複雜指令理解得最準，修改又快又準，基本一次到位，只是審美偶爾用力過猛。MiniMax的模型展現出了速度優勢，在海螺AI上最快十幾秒出圖，畫質也不差，但面對複雜任務，還沒做到又快又好。字節的模型畫質線上，但在這次實測中，修改既慢又不夠穩，讓我們有些失望。
02. 模型越來越強，有場景的廠商更容易勝出
廠商們持續投入圖片模型研發，是看中了專業市場的商業化空間。
相比生成頭像、表情包等娛樂需求，廣告、電商、遊戲美術等行業需要持續生產大量圖片，也更願意為效率付費。隨著模型能力提升，AI有機會承擔更多設計和素材製作工作，幫企業省下人工成本。
圖片模型的變現方式也不止一種。除了向個人使用者收會員費，廠商還能通過API呼叫、企業服務獲得收入，也可以把圖片能力整合進現有產品，提高使用者的使用頻率。
但專業使用者的要求也更高。圖片不僅要好看，還得保證商品、人物和品牌元素的一致性，能夠按照要求精準修改。從前面的實測來看，現階段的模型仍有不少問題需要解決。
面對同一塊市場，三家的打法各不相同。
OpenAI拼的是模型能力和入口。ChatGPT擁有龐大的使用者基礎，使用者不需要專門打開生圖軟體，在聊天框裡就能生成、修改圖片。OpenAI披露，全球使用者每周在ChatGPT、Codex和API上生成的圖片已達40億張。每次升級圖片模型，OpenAI都能直接觸達這批使用者，不必從零推廣新產品。反過來，圖片能力也能提高ChatGPT的使用頻率，吸引使用者付費。
字節則擁有更成熟的內容創作場景。
Seedream可以進入即夢、豆包、豆包工作等產品，也能通過火山方舟向企業和開發者提供服務。普通使用者可以用它生成趣味圖片，專業創作者可以製作素材，企業還能通過API批次生成內容。
尤其是即夢，本身就聚集了大量有圖片、視訊創作需求的使用者，Seedream每次升級都可以直接服務這些需求。字節也能通過現有產品收集使用反饋，繼續改進模型。
MiniMax的處境要相對困難一些。它雖然有海螺AI這樣的創作產品，但使用者規模和場景成熟度，都遠不及ChatGPT和即夢。即使模型能力不錯，想讓使用者專門換一款工具，也要付出額外的獲客成本。
因此，MiniMax選擇從速度、價格和開放策略上尋找突破口。
在這次測試中，H3-Image高速模式的畫質與標準模式沒有明顯差距。對於需要批次生成圖片的使用者來說，更快的速度意味著更高的效率。再加上相對較低的生成價格，MiniMax有機會吸引對成本敏感的開發者和企業客戶。
但速度和低價很難形成長期壁壘。OpenAI和字節同樣可以提速、降價，而且使用者規模更大的廠商，更容易靠規模效應攤薄成本。專業使用者更在意的，是能不能按要求一次改對。如果一張圖要來回改好幾輪，單次出圖快的那幾十秒，也就沒多大意義了。
開放模型權重對MiniMax的長期價值更大。企業可以根據自身需求進行本地部署和定製，減少對第三方API服務的依賴。相比只能通過API呼叫的閉源模型，這對有定製化需求的企業和開發者更有吸引力。企業一旦圍繞模型完成部署和系統整合，再換模型就要付出額外成本，MiniMax也就更有機會留住客戶。
MiniMax已經證明了自己出圖更快、更便宜，但下次再測，我們希望它不只能十幾秒出圖，還能一次就把糖葫蘆家族的腦袋裝對。
*題圖來源於MiniMax官網。 (定焦One)