跳到文章正文
应用 编辑推荐

Seedance 5.5、MiniMax H3-Image、Qwen-Image 3.0 三轮连改实测:谁能“只改一处”

AI 画图发展到今天,“第一张图好不好看”已经不够用了。真正进入工作流的人更关心另一件事:生成之…

AI 画图发展到今天,“第一张图好不好看”已经不够用了。真正进入工作流的人更关心另一件事:生成之后能不能只改一处,而不把整张图重画。字节 Seedream 5.5、MiniMax H3-Image 和阿里 Qwen-Image 3.0-Pro 在 11 月上旬密集发布,刚好把这个问题摆到了同一张桌面上。

Seedance 5.5、MiniMax H3-Image、Qwen-Image 3.0 三轮连改实测:谁能“只改一处”
三家图像模型在同一提示词下的生成与连续修改能力对比测试

一分钟速览

  • 11 月 9 日字节发布 Seedream 5.5,11 月 10 日 MiniMax 发布 H3-Image 并开源权重。
  • 测试统一提示词:穿红色雨衣的女孩站在雨夜便利店门口,手拎一袋牛奶。
  • 五种风格为写实摄影、儿童插画、盲盒手办、赛博朋克、扁平插画。
  • 连续修改三轮:牛奶袋换雨伞、雨衣红改黄、招牌加“24 小时”发光字。
  • 豆包与 H3 三轮均完成且场景稳定;千问首轮就丢失原场景,测试提前终止。

生图:三家各有脾气

写实摄影一轮,H3 的表现最自然,女孩、便利店和雨夜街头的比例关系像随手拍下的照片,而且直接输出 4K。豆包把注意力更多放在人物上,背景虚化明显;千问则给出竖版构图,人物和店招都在,但画幅与另外两家不同。

儿童插画一轮,豆包的绘本感最强,雨水、灯光和便利店环境都比较丰富;H3 更接近手绘,但便利店被裁掉一部分;千问细节很足,却带出明显的国风味道,与“普通儿童绘本”的预期有距离。盲盒手办一轮,三家都完成了手办化,也都在招牌上正确写出了“便利店 Convenience Store”,差异主要在底座和背景的丰富程度。

赛博朋克一轮最能看出审美取向:H3 像雨夜霓虹街景,人物与店铺关系自然;豆包把店内和周边环境画得很满;千问的未来城市氛围最强,粉蓝霓虹、湿街和密集招牌很抓眼,中英文文字也都写对了。扁平插画一轮,H3 的色块和线条最干净,豆包和千问都加入了更多光影,反而更像商业插画。

改图:真正的分水岭

测试者拿赛博朋克那张图继续操作,不重新上传,也不重写整图提示词,只连续提三个要求。豆包三轮全部完成:牛奶袋变成雨伞,女孩站位、便利店、雨夜和地面积水反光都保留;雨衣从红改黄,其他区域没有明显变化;招牌上新增“24 小时”发光字,位置略挤但没有破坏原招牌。

H3 同样三轮全过。雨伞、黄雨衣、霓虹字都按要求加上,而且第三步是在第二步的基础上继续改,不是从头重画;构图、人物站位和雨夜氛围没有明显漂移。测试者把原始 4K 图的招牌区域放大检查,原有文字仍清楚完整。

千问的表现则明显掉队。第一次要求换伞,它直接给出雨伞近景,女孩和便利店场景没有保留;第二次要求改雨衣颜色,画面又变成走廊和衣帽架,与原来的雨夜便利店几乎没有关系。测试到这一步终止。需要说明的是,这只是同一套提示词下的一次小样本测试,不能代表模型在所有任务上的上限,但连续编辑的稳定性差距确实存在。

细节里的产品差异

H3 和千问会在生成前自动扩展提示词,千问界面提供开关且默认开启;豆包对画幅的控制更稳,配置里选 4:3 或把比例写进提示词都能正常出图。出图规格上,H3 全程 4K,另外两家尺寸小不少;千问支持一次最多出 6 张,适合批量挑选;速度上豆包大多十几秒,千问约一分钟,H3 部分测试接近一分半。水印方面,豆包和千问带平台水印,H3 这次没有。

趋势:从“生成”走向“编辑”

这轮对比说明,图像模型的竞争正在从单张质量转向多轮编辑的一致性。对电商、广告和设计团队来说,真正值钱的是“保留主体、只改局部”的能力:换颜色、换道具、加文字、调光线,每一步都不能把前面的成果推翻。要做到这一点,模型需要理解局部掩码、保持身份与场景表征,还要在多次调用之间维持上下文。

开源权重是另一个变量。H3 同步开源,意味着团队可以自行部署、微调和接入私有工作流,这对数据敏感的商业客户很有吸引力。接下来值得观察的是:三家会不会把“连续编辑轮数”和“非编辑区域保持率”做成公开指标;平台会不会提供更细的局部编辑控制;以及价格战之后,稳定性会不会成为新的付费理由。

本文地址:https://www.163264.com/22465