上个月，AI图像生成模型领域涌现出了很多新面孔，例如MiniMax推出的首款图像模型Image-01，以及智谱2025年开源的首个文生图模型CogView-4-250304等。

今天，302.AI将对市场上的文生图模型进行评测，期望评测结果能够为大家选择模型时提供参考。参与评测的模型共有六个，具体包括：

MiniMax-Image-01、Midjourney v6.1、Recraft V3、Google imagen3、CogView-4-250304 、百度-iRAG；

模型实测

（以下所有效果都由302.AI图片竞技场生成，且为了确保公平性，均取自模型第一次生成的效果。同时采用中文提示词，所有测评结果仅供参考。）

实测1：吉卜力风格

提示词：吉卜力风格，夏日午后漂浮的空中岛屿，戴着草帽的少女赤脚奔跑在青苔台阶上，木质风车屋旁盛开着巨型蓝紫色绣球花，半透明精灵群从花瓣间飞散，远处云海中若隐若现的蒸汽朋克飞艇，暖金色阳光透过橡树叶形成光斑，柔和的丁达尔光线，细腻的笔触与色块堆叠。

评估标准：

1、吉卜力风格符合度

2、提示词遵循准确性

3、人物细节及画面质量

优劣排序：① MiniMax-Image-01＞③ Recraft V3 ＞④ Google imagen3＞② Midjourney v6.1＞⑥ 百度-iRAG＞⑤ CogView-4

Image-01：光影效果处理适当，画面呈现暖色调，提示词所提元素均已生成，其综合风格、视觉美感及细节评估在此次测试中表现最佳。

Midjourney v6.1：整体呈冷色调，尽管细节相对丰富，但整体风格更具MJ的独特性，与吉卜力风格相差较大。同时，提示词的遵循度不高，例如作品中未能呈现木质风车屋。

Recraft V3：画风最接近吉卜力风格，但提示词的准确性欠佳。例如，提示词中的“少女赤脚奔跑在青苔台阶上”，最终呈现的效果人物既不是赤脚也没有看到青苔台阶。

Google imagen3：较接近吉卜力风格，提示词遵循还不错，但是人物奔跑的动态未能体现，人物的脸部细节方面也处理不够好。

CogView-4：画面的色彩饱和度较高、人物呈现出异常的三臂现象，并且提示词中提到的风车屋未能体现，整体画面质量欠佳。

百度-iRAG：画面的内容非常丰富，提示词得到了较好的遵循，但风格不太符合，且画面的质感一般。

实测2：海报生成

提示词：生成一张清明节主题海报，整体风格为清新简约的中国风。画面中有一棵繁茂的柳树，柳枝低垂，随风轻摆，柳树下有一家人正在放风筝，风筝高高飘扬在蓝天中，象征着希望与自由。画面背景是青山绿水，远处有几座古色古香的亭台楼阁，营造出宁静而祥和的氛围。

评估标准：

1、海报主题契合度

2、海报视觉美观度

3、细节及整体画面布局情况

优劣排序：③ Recraft V3＞⑥ 百度-iRAG＞ ④ Google imagen3＞② Midjourney v6.1＞① MiniMax-Image-01＞⑤ CogView-4

Image-01：图片契合清明节主题，但整体饱和度较高，人物细节不足，并且图片右下角出现了无法识别的字符。

Midjourney v6.1：图片呈现出简约清新的风格，但人物位于水中央的空地，这一构图显得不够合理。

Recraft V3：符合主题，画面构图清晰，柳树、人物与宝塔布局合理，然而人物的面部及服装尚可进一步优化。

Google-Imagen3：色调鲜明且整体协调，提示词较为准确，人物细节尚需进一步完善。

CogView-4：画面呈现黄绿色调，视觉效果较为一般，且人物肢体动作显得不够自然。

百度–iRAG：风格清爽自然，色调搭配和谐，整体画面美观度较高。然而，人物面部细节不足，肢体表现略显不自然。

实测3：人物生成

提示词：肖像照片，8K超清细节，温馨的夜晚街景，四个小孩站在城市街道中央欢快挥手，面部表情充满童真喜悦。背景采用霓虹灯光与暖黄色路灯交织，玻璃幕墙建筑反射斑斓光影，湿漉漉的柏油路面倒映流光。

评估标准：

1、人物的五官是否准确和自然

2、肢体动作的流畅性和合理性

3、背景场景是否协调

优劣排序： 除了Google imagen3生成的效果还算可以，其余模型均出现五官不协调、肢体不自然情况。

Image-01：人物面部表情微崩，手部出现了“六指”情况，提示词中“湿漉漉的路面”没有被表现出来。

Midjourney v6.1：令人意外的是，MJ生成的人物面部同样出现了问题，虽然没有六指的现象，但手部显得非常不自然。

Recraft V3：脸部和手指扭曲情况较为明显，右侧地面干湿过渡较生硬。

Google imagen3：脸部五官较为自然，手指部分没有明显扭曲。

CogView-4：手部的姿势不够自然且不合常规，五官牙齿部分也显得不协调。

百度-iRAG：提示词遵循不够精确，其中“湿漉漉的柏油路面”没有得到体现，同时手指部分出现不合理现象。

实测4：文字内容生成

提示词：一张温馨的秋季主题咖啡广告，展示一杯热腾腾的南瓜香料拿铁。图片上中文写着“南瓜拿铁”、英文写着“Pumpkin spice latte ”。咖啡杯置于木质托盘上，周围点缀秋叶和肉桂棒，背景泛着温暖的金色光芒。

评估标准：

1、中文生成准确度

2、英文生成准确度

3、画面布局合理性及丰富度

优劣排序：表现相差不大，不作排序，抛开文字生成，CogView-4在画质方面表现略逊色。

Image-01：中文生成失败，英文生成是正确，不过整体构图布局合理，画面美观。

Midjourney v6.1：英文生成时出现了一些遗漏的单词，而中文生成未成功。构图元素丰富，整体画面营造出温馨的氛围。

Recraft V3：中文生成失败，英文生成正确。画面中字体占据大部分板块，比咖啡更加突出，整体布局需要进一步优化。

Google-Imagen3：中文生成失败，英文生成正确，画面布局构图尚可。

CogView-4：中文生成不对，英文生成正确，构图和布局表现良好，但画面质感相比其他模型略显不足。

百度–iRAG：中文生成错误，英文生成正确，构图布局较合理。

实测总结

通过整理实测结果，可初步得出以下结论（结论仅供参考）：

	吉卜力风格	海报生成	人物生成	文字内容生成
MiniMax-Image-01	提示词遵循准确，布局合理，视觉效果佳	海报主题契合，但整体饱和度较高，人物细节不足	手部出现了“六指”情况	中文生成不明字体，英文生成是正确
Midjourney v6.1	提示词遵循度不高，细节丰富，风格差距大	符合主题，但构图不合理	脸部五官、手部不协调	中文生成不明字体，英文生成不准确
Recraft V3	提示词准确性欠佳，但风格接近	符合主题，画面构图清晰，布局合理	脸部和手指扭曲情况较为明显	中文生成失败，英文生成正确
Google imagen3	提示词遵循还不错，作品风格接近但细节可完善	主题尚符合，视觉效果一般	效果尚可	中文生成不明字体，英文生成正确
CogView-4-250304	提示词遵循尚可，整体画面质量欠佳，人物肢体不合理	主题尚符合，画面质量较差，视觉效果一般	手部、五官牙齿部分也不协调	中文生成了相似字形，英文生成正确
百度-iRAG	提示词遵循尚可，风格有偏差，画面的质感一般	主题符合，画面美观但人物细节不足	手指部分姿势不合理	中文生成部分正确，英文生成正确
综合结论	MiniMax-Image-01视觉效果好：MiniMax-Image-01在吉卜力风格任务中，提示词遵循准确，布局合理，展现了丰富的视觉效果。	Recraft V3在海报生成时布局合理且风格贴合提示词：在海报生成任务中，Recraft V3能够精准地解析用户给出的提示词，且海报布局非常合理，表现较为亮眼。	人物生成存在五官不协调、人物扭曲等问题：除Google Imagen3外，其余模型在人物生成任务中出现的问题较多，比如出现了人物五官不协调的状况、身体扭曲的现象。	中文文字生成准确性差：参与实测的模型在文字生成任务中未能完全准确生成中文字，多个模型生成的中文字符出现字形错误，甚至产生不明字符。而对于英文生成的准确度较高。