咱先说说啥叫生成的一致性？简单来讲，就是你给模型一张图和提示词，让它改东，它就不能改西。改的风格还得和原图一样，不能带AI味。 GPT-4o 改的这张图吧，单独看只是有点平面，但和其它模型放一起对比就很惨烈了。很明显，对于灯牌的颜色、支架、墙面材质和窗户的样式，4o 有它自己的主见。 只有 FLUX，不该动的一笔没动，该细节的地方，连灯牌支架在 X 的哪个位置都安排的明明白白，前后一致性、对物理世界的理解都强的可怕。 其实在进行图片编辑时，世超测试过的绝大部分模型，都对提示词存在理解偏差，能按照指示把分内事做好就不错了，对不该改的地方瞎发挥一通那是很常见的。 不知道最近某位蔡姓顶流的新歌各位差友听没听，为表这么多年做小黑子的歉意，世超直接掏出编辑部特供表情包，原地爆改坤坤粉丝包。 可以看到，即梦不仅编辑前后字体保持一致，还在背景上补充了很多小星星和小心心。放到别的场景下这属于一致性缺点，但在这里，世超觉得即梦改得很有情绪。 另外，有的老差友可能知道，差评最近迎来十周年啦。世超立刻用即梦生成了一组十周年表情包，平均每张图耗时一分钟，再也不用先抠后 P 了。 而在这种创造性的活儿上，肯定少不了一些艺术加工，这时候一致性就没那么重要了。前后图片不一样没关系，如果猫猫眼睛变圆变亮可以更好地传递情绪的话，这属于优点。 比较过 FLUX 和即梦，世超觉得现阶段的文生图还是不能既要又要。FLUX 和即梦在一致性和创造力之间，很难兼得。和语言大模型类似，来点幻觉才有创造力，发挥却会变得不稳定。 好消息是，现在 FLUX 官网新用户注册就送 200 积分。每生成或者编辑一张图片消耗 4 点积分，填充或者扩展图片一张消耗 5 点，200 分还是够咱玩一阵的。