Seedance、MiniMax和Qwen image修改能力测试:3轮连改,谁更好用?
11 月 9 日,字节发布 Seedream 5.5;11 月 10 日,MiniMax 发布 H3-Image,还同步开源了模型权重。再加上阿里此前推出的 Qwen-Image-3.0-Pro,几家热门模型刚好凑到了一起。
本文作者为象先志,钛媒体经授权发布。
AI 画图这一块,最近又起了动静。
11 月 9 日字节放出 Seedream 5.5,11 月 10 日
MiniMax 推出 H3-Image,模型权重也一并开源了。阿里这边,此前已经有 Qwen-Image-3.0-Pro。几个热门选手就这么撞到了一起。
画图模型有个绕不开的现实问题:图本身出得好不好看,指定的文字写没写错、风格对不对味;可要是只想改局部、想抽个卡,模型却把整张图推倒重画,那也够让人头疼的。
这次我们把三家摆到一块测。先让它们各画五种风格,再拿生成好的图做三轮连续修改,重点看局部调整这一项谁更靠得住。
五轮生图,三家各有风格
参测的三家是:MiniMax 的 H3-Image,走 MiniMax Code 客户端;字节的 Seedream 5.5,用豆包的 AI 创作入口;阿里的 Qwen-Image-3.0-Pro,在千问 AI 平台上跑。
基础场景三家统一:一个穿红色雨衣的女孩,站在雨夜便利店门口,手里拎着一袋牛奶。在此基础上分别要求写实摄影、儿童插画、盲盒手办、赛博朋克、扁平插画五种风格。每轮都重开对话,提示词发出去后不再纠正、不再补充,平台设置按默认和实际使用情况来。
盲盒手办和赛博朋克这两轮,提示词里还额外加了条件:画面中要出现“便利店 Convenience Store”这行指定文字。
第一轮:写实摄影

这一轮我更偏向 H3 的结果。女孩和便利店都摆得自然,整体像雨夜街头随手按下的一张照片,而且这张是 4K 输出。
豆包的画面更往人物身上收,背景虚化明显;千问给的是竖版构图,人物、店招都在,只是画面比例跟另外两家不一样。
第二轮:儿童插画

豆包这一轮画出了绘本的味道,雨水、灯光、便利店环境都铺得比较满,我个人挺喜欢这张。
H3 的画面偏简单,更像手绘插画,但便利店被裁掉一块,场景交代得有点敷衍。千问这张国风味比较重,细节画得很细,只是离我想要的普通儿童绘本感觉差了一截。
第三轮:盲盒手办

盲盒这轮,三家都做出了人物手办的效果。
豆包画面最满,底座、店铺背景、周围展示元素都齐;H3 整体简洁;千问更突出人物本身,大眼睛和红色雨衣挺抓眼,牛奶袋上还加了草莓图案。
这轮要求出现的“便利店 Convenience Store”招牌文字,三家也都完整写了出来。没有明显的输赢,主要看个人偏好哪种呈现。
第四轮:赛博朋克

这一轮我觉得最有意思。
H3 的画面像雨夜街头的霓虹场景,人物和便利店的关系比较自然。豆包把店铺内部和周边环境画得很丰富,也是一张完整的雨夜街景。
千问这张未来城市氛围最足,粉蓝色霓虹、湿漉漉的街道、密集的招牌都很有感觉,招牌上的中英文文字也都写对了。单看视觉效果,这张确实抓眼球,就我个人而言是最喜欢的一张。
第五轮:扁平插画

到了最后一轮,H3 的成图最简洁,色块与线条都干净,更贴近想要的扁平插画效果。
豆包和千问都往画面里塞了更多光影与细节,内容更满,观感也更接近带立体感的商业插画。豆包这张甚至把便利店画成了现实中的全家,招牌上带着品牌名和广告语,显得有些多余。
五轮比下来,没有哪一家能每次都明显领先。H3 相对守规矩,豆包偏爱把画面做满,千问偶尔会给出意料之外的结果。
生图只是开头。更值得继续比的,是后面的改图。
连着改图,差距就显出来了
改图环节直接拿第四轮那张赛博朋克图接着操作,没有重新上传。随后连续提了三个要求:
- 女孩手中的牛奶袋换成雨伞。
- 红色雨衣改为黄色。
- 便利店招牌上加发光的“24 小时”字样。
每一步之后都没有补充说明,也没有重写整张图的提示词,只看各家能不能在原图基础上按要求继续改。
先看豆包。

三项要求都改出来了。
换雨伞这步,牛奶袋变成了雨伞,女孩站位、便利店、雨夜和地面积水的反光都还在。
改雨衣这步,红色换成黄色,画面其余部分没有明显变动。
加字这步,招牌上出现了“24 小时”发光字,位置略挤,压在原有招牌上方,但原来的招牌内容没被破坏。
单看编辑动作,豆包这三轮确实做到了改哪儿动哪儿。
这与 Seedream 5.5 发布时主推的多轮编辑能力对得上。官方演示过连续编辑 100 轮、尽量让非编辑区域保持不变的效果。测试没跑到 100 轮,但这三轮里,它的表现算过关。
再看 H3。

H3 也把三次修改都做完了。
第一步,牛奶袋换成一把收拢的雨伞,女孩、店面和红色雨衣都留着。第二步,雨衣转成黄色,雨伞没有消失。第三步,招牌上添了“24 小时”霓虹字,落在原有招牌下方,没盖住原来的字。
这三步是接着走的:第三步在黄色雨衣那张的基础上继续改,并非每次从头重画。构图、人物站位、雨夜氛围,三轮下来都没明显跑偏。
最后把原始 4K 图的招牌区域放大核对,原有文字依然清楚完整。H3 这次输出的就是 4K,连续修改后画面细节保持得不错。
再看千问。

千问的结果让人意外。
第一次要求把牛奶袋换成雨伞,它直接给出雨伞近景,原来的女孩和便利店场景没有留下来。
第二轮我让它把红色雨衣换成黄色,出来的画面却成了走廊加衣帽架,跟原先那个雨夜便利店基本对不上号。
第三轮我就没再试了。
在同一个对话里连着改图,它这回没能把原图改下来。跟另外两家比,差距摆在那儿。
其他几个小发现
画面和改图之外,这次测试还有几处细节值得说说。
先说提示词处理。H3 和千问在生成前都会自动扩展提示词,千问界面上有这个开关,默认是开着的。这算不上作弊,平台本身的能力也在测试范围里。
比例这块,豆包两种路子我都试过:生成前在配置里选 4:3,五轮出图都没出岔子;把比例写进提示词再跑一遍,图也照样正常。配置和提示词两条路它都走得通。
千问和 H3 则会照着提示词里的比例真去改。千问把画幅调了回来,H3 连参数调整都会主动说明理由。


出图规格同样有区别。H3 全程 4K 输出,另外两家出的图尺寸小一截,放大看细节倒都没问题。

千问的平台还能一次出多张图,尺寸和张数在输入框里就能设,一次最多直出 6 张。这次测试每家每轮只跑一张,没动用这个功能,不过对想一次多挑几张的人来说,它确实好用。
再说生成速度。豆包这回大多十几秒就出图,千问差不多一分钟,H3 在部分测试里接近一分半。当然这只是我测试时的感受,实际快慢还要看任务和平台状态。
最后是水印。豆包和千问生成的图带平台水印,H3 这次没有。
说下感受
一圈测下来,三家的生图效果都不差,差别更多在画面风格和细节处理上。
可要是生成完还得反复改,H3 和豆包这回明显更让我放心;千问的生图有亮点,只是连续改图这一环没达到预期。
要给三家各找个适用场景的话:经常需要连着改图的,豆包和 H3 这次都靠得住;对画面比例、清晰度和提示词执行要求明确的,H3 更占优;主要拿来生成单张图、基本不用后续修改的,千问表现也不错。
说到底,这只是我用同一套提示词做的一次小测试。但对我而言,AI 画图不光看第一张画得漂不漂亮,能不能顺着我的想法继续改下去,一样要紧。