实测生图模型：MiniMax与Seedream的路线与抉择

撰文| 高晓阳

编辑| 郝 鑫

11月9日和10日，字节Seed与MiniMax前后脚发布了，各自的新一代图像模型Seedream 5.5和MiniMax H3-Image。前者主打百轮编辑不崩坏、原生透明素材和图层拆分等功能，后者主打10秒生成16MP大图、开放权重和更低的价格。

我们用同一套提示词和素材做了四项同台对比，之后验证了两款模型各自独有的能力，目的是看两家模型的核心能力，放到同一套考题下能兑现多少。

实测对比下来，我们总结出四条核心结论。

一、写实已经不再是图像模型的分水岭。两家的人像和街景都能乱真，剩下的区别只是审美取向，MiniMax像“街头抓拍”，Seedream像“电影剧照”。选模型时，“谁更真”已经不再是用户该纠结的问题。

二、文字才是这一轮真正的胜负手。十种语言共20行文字，Seedream写对19行，MiniMax只写对12行。对要做多语言海报和出海物料的团队来说，这个差距足以让其决定选谁。

三、多图理解中两款模型“听话”的方式不同。两家各做对5项，MiniMax更忠于参考图，Seedream更忠于文字指令。前者适合照着素材复刻，后者适合按需求改造。

四、堆像素不如做交付。MiniMax的16MP近处经得起放大，远处人群仍会糊；Seedream的图层拆分一次拆对、背景自动补全，更贴近设计师的真实需求。

综合来看，如果要生成的图片中文字以中英文为主，并追求高分辨率和低成本，就选MiniMax；如果图片需要多语言，还要反复改图和分图层编辑，Seedream是更稳妥的选择。

一个拼尺寸，一个拼可控

两款新模型发布时几乎没有重叠的核心卖点，其路线差异一目了然。

MiniMax H3-Image押注的是“更大、更快、更便宜”的路线。

它衍生自MiniMax的H3模型，支持文生图、图像参考和图像编辑。官方称它能在10秒内生成一张4096×4096、约16MP的图像，速度可达市面主流水平的5倍，价格只有同档位产品的50%到70%。MiniMax H3-Image还宣称拥有“开源模型中最强的指令遵循能力”，最多支持16张参考图，并开放了权重。

Seedream 5.5则押注的是“改得稳、能进生产线”的路线。

Seedream 5.5有三项核心的升级，一是多轮编辑时非编辑区域保持像素级不变，官方演示了连续编辑100轮；二是原生RGBA透明素材，最多拆分输出100层；三是写实质感和文字渲染，官方给出的严重文字崩坏率为0.4%。

同一套考题下，真实感难分高下，文字见真章

将两家都具备的能力放在一起比，我们选了写实、文字和多图理解三个方向，共设置了四个案例；只有一家具备的能力则单独验证，MiniMax测试生成大分辨率图片，Seedream测试图层拆分功能。

所有对比测试案例使用同一条提示词，每条只生成一次，固定取第一张，所以结论反映的是单次表现，存在一定随机性。

测试过程中用到的参考图由第三方模型GPT Image 2.6生成，防止任何一款模型“见过”素材。另外，MiniMax默认输出约1680万像素，Seedream在230万到420万像素之间，这在写实和文字两项测试中，理论上对MiniMax更有利。

1.早餐摊人像：两张都能乱真，一个像抓拍，一个像剧照

提示词要求的是一张“手机随手拍”的逆光早餐摊，五十多岁的阿姨掀开蒸笼，热气被阳光照亮。两张图的人物和主体都没有明显的AI痕迹，区别主要在风格和细节执行。

Seedream的画面是标准的电影感，浅景深、金色轮廓光、蒸汽在逆光里层次分明，人物年龄贴合描述。但它没有执行“手机随手拍”的要求，更像一张精心构图的摄影作品。

MiniMax的画面更接近真实街拍，广角、构图随意，阿姨脸上的斑点、皱纹和手背的褶皱都很清晰。问题出在两处，人物明显比要求的五十多岁更年长，背景招牌上的汉字是一串无法辨认的笔画。

2.雨夜大排档：Seedream的光影更讲道理

这一题考的是多光源、多材质的物理一致性。两家都把“老陈烧烤”四个字写对了。

Seedream更贴合提示词里的物理细节，烤炉的烟被炉火映成了橙色，出租车尾灯在湿地面上拉出反光。

MiniMax的画面冲击力更强，霓虹招牌和湿地倒影都很抢眼，但它把“刚下过雨”生成了“正在下雨”，烟也没有被火光染色，整体饱和度和锐度偏高，有明显的后期调色感。

3.十种语言欢迎墙：Seedream写对19行，MiniMax写对12行

我们让两家生成一面机场欢迎墙，10块灯箱分别用简体中文、繁体中文、英文、日文、韩文、法文、德文、俄文、阿拉伯文和泰文，各写一行“欢迎来到上海”的大字和一行“行李提取请左转”的小字，共20行，逐字核对。

Seedream写对了19行，唯一的失误是泰文大字里一个辅音写错，阿拉伯文的连写和书写方向、法文和德文的变音符号都处理正确。

MiniMax写对了12行，中文简繁、英文、法文、德文全部正确，错误集中在其余五种文字。日文「ようこそ」写成了「ようここ」，韩文小字「왼쪽」写成了「왠족」。俄文小字把「слева（左边）」写成了「слава（荣耀）」，意思完全变了。阿拉伯文两行各有字母错误，泰文小字基本成了乱码。

MiniMax这张图的分辨率是Seedream的四倍，因此这些错误很难归咎于像素不够，更可能是模型对长尾文字掌握得还不扎实。Seedream在发布时强调的文字能力的进步，在这次测试里得到了印证。

4.六图合一：两家都做对5项，失分方向相反

我们让GPT准备了6张参考图，要求模型让图1的女生穿上图2的大衣、肩背图3的包、站在图4的雪天街口、摆出图5的姿势，色调参考图6但不能出现图6里的路灯和长椅。两款模型生成的图片都没有串图，人物、大衣、场景和色调都对，区别在于细节上的取舍。

Seedream更忠于文字指令，给这只原本只有手提把的包补了一条肩带，让人物背在肩上；代价是姿势只还原了一半，另一只手握着肩带，没有插进口袋。它的色调更克制，看起来也更像真实照片。

MiniMax更忠于参考图本身，姿势还原得最完整，一手搭额、一手垂在口袋边，但包是拎在手里的，没有背在肩上。图片整体的色调上，MiniMax把青橙两色的对比推得很重。

5.MiniMax的1680万像素：近处是真细节，远处仍会糊

我们让MiniMax生成一张春运候车大厅的大场景，并在其中藏6个小彩蛋，成图分辨率为5472×3072。6个彩蛋全部出现，举着“妈我到了”纸牌的小男孩、靠柱子睡觉的保安、显示“G1234北京南14:05正点”的电子屏都准确无误，只有泡面桶上的“红烧牛肉面”漏了“肉”字。

放大到100%，前景的羽绒服褶皱、保安制服上的徽章和泡面的热气都经得起看，但远处的人群开始出现融化感，人脸细节明显不足。MiniMax提升了分辨率，可画面细节的分布却并不均匀。

6.Seedream的图层拆分：六层一次拆对，背景自动补全

我们把一张GPT生成的《追风的女孩》电影海报交给Seedream，要求拆成人物、风筝、片名、小字、阳光光晕和背景六个透明图层，结果一次拆对。人物层保留了飘动的发丝和手里的风筝线轴，风筝层带着细长的风筝线，片名的毛笔笔触和小字也完整保留。

最实用的是背景层，女孩原来所在的位置被自动补成了连续的油菜花田和天空，在画布预览中看不出抠除的痕迹。对设计师来说，他们能拿到的不再只是一张图，而是一份可以继续编排的源文件。

经过上面几轮的测试，我们能够得出结论：在生图方面，写实不再是护城河，交付能力才是。

图像模型在写实上已经越过了门槛，当“画得像”成为标配，就很难再构成竞争壁垒。

能够拉开差距的，是决定一张图能不能直接用的能力。一张写错字的海报再好看也无法交付，而对出海品牌来说，阿拉伯文、泰文这类长尾文字恰恰是刚需。图层拆分也是如此，可以把输出从“成品图”变成了“可编辑的素材”。

两家的路线因此更清晰。

MiniMax走的是基础设施路线，用分辨率、速度、价格和开放权重扩大使用面，开放权重也让社区有机会自行补齐多语言文字这类短板。

Seedream走的是生产工具路线，多轮编辑、透明素材和图层拆分都指向同一个目标，嵌进电商、广告和设计团队的日常流程。

图像创作模型下一阶段的较量大概率不在谁画得更像，而在谁能写得对、改得准、拆得开，把一次生成变成一份可以交付的工作成果。

微信号｜TMTweb

公众号｜光子星球

别忘了扫码关注我们！