即梦 4.0 出图实测：20 张图看 3 个崩点

即梦 4.0 上线后最想知道的是它到底稳不稳。这次用 5 类提示词各出 4 张，共 20 张，逐张按「能不能直接用在物料上」判定。结果可用 13 张、不可用 7 张，可用率 65%。崩的地方很集中，只有三处：画面里的中文、多人互动的手、同一角色跨图的稳定性。

一句话结论

20 张里 7 张不可用，全部落在三处：文字 3 张、多人手部 2 张、同角色一致性 2 张，单人特写和静物两类 8 张里一张没崩。也就是说它不是整体不行，是边界很清楚——不涉及画面文字、人数控制在 2 人以内、不需要跨图同一个人的场景，它基本可以直接交付；反过来这三类，就得预留返工时间或者改用其他办法补。

这篇解决什么问题

看官方样图判断不了一件事：失败率。样图都是精选出来的，你从中看不出「出 4 张能用几张」，而这个数字直接决定工作流怎么排。要知道 4 张里只有 1 张能用，和 4 张里 3 张能用，是完全两种用法：前者得准备三四倍的生成量，后者可以直接当草稿用。

这次的测法就是冲着失败率去的：固定 5 类场景、每类 4 张、同一套判定口径、三个人盲评。不评「好看程度」，只判「能不能直接用」。因为好看是主观的，能不能用是可操作的。

开始前要准备什么

• 5 类场景与对应提示词：带中文文字的招牌、单人特写、3 人以上互动、同一角色 4 张连续、复杂手部动作。每类一句固定提示词，不改写。
• 一条判定口径：只分「能用 / 不能用」两档，不用 1 到 10 分。评分制在小样本上没法校准，两档判定三个人能对得上。
• 三位评审，各自独立看，先不给结论，汇总后取多数。
• 一条纪律：测试期间不改提示词。中途看到某张崩了就补一句「手部自然」，那测的就不是模型默认水平，而是你调参的水平。

具体怎么做

第一步：按 5 类场景各出 4 张，固定提示词

分类的原则是按「哪里容易坏」分，不是按画面好看分。这次 5 类：带中文文字的招牌、单人特写、3 人以上互动、同一角色连续 4 张、复杂手部动作（握笔、持物、递东西）。5 类各 4 张共 20 张，含排队等待约 40 分钟。

每类只写一句提示词，把场景、主体、光线写完就停，不加「高清」「大师作品」这类堆词。堆词会让不同类的提示词长度差太多，结果就没法横向比。这次 5 句提示词字数都在 30 到 45 字之间。

我要测一批文生图模型的稳定性，请帮我把 5 类测试场景写成提示词：

1 画面里有中文文字的店铺招牌（文字必须清晰可读）
2 单人半身特写，自然光
3 三人围桌讨论，其中两人手上有动作
4 同一个角色连续 4 张，要求发型与服装一致
5 手持物品的手部特写（握笔、端杯）

要求：每类只写一条提示词，30 到 45 字，把场景、主体、光线写清就停；不要加「高清」「大师作品」「8K」这类质量堆词，也不要写负面提示词，我要测的是默认水平。

第二步：三人盲评，只判能用或不能用

把 20 张打乱顺序、去掉分类标签，三位评审各自判「能不能直接用在物料上」，不讨论。汇总后取多数，出现 2 比 1 的分歧就拿出来一起看。判完 25 分钟。

两档判定的好处是分歧会自己浮出来。这次 20 张里有 3 张判成 2 比 1，其中 2 张是文字基本能认但有笔画粘连、1 张是手部姿势别扭但不细看看不出。这三张最后统一按「不能用」处理——物料会被放大看，勉强能认的字在成品上就是错字。

这是 20 张待评审的图（已打乱顺序，未标注来源类别）。

请帮我做一次评审辅助：
1. 逐张判「能用 / 不能用」，判据是「能否直接用于对外物料」；
2. 不能用的，指出具体问题落在哪一类：文字、手部、构图、风格、其他；
3. 对文字类，逐张抄出画面里实际显示的字，标注哪个字错了或粘连；
4. 不要评价美观程度，只判可用性。

要求：每张都要给结论，不许写「基本可用」「稍加修饰可用」这类中间态。

第三步：把不可用的按崩点归类，反推提示词与流程怎么补

7 张不可用归类后非常集中：文字 3 张（笔画粘连、错字）、多人手部 2 张（多指、物体与手融合）、同角色一致性 2 张（发型变了、服装色差）。单人特写 4 张和复杂手部特写 4 张全部通过——注意，手部本身没问题，问题出在多人场景里手臂交叠的时候。

补的办法按崩点分开：文字类不要指望模型生成，画面留白、后期排字；多人场景把人数压到 2 人以内，或者只出单人再合成；同角色一致性用参考图锁定，或者干脆一次只出一张、靠人工统一。这三条都不是调提示词能解决的，是流程层要改。

这是本次 20 张图里 7 张不可用的判定记录（含具体问题）。

请按崩点归类并给补法：
1. 把 7 张归到文字 / 多人手部 / 一致性三类，统计各几张；
2. 每类给出两条补法：一条是提示词层能做的，一条是流程层要做的（后期合成、减人数、换参考图）；
3. 指出哪一类是所有提示词都补不了的，需要直接换方式；
4. 给出这类场景下建议的生成倍数（出几张能挑出 1 张可用的）。

要求：补法要具体到能执行，不要写「优化提示词」「多次尝试」；生成倍数用本次实测数据推算。

实测记录

测试条件：5 类场景各 4 张共 20 张，固定提示词不改，含排队约 40 分钟；三位评审独立盲评，25 分钟；汇总归类 15 分钟。合计约 80 分钟。

结果：可用 13 张、不可用 7 张，可用率 65%。7 张的分布是文字 3 张、多人手部 2 张、同角色一致性 2 张。分类看：单人特写 4 张全过，复杂手部特写 4 张全过，另外三类各崩 3、2、2 张。

最反直觉的一处是手部。单独的手持物品特写一张没崩，崩的全是三人围桌、手臂交叠的场景。这说明它的手部能力本身够用，出问题的是多人同时出现时的空间关系。如果按「AI 画不好手」这个印象去规避，反而会误伤本来能用的场景。

最容易错的 3 个地方

第一，中途改提示词。看到某张手崩了就补一句「手部自然」，后面几张肯定会好，但那是你调出来的，不是模型默认水平。要测的是默认水平，一旦中途改，20 张数据就废了。

第二，用评分制。1 到 10 分在小样本上根本不可校准，两位评审能给同一张打 4 分和 7 分。两档判定「能用 / 不能用」，三个人能对得上，出现 2 比 1 的分歧也有明确处理规则。

第三，看到 3 张文字崩就说模型不行。7 张崩点里文字只占 3 张，而且文字本来就不适合交给生成模型。真正该做的是把文字挪到后期，而不是因此放弃整个工具。这次 20 张里 8 张单人场景零失败，可用率是 100%。

可复用的东西

5 类测法：带字招牌、单人特写、3 人互动、同角色连续、手部特写，各 4 张共 20 张，一次看清边界。

两档判定：只判能用 / 不能用，禁中间态，三位盲评取多数，2 比 1 的分歧按「放大看能不能经得起」处理。

固定提示词：30 到 45 字，不加质量堆词，测试期间一律不改。

崩点反推流程：文字挪后期、多人减到 2 人以内、同角色用参考图锁定，这三条都属流程层，不是提示词层。

区分场景看可用率：整体 65%，但单人场景 100%、带字场景 25%，按场景报数字才有参考价值。

如果你也经常要做这件事，欢迎在评论区说说你的卡点和做法；也可以留言告诉我，你想看哪个岗位的哪件活怎么用 AI 拆。

admin 普通

收藏 海报 链接