美團開源 LongCat-Image 圖像生成模型，實測pk同參數(shù)阿里Z-Image！

作者｜子川

來源｜AI先鋒官

昨天，美團 LongCat 團隊正式發(fā)布并開源 LongCat-Image 模型。

據(jù)介紹，LongCat-Image此次參數(shù)只有6B，但在文生圖和圖像編輯能力在多個行業(yè)基準測試中表現(xiàn)優(yōu)異！

LongCat-Image采用了文生圖與圖像編輯同源的統(tǒng)一架構(gòu)。

這種設(shè)計最大的好處就是，你可以對同一張圖進行多輪編輯，而不會出現(xiàn)風格漂移和結(jié)構(gòu)失真的問題。

先看一下跑分成績——

在圖像編輯任務(wù)中，ImgEdit-Bench得分4.50分，GEdit-Bench中英文得分分別為7.60/7.64分，都達到開源SOTA水平，甚至逼近頭部閉源模型！

同時在中文文字生成任務(wù)中，ChineseWord評測以90.7分的成績大幅領(lǐng)先所有參評模型

文生圖任務(wù)中，GenEval 0.87分，與Qwen-Image持平，DPG-Bench 86.8分，基礎(chǔ)生圖能力同樣在線。

那LongCat-Image的實際效果到底如何，老規(guī)矩，我們實測一下。

此次給它挑選的對手是最近非常火爆且參數(shù)同為6B的Z-Image圖像生成模型。

不過由于Z-Image可以圖像編輯模型還未發(fā)布，所以我們先對比文生圖功能，然后再單獨實測LongCat-Image的圖像編輯功能。

為了讓測試成績更準確，每款模型生成4次取最好的那一次。

提示詞：時尚半身人像，藝術(shù)，短發(fā)女性佩戴黑色粗框眼鏡，黑色無袖高領(lǐng)衫與銀色耳釘形成冷調(diào)組合，明黃色背景強烈撞色，細膩筆觸刻畫油潤肌膚質(zhì)感，面部特寫突出自信眼神，手指纖細，幾何線條勾勒前衛(wèi)造型，融合街頭文化元素，動態(tài)抓拍

LongCat-Image:

Z-Image-Turbo:

對比結(jié)果一目了然。Z-Image-Turbo在寫實人像的表現(xiàn)上展現(xiàn)了壓倒性的優(yōu)勢，光影自然，人物神態(tài)極具真實感。

相比之下，LongCat-Image生成的人物AI感較強。

提示詞：手帳風格，標題“白菜炒粉絲”，出一個白菜炒粉絲制作步驟過程教程圖，步驟說明要清晰，中文字幕，最后展示成品圖

LongCat-Image:

Z-Image-Turbo:

這兩張圖，可謂是槽點滿滿，先看LongCat-Image，它的最大槽點就是文字很少，同時在炒白菜的過程中，它放入了很多白菜，但是最后的成品，白菜很少，不符合現(xiàn)實的邏輯。

Z-Image-Turbo也有不少槽點，首先是在粉絲炒白菜這道菜中加入了雞蛋，憑空增加了提示詞中未提及的雞蛋。

此外，其文字生成能力尚不穩(wěn)定，字形模糊且語句邏輯不通，沒有達到教程圖的實用標準。

提示詞：瘋狂動物城角色，尼克狐與朱迪兔。尼克有著橙紅色的毛發(fā)，身穿經(jīng)典的綠色棕櫚葉印花短袖襯衫，系著藍紅相間的條紋領(lǐng)帶，下身穿著卡其色長褲，表情帥氣壞笑。朱迪有著灰色的毛發(fā)和紫色的眼睛，長耳朵高高豎立，身穿深藍色的ZPD警官制服背心，佩戴銀色警徽，腰帶裝備齊全，神態(tài)甜美可愛。 兩人并肩坐在一個巨大的、懸浮的“小紅書”APP界面相框底部邊緣。突破次元壁構(gòu)圖，角色的雙腿懸空并伸出相框平面之外，尼克的一只手親密地摟住朱迪的肩膀，另一只手握著智能手機大幅度伸出畫面最前方，以45度角高舉進行自拍（魚眼透視感）。朱迪身體緊緊依偎著尼克，抬頭看向鏡頭甜笑，展示甜蜜秀恩愛的瞬間。 畫面核心是一個巨大的小紅書風格社交媒體相框。UI界面還原小紅書經(jīng)典布局：左下角有滾動的文案標題，右側(cè)豎排懸浮著“?”、“?”、“評論氣泡”和“轉(zhuǎn)發(fā)箭頭”圖標。頂部顯示用戶名“尼克&朱迪”，帶有熱門標簽話題（如 ）。 3D皮克斯動畫電影風格，Unreal Engine 5渲染，8K超高清畫質(zhì)。毛發(fā)呈現(xiàn)纖維級細節(jié)，光線追蹤技術(shù)，柔和的自拍補光燈效果打在兩人臉上，背景是虛化的瘋狂動物城多彩街景與夢幻光斑。色彩明亮鮮艷，高飽和度，強調(diào)社交媒體的網(wǎng)感與糖果色調(diào)，極具視覺沖擊力。

LongCat-Image:

Z-Image-Turbo:

同樣很直觀，Z-Image-Turbo依舊勝出，LongCat-Image輸出的一點像是盜版尼克和朱迪。

提示詞：最佳畫質(zhì)，新中式美食宣傳海報，暖色調(diào)柔和光影烘托氛圍，中心呈現(xiàn)粗陶碗盛裝的番茄牛肉面（紅潤湯汁通透有光澤，勁道面條呈飛濺動態(tài)，大塊牛腩紋理清晰、番茄片鮮活懸浮）；背景搭配蒼勁黑色書法字體“自然番茄 酸鮮帶勁”，輔以“中華原湯牛肉面系列”印章元素增添傳統(tǒng)感；整體營造鮮香誘人、傳統(tǒng)與現(xiàn)代融合的美食氛圍，細節(jié)豐富（湯汁的水潤質(zhì)感、牛肉的肌理層次、食材動態(tài)的生動性）。

LongCat-Image:

Z-Image-Turbo:

這組測試主要考察模型的商業(yè)排版與材質(zhì)渲染能力。兩者在構(gòu)圖上是一樣的，但Z-Image-Turbo在細節(jié)打磨上更為好。

字體的融入感更強，沒有突兀的貼圖感；牛肉與湯汁的質(zhì)感處理得更加誘人，光澤度與紋理細節(jié)還原到位，更符合商業(yè)美食海報的審美標準。

提示詞：以復古票據(jù)為原型的國潮設(shè)計畫面，白色底色有民國懷舊氛圍，外圍是繁復金色元寶錢幣花紋邊框，財神爺圖案，頂部和底部有英文‘WEALTH ARRIVES UNEXPECTEDLY’，中間拱起‘MAY YOU PROSPER’，兩側(cè)豎排英文‘UNLIMITED MONEY’，畫面核心是粗獷黑筆少許金粉寫的‘暴富符’，周圍有豎排小字“急急如律令”和道家符咒點綴，底部有英文‘PROSPERITY IN FINANCIAL RESOURCES’和灑金色篆刻印章。造夢師的詩意視覺風格，國潮，全景鏡頭，復古、潮趣氛圍，中西融合、細節(jié)豐富修飾。

LongCat-Image:

Z-Image-Turbo:

這兩張圖，可以看得出Z-Image-Turbo在排版方面非常精致，但文字方面又有錯誤。

不過LongCat-Image 也不輸，雖然從視覺上看，沒有Z-Image-Turbo那么精美，但其整體風格統(tǒng)一，有一種獨特的復古粗糲感。

下面我們再來測試一下LongCat-Image的圖像編輯能力，畢竟編輯能力才是主打。

圖片上色

給下面的圖片進行上色處理

從最終呈現(xiàn)的效果來看，十分不錯，顏色的搭配都十分符合漫畫的風格。

文字修改

將圖片中的文字“就做一陣風吧 有溫柔也有英勇”改成“世界這么大，我想去看看”。

改字功能很方便，一鍵就能把文案換成“世界這么大，我想去看看”。

不過稍微有點小遺憾的是，新文字的字體和顏色沒有完全還原原來的設(shè)計。

去除水印

去除下面圖片的水印

水印去得干干凈凈，而且背景補全得特別自然，完全看不出原本這里有水印。重點是，畫質(zhì)一點都沒被壓縮。

更換物品

將小狗的帽子改成貝雷帽

還有替換物體，除了帽子變了之外，其他的東西都沒有變化，連小狗的毛發(fā)細節(jié)完全沒變，這要說明 LongCat-Image一致性非常強悍。

總體體驗下來，LongCat-Image的文生圖不如最近爆火的Z-Image-Turbo，但其圖片編輯能力表現(xiàn)十分不俗，特別是是一致性方面。

目前LongCat-Image已正式發(fā)布并開源，同時已經(jīng)在APP和網(wǎng)頁上新，感興趣的可以去試玩一番！

掃碼邀請進群，我們帶你一起來玩轉(zhuǎn)ChatGPT、GPT-4、文心一言、通義千問、訊飛星火等AI大模型，順便學一些AI搞錢技能。