作者｜子川

來(lái)源｜AI先鋒官

昨天，美團(tuán) LongCat 團(tuán)隊(duì)正式發(fā)布并開(kāi)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(gè)行業(yè)基準(zhǔn)測(cè)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(jì)最大的好處就是，你可以對(duì)同一張圖進(jìn)行多輪編輯，而不會(huì)出現(xiàn)風(fēng)格漂移和結(jié)構(gòu)失真的問(wèn)題。

先看一下跑分成績(jī)——

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(dá)到開(kāi)源SOTA水平，甚至逼近頭部閉源模型！

同時(shí)在中文文字生成任務(wù)中，ChineseWord評(píng)測(cè)以90.7分的成績(jī)大幅領(lǐng)先所有參評(píng)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(shí)際效果到底如何，老規(guī)矩，我們實(shí)測(cè)一下。

此次給它挑選的對(duì)手是最近非?；鸨覅?shù)同為6B的Z-Image圖像生成模型。

不過(guò)由于Z-Image可以圖像編輯模型還未發(fā)布，所以我們先對(duì)比文生圖功能，然后再單獨(dú)實(shí)測(cè)LongCat-Image的圖像編輯功能。

為了讓測(cè)試成績(jī)更準(zhǔn)確，每款模型生成4次取最好的那一次。

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

LongCat-Image:

Z-Image-Turbo:

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

相比之下，LongCat-Image生成的人物AI感較強(qiáng)。

提示詞：手帳風(fēng)格，標(biāo)題“白菜炒粉絲”，出一個(gè)白菜炒粉絲制作步驟過(guò)程教程圖，步驟說(shuō)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(diǎn)滿滿，先看LongCat-Image，它的最大槽點(diǎn)就是文字很少，同時(shí)在炒白菜的過(guò)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(shí)的邏輯。

Z-Image-Turbo也有不少槽點(diǎn)，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(yǔ)句邏輯不通，沒(méi)有達(dá)到教程圖的實(shí)用標(biāo)準(zhǔn)。

提示詞：瘋狂動(dòng)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(lán)紅相間的條紋領(lǐng)帶，下身穿著卡其色長(zhǎng)褲，表情帥氣壞笑。朱迪有著灰色的毛發(fā)和紫色的眼睛，長(zhǎng)耳朵高高豎立，身穿深藍(lán)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(ài)。 兩人并肩坐在一個(gè)巨大的、懸浮的“小紅書(shū)”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?fù)ё≈斓系募绨?，另一只手握著智能手機(jī)大幅度伸出畫(huà)面最前方，以45度角高舉進(jìn)行自拍（魚(yú)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(ài)的瞬間。 畫(huà)面核心是一個(gè)巨大的小紅書(shū)風(fēng)格社交媒體相框。UI界面還原小紅書(shū)經(jīng)典布局：左下角有滾動(dòng)的文案標(biāo)題，右側(cè)豎排懸浮著“?”、“?”、“評(píng)論氣泡”和“轉(zhuǎn)發(fā)箭頭”圖標(biāo)。頂部顯示用戶名“尼克&朱迪”，帶有熱門標(biāo)簽話題（如 ）。 3D皮克斯動(dòng)畫(huà)電影風(fēng)格，Unreal Engine 5渲染，8K超高清畫(huà)質(zhì)。毛發(fā)呈現(xiàn)纖維級(jí)細(xì)節(jié)，光線追蹤技術(shù)，柔和的自拍補(bǔ)光燈效果打在兩人臉上，背景是虛化的瘋狂動(dòng)物城多彩街景與夢(mèng)幻光斑。色彩明亮鮮艷，高飽和度，強(qiáng)調(diào)社交媒體的網(wǎng)感與糖果色調(diào)，極具視覺(jué)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(diǎn)像是盜版尼克和朱迪。

提示詞：最佳畫(huà)質(zhì)，新中式美食宣傳海報(bào)，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(rùn)湯汁通透有光澤，勁道面條呈飛濺動(dòng)態(tài)，大塊牛腩紋理清晰、番茄片鮮活懸?。槐尘按钆渖n勁黑色書(shū)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(yíng)造鮮香誘人、傳統(tǒng)與現(xiàn)代融合的美食氛圍，細(xì)節(jié)豐富（湯汁的水潤(rùn)質(zhì)感、牛肉的肌理層次、食材動(dòng)態(tài)的生動(dòng)性）。

LongCat-Image:

Z-Image-Turbo:

這組測(cè)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(xì)節(jié)打磨上更為好。

字體的融入感更強(qiáng)，沒(méi)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(xì)節(jié)還原到位，更符合商業(yè)美食海報(bào)的審美標(biāo)準(zhǔn)。

提示詞：以復(fù)古票據(jù)為原型的國(guó)潮設(shè)計(jì)畫(huà)面，白色底色有民國(guó)懷舊氛圍，外圍是繁復(fù)金色元寶錢幣花紋邊框，財(cái)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(huà)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(diǎn)綴，底部有英文‘PROSPERITY IN FINANCIAL RESOURCES’和灑金色篆刻印章。造夢(mèng)師的詩(shī)意視覺(jué)風(fēng)格，國(guó)潮，全景鏡頭，復(fù)古、潮趣氛圍，中西融合、細(xì)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(cuò)誤。

不過(guò)LongCat-Image 也不輸，雖然從視覺(jué)上看，沒(méi)有Z-Image-Turbo那么精美，但其整體風(fēng)格統(tǒng)一，有一種獨(dú)特的復(fù)古粗糲感。

下面我們?cè)賮?lái)測(cè)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(jìn)行上色處理

從最終呈現(xiàn)的效果來(lái)看，十分不錯(cuò)，顏色的搭配都十分符合漫畫(huà)的風(fēng)格。

文字修改

將圖片中的文字“就做一陣風(fēng)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(guò)稍微有點(diǎn)小遺憾的是，新文字的字體和顏色沒(méi)有完全還原原來(lái)的設(shè)計(jì)。

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(bǔ)全得特別自然，完全看不出原本這里有水印。重點(diǎn)是，畫(huà)質(zhì)一點(diǎn)都沒(méi)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(méi)有變化，連小狗的毛發(fā)細(xì)節(jié)完全沒(méi)變，這要說(shuō)明 LongCat-Image一致性非常強(qiáng)悍。

總體體驗(yàn)下來(lái)，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(kāi)源，同時(shí)已經(jīng)在APP和網(wǎng)頁(yè)上新，感興趣的可以去試玩一番！

掃碼邀請(qǐng)進(jìn)群，我們帶你一起來(lái)玩轉(zhuǎn)ChatGPT、GPT-4、文心一言、通義千問(wèn)、訊飛星火等AI大模型，順便學(xué)一些AI搞錢技能。