AI 产品与平台产业与竞争中国科技生态

一次出图可用率不到两成:从字节 Seedream 5.5 看生图模型的真实座次与选型

使用过生图模型的人,尤其是生成过海报或电商配图的人,大都有过这样的体验:你抽卡抽了很长时间终于抽到了一张满意的图,构图不错,光照不错,人物表情也不错,现在只想把左下角的标题改一下,或者让人物戴个眼镜。但常发现 AI 在把标题改对的同时把人脸也改了,甚至把背景和窗框都改了。

11 月 9 日,字节跳动发布了标准版生图模型 Seedream 5.5,后续还会推出定位更高的 Pro 版本。在国内改一张 2K 方图,价格已经降到了 0.28 元左右。这个模型主打连改 100 轮不变形、直接出透明底素材,并且在小字和写实质感上有所改善;配套的平台工具还能把成品海报拆成最多 100 个图层。回顾过去两个月,OpenAI 发布了旗舰 GPT Image 2.6,谷歌升级了 Nano Banana 2.1,德国的 Black Forest Labs 也发布了 FLUX 3 Image。这些公司都在发力局部改图和导出素材。为什么大厂突然都在卷改图呢?在真实的盲测榜单上,字节到底排第几,我们平时用又该如何选择呢?

一次出图不到两成能用,重心为什么转向了改图?

答案就在字节的官方博客里面。他们测试了包括电商、营销、影视在内的 6 种商业场景。官方表示新模型的可用率全面超越上一代,影视和办公场景甚至达到上一代两倍以上。但是综合所有场景来看,上一代一次出图的整体可用率只有 11% 左右,最新的 Seedream 5.5 也只有 18% 左右。

一次成图的可用率不到两成,剩下的八成多都是半成品。最头疼的是大方向是对的,只是错了一个字或少了一个配饰。重新抽卡太费钱费时;塞回模型局部修改,模型每次都会把没让改的区域顺手重算一遍,连改几轮就会出现偏色、人物走样和细节衰减。要想拯救半成品,模型要么在局部修改时锁死其余像素,要么直出透明底 PNG 素材给设计软件去拼。

单次抽卡很难一步到位。入秋以来,各家都在猛补局部改图和素材导出:OpenAI 的新旗舰 GPT Image 2.6 支持在照片上圈画改图;接口还能导出矢量图,或直出动图。德国团队 Black Forest Labs 的 FLUX 3 Image 主打锁住其余画面的多步编辑;擅长商品摄影与曲面贴标的谷歌 Nano Banana 2.1 支持多图参考对话改图。阿里还发了采用非商用研究许可的 Qwen-Image-2.1,免费公开模型文件让你下载到自己电脑运行,同样集成了涂抹选区改图与透明底输出。字节主推多轮改图与透明底直出,走的正是同一条路。

单次抽卡只有约 18% 可用且返工会破坏原图,锁死非编辑区像素才能把大方向做对的半成品修成可用资产

同门视频模型拿了第一,字节的生图模型排老几?

如果要论字节在生图领域的地位,需要区分视频和图片。字节 Seed 团队同时负责视频模型 Seedance 和生图模型 Seedream,支撑即梦、剪映、豆包等应用。视频线今年表现强势,年初登顶盲测榜,随后与好莱坞的美国电影协会签署版权保护协议,近期传闻海外收入占比一半,甚至德国同行发布新视频模型都以 Seedance 2.5 为唯一对标。但静态生图方面,自去年春季 Seedream 3.0 短暂登顶后,如今榜单前列已由美欧厂商占据。

打开独立评测组织 Artificial Analysis 维护的文生图盲测榜,评测员在不知厂商名的情况下对两张图二选一投票,以 1000 分为基准算出等级分。到 11 月 9 日,全球单次生图分成三个清晰梯队。OpenAI 一家包揽前 5 名:刚发的 GPT Image 2.6 精修版和快速版霸占前 2 名,榜首拿到 1259 分,9 月发的 2.5 精修版和快速版分列第 3、第 4 名,第 5 名是更早的 GPT Image 2。第二梯队第 6 到 15 名为美欧厂商主力,包括谷歌 Nano Banana 2.1、微软、xAI、单张仅 1 美分的 Meta Muse Image 和 FLUX 3 Image。

中国厂商的文生图模型大多落在第三梯队。刚发布的 Seedream 5.5 目前还未上榜,字节在榜主力仍是第 18 名的 5.0 Pro;紧挨着的第 19 名是阿里闭源商业版 Qwen-Image-3.0-Pro。但字节旧旗舰的默认标价是谷歌和阿里的两倍多,单次抽卡不划算。阿里的免费公开权重版 Qwen-Image-2.1 排在第 23 名。

如果去看同一机构的图像编辑盲测排行榜,字节的真正强项就露出来了。前 5 名由 OpenAI 的 4 款模型和微软的改图预览版包揽,谷歌的 Nano Banana 2.1 排第 7。字节的 5.0 Pro 在这里拿到了全球第 11 名,排在 Meta Muse Image 和 FLUX 3 Image 前面。它比国内排后面的腾讯混元预览版和 Qwen-Image-3.0-Pro 高出将近 40 分,在这个千分基准榜上拉开明显差距,拿下了国内头名。字节单次生图居二线,但局部改图是强项。距 5.0 Pro 发布 4 个月后,它没有急着更新贵价的 Pro 版,而是先发标准版 5.5 做深改图和小字,顺便把价格打下来。

2026 年 11 月生图模型分成三个梯队,字节在单次生图居二线但在局部改图位居国产头名

小字、透明底和百轮改图,新模型做到了哪一步?

新上线的标准版 5.5 到底成色怎样?OpenAI 的 2.6 刚发 5 天,字节官方评测对比的是上一代 GPT Image 2.5 精修版。中英文和密集小字测试里,两家严重错字率都压在 1% 以内;但字节轻微错字率只有 1.7%,比对手的 7.4% 低了一大截。换成多语种排版,字节海外云平台 BytePlus 公布的 15 种语言小字评测显示,它的得分仍略低于 GPT Image 2.5。画面真实感也要分两头看。从零生成写实新图,官方称它压住了常见的过曝和皮肤油光。但拿已有图片进去修改就不一样了。官方盲测对比数据显示,更多专家认为谷歌 Nano Banana 2.1 画面更真实,字节落后了约 6.2 个百分点。

至于透明底直出和海报拆图层,这两项分别对应生图模型本身和配套的平台工具。直接生成单张透明底 PNG 图片,是生图模型本身这次新增的能力;OpenAI 接口和阿里 Qwen-Image-2.1 此前就已支持。前面提到把海报拆成最多 100 个图层:1 张自动补齐遮挡的底图加上最多 99 张透明图层。这个工具还可以按需识别提取画面文字,是字节旗下即梦和海外平台 BytePlus 的配套功能。直接调基础生图接口不会自动拿到分层文件。在国内媒体的首日实测中,测试者先用新模型画好了透明底的白羽雪鸮和透明艺术字。再把两张透明图丢回模型去拼横版海报时,它依然把鸟的飞行姿态重画走样了。拿到模型画好的干净透明素材以后,不要再扔回大模型去合图;直接塞进 Figma、Photoshop 或代码里固定位置拼终稿,要省心很多。

关于连续改 100 轮不变形的宣传,目前还只是在官方演示视频里看到的效果。字节也没有公开技术报告和百轮改图的量化数据。从刚才的媒体首日实测看,单张出图大约 5 到 10 秒。连续改几轮人物服装和客厅家具,确实保住了人脸和房间透视。但遇到精细结构还是会露怯:人物换装后出现偏长的大拇指;换上黑色长裙后,裙摆与小腿衔接不自然,小腿看着像悬在半空;桌面静物测试里要求改成金色细框眼镜,更是画出了 3 条眼镜腿。此外,定位更高的 Pro 版本目前没有时间表;发布当天,海外 BytePlus 产品页的试用按钮也仍然指向上一代的旧模型。

一边暗涨一边降价,现在做图和接接口该怎么选?

字节选这个时间点降价,还正好撞上了 OpenAI 几天前的一轮变相涨价。OpenAI 接口是按计费单位 token 来定价的,每生成一张图都会折算成相应的 token 数量收费。这次更新 GPT Image 2.6,价目表上的 token 单价没有变动,但独立团队实测 80 张图的账单发现,2.6 快速版在中低画质下单张消耗的 token 大幅增加。跑低画质方图,消耗量涨到 2.5 快速版的 4.2 倍,单张实付从约 0.6 美分涨到 2.5 美分;中画质消耗也涨到 3.3 倍,精修版出图还变慢了。反观字节刚上线的标准版 5.5,海外平台单张起步价压到了 2 美分。国内云平台火山方舟改一张 2K 方图,按输入原图加输出新图两笔费用合计,单次总成本大约只要 0.28 元人民币,折合约 4 美分,还不到上一代 5.0 Pro 的一半。要知道上一代 5.0 Pro 在国际榜单上的默认生图标价高达每张 9 美分,字节这次先上标准版,相当于把日常改图开销砍掉了一半以上。

把价格与优缺点放在一起看,很多公司日常选型就不必死磕一个冠军。如果需要多语种复杂小字或经常跑低画质缩略图,留在旧版 GPT Image 2.5 比升级划算很多;真要用到直出动图、导出矢量图、照片圈画改图或高画质提速时,再升上 2.6 也不迟。如果重视商品摄影和杯身曲面贴标的质感,单张约 3.4 美分的谷歌 Nano Banana 2.1 是可靠的默认选项。如果追求单张 1 美分的超低成本铺量,就选 Meta Muse Image。如果是经常做中文密集小字的信息图或模特局部换装,改图约 0.28 元的 Seedream 5.5 适合放进候选池试水。先用便宜顺手的模型出好局部素材,最后再回设计软件里合成定稿,省钱又少返工。

鸭哥每日手记

日更的深度AI新闻和分析