图像生成大挑战:ChatGPT vs Gemini 图像模型
大家都在争哪个付费图像模型最好,但几乎没人问大多数人真正想问的问题:哪个免费档才值得你花时间?于是我把同样的五个 prompt 分别跑在 ChatGPT 免费版和 Gemini 免费版上——三个生成测试(写实照片、文字渲染、复杂场景)加两个编辑测试,因为编辑这一步通常是免费工具的翻车重灾区。
总共花了:0 美元。下面是结果。
测试的模型
- ChatGPT(免费版),在对话里生成图像
- Gemini(免费版),在对话里生成图像
两边用同样的五个 prompt、同样的顺序。不重roll、不挑图——第一次出图就算数。
我用的 prompt
- 写实照片: "A Mumbai street chai stall at 6am, steam rising from a cutting chai glass, the vendor mid-pour between two kettles, morning haze, shot on 35mm film, shallow depth of field"
- 文字渲染: "A vintage art deco travel poster for Udaipur with the text 'UDAIPUR' in large letters at the top and 'City of Lakes' in smaller script at the bottom, sunset over Lake Pichola with a palace silhouette"
- 复杂场景: "An isometric cutaway illustration of a cozy Indian apartment: a living room with a full bookshelf, a kitchen where someone is cooking at a stove, a cat asleep on a sunny windowsill, warm evening light, detailed flat illustration style"
- 编辑测试 1(针对奶茶摊那张图): "Change this scene to monsoon rain at dusk - wet street reflections, rain streaks, glowing warm light from the stall - keep the vendor, the stall, and the composition exactly the same"
- 编辑测试 2(针对公寓那张图): "Replace the sleeping cat on the windowsill with a sleeping golden retriever puppy. Change nothing else - same style, same lighting, same room"
任务与结果
Prompt 1——奶茶摊。 ChatGPT 出的图真挺惊艳:摊主正好在两把壶之间倒茶,蒸汽迎着晨光,cutting chai 的杯子装了半杯,身后是一座哥特式 CST 风格建筑配一辆红色巴士——一眼就是孟买,不是那种泛泛的"南亚风"。甚至还有个能看清的印地语招牌写着 "कटिंग चाय 10/-"。Gemini 的版本氛围感和写实度也不错,但摊主是从一把壶往一口锅里倒,这跟我要求的不一样,而且构图更松。赢家:ChatGPT,而且差距明显。
ChatGPT:

Gemini:

Prompt 2——旅行海报。 这题是图像模型的经典杀手,而它确实干掉了一个。ChatGPT 交出了一张像样的竖版海报:顶部大写衬线体的 "UDAIPUR",底部手写体的 "City of Lakes",日落时分的湖上宫殿。零拼写错误。Gemini 的 art deco 构图说实话很漂亮,但标题写成了 "UDAIPUR DAIPUR"——一个重复的乱码词,把整张图都毁了。文字写错的海报就是失败的海报。赢家:ChatGPT,压倒性胜利。
ChatGPT:

Gemini:

Prompt 3——等距视角公寓。 两边都抓住了要点:书架、有人在灶台做饭、猫在窗台上睡觉、温暖的傍晚光线、扁平插画风。ChatGPT 的版本塞满了很真实的印度公寓细节——煤气罐、茶几上的笔记本、空调机。Gemini 的也挺好看,但整张图外面加了一圈海报边框,还写上 "COZY APARTMENT INDIA" 这种我从没要过的字。当我给模型一个详细需求时,它自己加戏就是轻微的不听话。赢家:ChatGPT,险胜。
ChatGPT:

Gemini:

Prompt 4——雨季编辑。 两个工具都保留了摊主、摊位和构图,也都给出了雨、黄昏和湿漉漉的倒影。ChatGPT 的改动更戏剧化——深蓝色的黄昏、密集的雨丝、街道上发光的水面反光——同时还能看出是同一张照片。Gemini 的编辑也很忠实,只是更温和。这是唯一一轮我觉得两边出图都能接受。赢家:ChatGPT,略胜一筹。
ChatGPT:

Gemini:

Prompt 5——猫换狗。 最难的测试,也是 Gemini 唯一干净利落的胜利。Gemini 把睡觉的猫换成了金毛幼犬,别的什么都没动——同样的房间、同样的光线、同样的垫子。ChatGPT 返回的是……还是那只猫,只是稍微重画了一下。它根本没执行这个编辑。当一个工具悄悄无视你的指令、而不是告诉你它做不到,这比失败还糟。赢家:Gemini,压倒性胜利。
ChatGPT:

Gemini:

成本对比表
| ChatGPT 免费版 | Gemini 免费版 | |
|---|---|---|
| 生成(3 次) | $0 | $0 |
| 编辑(2 次) | $0 | $0 |
| 总计 | $0 | $0 |
| 输出水印 | 无 | 有可见的闪光标记 |
老实说有个前提:这既是最大的卖点,也是坑。免费档确实不花钱,但你会被免费带来的限流和排队卡住——如果你生成图像是为了赶工期,那种不稳定本身就是代价。
我的真实结论
比分:ChatGPT 赢 4 次,Gemini 赢 1 次。但这不算碾压,因为 Gemini 赢的那一次,可能是整个测试里最厉害的技术操作。
ChatGPT 免费版是更好的图像生成器,优势明显。三个生成测试里它都更忠实地照我的 prompt 来,它的写实感有种说不清道不明的"等等,这真是 AI?"的味道,文字也渲染得完美——只要用过图像模型,你就知道这至今仍然少见。任何你真正要交付的东西——海报、样机、主视觉图——ChatGPT 的产出基本不需要后期修。
Gemini 免费版是更好的图像编辑器,而且优势很大。猫换狗那一下跟外科手术似的:房间像素级一致、风格完美契合、只改了一处。ChatGPT 完全做不到。如果你的工作流是在已有图上反复迭代、而不是从零生成,那 Gemini 是唯一一个真正像编辑器的免费工具。代价是:它给所有图都打水印、连一个六个字母的城市名都拼不对,还会擅自加你根本没要的创意。
所以结论就是:生成图用 ChatGPT 免费版,编辑图用 Gemini。 要是硬让我只留一个,我留 ChatGPT——大多数人生成的频率远高于编辑,一个照你要求办事的工具,胜过给你"惊喜"的工具。但真正聪明的做法,正是免费档存在的意义:两个都用,各干各擅长的,然后骄傲地花那 0 美元。