GPT Image 2 在「咖啡馆桌面物品清点」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：GPT Image 2
- 用例名称：咖啡馆桌面物品清点
- 测试类型：图像生成
- 评测维度：数量控制
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
一个咖啡馆的木质桌面上，摆放着9个物品：2个白色咖啡杯、2个银色勺子、1个玻璃糖罐、1个陶瓷奶壶、1本打开的菜单、1个小型仙人掌盆栽和1个木质纸巾盒
任务要求
AI 模型需要满足以下要求：
- 桌面上须恰好呈现9个物品，不得多余也不得缺失：2个白色咖啡杯、2个银色勺子、1个玻璃糖罐、1个陶瓷奶壶、1本打开的菜单、1个小型仙人掌盆栽、1个木质纸巾盒
- 2个白色咖啡杯须清晰可数且均呈白色杯型；2个银色勺子须清晰可数且呈金属银色质感
- 每个物品须具备可辨认的关键特征：玻璃糖罐须有透明感、菜单须处于翻开状态、仙人掌须有明显刺状纹理、纸巾盒须呈现木质纹理
- 所有物品须摆放于木质桌面之上，物品间比例符合现实尺寸关系，布局自然，不得出现物品悬浮或严重堆叠遮挡导致无法清点的情况
- 画面中不得出现Prompt未指定的额外桌面物品（包括AI幻觉生成的杂物、重影物品）；桌面背景须符合咖啡馆室内场景语境
评测结果
综合得分
该模型在此用例的得分为：97.67 分（满分 100 分），已通过
基础难度评测结果
- 得分：97.67 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这是一张几乎完美完成Prompt要求的AI生成图像。在counting_accuracy维度达到满分，9个物品的类别、数量、特征完全匹配要求；semantic_fidelity维度表现优异，各物品的材质、颜色、形态辨识度极高；spatial_logic_and_scene维度同样出色，空间布局自然且符合真实咖啡馆场景逻辑。图像在细节把控上展现了高水准：玻璃糖罐的透明感、银色勺子的金属光泽、菜单的打开状态和可读内容、仙人掌的刺状纹理、木质纸巾盒的纹理和刻字等关键特征均清晰呈现。唯一极微小的改进空间在于糖罐透明度可以更极致、菜单与勺子间距可稍大，但这些不影响整体的高完成度。该图像成功展示了AI在复杂物品计数和场景还原任务中的强大能力。
进阶难度评测结果
- 得分：84.25 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】该图像在场景氛围营造、物品语义特征呈现和空间布局方面表现优秀，大理石桌面质感真实，咖啡杯大小层次、蛋糕口味区分、餐具形态均准确到位。然而存在致命的计数错误：茶碟数量为4个而非要求的2个（右上花纹碟为多余幻觉物品），导致总数超标至16个。这一错误直接违反了提示词的核心要求「物品总数精确为15个」，严重影响counting_accuracy得分。若修正茶碟数量问题，该图像可达到90+的高分水平。
困难难度评测结果
- 得分：80.67 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这张AI生成图像在氛围营造和语义辨识度方面表现出色，成功呈现了高档咖啡馆的精致质感。然而在严格的物品计数层面存在明显偏差：马卡龙多出1个（3个而非2个）、碟子数量超出（5个而非3个）、第二个咖啡杯缺失。这些计数错误在「测试AI准确识别和计数物品能力」的核心任务目标下属于较严重的失误，拉低了整体得分。空间逻辑和构图质量较高，物品排布自然，遮挡关系符合物理逻辑。综合而言，图像质量上乘但计数精度不足，属于「视觉美观但任务完成度有缺陷」的典型案例。
相关链接
您可以通过以下链接查看更多相关内容：
