GPT Image 2 在「中世纪炼金术士实验室器材盘点」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：中世纪炼金术士实验室器材盘点
- 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：
生成一个中世纪炼金术士的实验室场景。 场景要求： 1. 包含恰好9个不同的炼金术器材 2. 器材应该放置在石质工作台上 3. 环境昏暗，有烛光照明 请确保每个器材都清晰可见且易于计数。
任务要求
AI 模型需要满足以下要求：
- 图像中必须包含恰好9个炼金术器材，数量不多不少，且每个器材需清晰可见、可被独立计数（如蒸馏瓶、坩埚、量杯、研钵、烧瓶、沙漏、试管、羊皮纸卷、蜡封瓶等中世纪风格器材均可）
- 所有炼金术器材须放置于石质工作台上，工作台材质应呈现明显的石质纹理（如粗糙石面或砖石拼接），器材不得悬空或嵌入台面
- 场景整体光照昏暗，主要光源为烛光，画面中需有可识别的蜡烛或烛台，光影效果（暖黄色调、阴影方向）应与烛光位置保持逻辑一致
- 每个器材的轮廓需完整清晰，避免器材之间严重遮挡或堆叠，确保观察者可逐一辨认并计数所有9个器材
- 场景中不得出现任何现代科学仪器或材料（如塑料制品、电子设备、金属试管架等），所有元素须符合中世纪炼金术的历史风格
评测结果
综合得分
该模型在此用例的得分为：91.67 分（满分 100 分），已通过
基础难度评测结果
- 得分：91.67 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】这是一张完成度极高的AI生成图像，核心要求「恰好9个炼金术器材」得到完美实现，场景环境的中世纪炼金术风格还原准确，烛光照明氛围营造专业。图像在数量精确性、历史风格一致性和视觉清晰度三方面均表现优异。主要问题在于量杯刻度的现代化处理与历史背景存在轻微冲突，以及工作台石质纹理略显过于平整。整体而言，该图像在满足提示词明确要求的基础上，展现了较高的艺术表现力和技术完成度。
进阶难度评测结果
- 得分：92.25 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】这是一张完成度极高的中世纪炼金术实验室场景图像。模型精确实现了15个物品的计数要求，器材类型多样性远超预期（7种），空间布局层次分明且风格还原度优秀。正在进行的实验装置（火焰加热蒸馏器、发光反应液体）清晰可辨，石墙、木架、哥特窗、烛光等元素完美营造出中世纪氛围。主要扣分点集中在：右侧架子物品排列过于规整缺少使用感、部分区域存在轻微过曝或暗部细节不足。整体而言，这是一张在计数准确性、类型多样性、风格还原方面表现优异的高质量生成图像，仅在视觉细节打磨上有微小提升空间。
困难难度评测结果
- 得分：83.67 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】这是一张视觉质量较高的中世纪炼金术工作室图像，氛围营造、材质表现和场景分区均达到较高水准。然而最核心的「精确计数」要求存在明显偏差——图例标注了27个物品而非要求的23个，且分类体系存在逻辑混乱（重复编号、分类重叠）。这一问题直接影响了instruction_following_count维度的得分。视觉质量和风格准确性表现优秀，但物品数量控制和分类精确性是AI在此类精确计数任务中的典型短板。
相关链接
您可以通过以下链接查看更多相关内容：
