GPT Image 2 在「考古发掘现场文物标记系统」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：考古发掘现场文物标记系统
- 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：
生成一个考古发掘现场的俯视图 场景要求： 1. 显示一个正在发掘的考古方格区域 2. 包含9个已发现的文物，用不同颜色的标记旗标注 3. 文物类型包括：陶片（红旗）、石器（蓝旗）、骨器（黄旗） 每种类型各3个，分布在不同位置
任务要求
AI 模型需要满足以下要求：
- 生成严格俯视角度的考古发掘现场图，视角垂直向下，不得出现明显透视倾斜
- 画面中须包含清晰划定边界的考古方格（探方）区域，边界可用绳线、木桩或网格线表示
- 在方格区域内共放置9个标记旗，分为三种颜色：红色旗3个（代表陶片）、蓝色旗3个（代表石器）、黄色旗3个（代表骨器）
- 三种颜色须色相明确区分，红/蓝/黄饱和度充足，避免颜色相互混淆或与土壤背景色接近
- 9个标记旗须分散分布于方格区域的不同位置，避免同色或不同色标记过度聚集于单一区域
- 建议通过图例、标注或旗帜颜色与文物实物的视觉关联，体现颜色与文物类型的对应关系
- 整体画面应具备考古现场的真实感，背景以土壤/泥土质感为主，标记旗与背景之间须保持足够的视觉对比度
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，几乎完美地实现了提示词的所有核心要求。9个标记旗的数量、颜色分类（红/蓝/黄）、文物类型对应（陶片/石器/骨器）以及每种类型各3个的精确配置均无偏差。3×3方格布局规范，俯视视角严格，空间分布均匀合理。画面还超出基本要求地呈现了专业考古现场的细节（信息牌、指北针、工具等），增强了真实感。唯一的轻微不足在于黄色旗帜在明亮土壤背景下的对比度略低，以及个别旗帜因光照条件导致的饱和度微弱波动，但这些瑕疵不影响整体的高完成度。综合来看，这是一张在指令遵循、逻辑构图和视觉清晰度上都表现优异的生成结果。
进阶难度评测结果
- 得分：67.33 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】该图像在场景专业性与空间布局方面表现较好，发掘方格数量、专业道具配置及土层质感均达到或超出提示词要求，展现了较高的考古现场还原度。然而，核心问题在于「指令遵循准确性」严重不足：旗帜颜色与文物类型的对应关系无法验证（旗帜仅标注数字而非文物类型），部分颜色识别困难（紫色与蓝色混淆），且遮挡效果未达到明确要求。这些问题直接影响了提示词的核心测试目标——「测试AI在考古场景中准确识别和计数不同类型文物标记的能力」。综合来看，图像在视觉呈现上具备专业水准，但在精确执行提示词的关键指标（颜色-文物对应、数量分配、遮挡效果）方面存在明显缺陷，导致整体评分偏低。
困难难度评测结果
- 得分：74.0 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】该图像在空间构建与场景专业性方面表现优秀，成功呈现了多层次考古发掘现场的立体感与工作逻辑，但在核心任务「23个文物标记的准确呈现」上存在严重不足。标记旗帜总数缺失约30%，且紫色、白色旗帜无法有效识别，直接导致7种颜色类型无法完整验证。这使得提示词的核心测试目标「AI在复杂场景中准确识别和计数不同类型文物标记的能力」无法被充分评估。尽管视觉逻辑与空间深度维度得分较高，但指令完成度的重大缺陷拉低了整体表现，最终得分受限于标记系统的不完整性。
相关链接
您可以通过以下链接查看更多相关内容：
