即梦 Seedream 5.5 与 MiniMax H3-Image 同题实测,复刻《持械入宋》四维对比
若投100万复刻《持械入宋》,两大国产新图模,你Pick 谁?
- 1作者用同一批提示词实测即梦 Seedream 5.5 与 MiniMax H3-Image,复刻《持械入宋》场景做四维对比
- 2结论是路线不同,Seedream 5.5 强在审美构图、文字结构和逻辑自洽,复杂题能一次出可交付的图
- 3MiniMax H3-Image 强在真实感、细节密度、放大清晰度,10 秒可生成 16MP 大图,并有开放权重和更低价格
- 4实测两款模型世界知识都不足,NBA 海报胡编乱造,宋代剧照还原缺少兜鍪等时代细节
两款模型是路线之分而非强弱之分,选型实质是在设计可交付能力与真实摄影感加开源低成本之间做取舍。
- 影响:带字海报、主视觉和透明分层素材可优先考虑 Seedream 5.5,直接进设计流程的可用率较高;重真实摄影感或想开源自部署控成本,H3-Image 的开放权重和低价有吸引力;两模型世界知识都欠缺,涉及史实或具体赛事的图仍需人工把关。
- 参考:可考虑按物料类型分路试点,让设计团队用 Seedream 5.5 跑带字海报和透明分层素材,用 H3-Image 测真实摄影类内容;值得先算一笔开源自部署与按张调用的成本账,再定采购组合。
- 依据:判断来自作者同批提示词的实测与贴图对比;严重文字崩坏率 0.4%、轻微 1.7% 为官方口径暂无独立验证,优劣势结论以作者实测描述为准。
同一批提示词,两个刚发布的国产图像模型:即梦 Seedream 5.5 与 MiniMax H3-Image。用《持械入宋》这类电影级场景复刻,从美学构图、真实感、物理逻辑到文字还原四个维度比,结论是路线不同,选谁看你缺什么。

可修改一百次?像素级更改与锁定?秒出壁纸级好图?
最近国产图片也开始拿出杀手锏,最典型的就是刚刚撞期发布的即梦 Seedream 5.5 和 MiniMax H3-Image,拿出了不输给GPT 2.5 Image的新图像模型。

现在抖音上大火的《持械入宋》已经超过120亿播放,囿于此前的图像模型,整体并没有强调电影级大片品质,于是我们就想用新出的模型来挑战几个场景复刻。
11月9日和10日,字节Seed与MiniMax前后脚发布的Seedream 5.5 和 MiniMax H3-Image,我们第一时间进行了测试。
Seedream 5.5 号称可以做到上百次修改而不崩坏,可以直出透明素材、画面图层拆分;MiniMax H3-Image 则是可以 10 秒生成 16MP(大于 4K)大图、开放权重和更低的价格。
我们使用同样的提示词生图做对比,看哪方表现更好。重点考核模型的美学与构图、真实感与细节密度、物理逻辑自洽、文字与信息还原,每个维度用两三组实测案例说话。
据主创团队介绍,《持械入宋》是算力投入在100万元左右。重生之投你百万复刻系列,我们在有限《持械入宋》几张新出图方面,对两家新模型做了同题测试,在其他更多场景测试中,大家也表现出了不同的风格差异化路线。
一、美学与构图的第一重考验
现在全球图像模型感觉兵分两路,一路是GPT Image为代表的语义遵循派,出图精准且设计精良;另一派则是Midjourney为代表的古早美学派。
国产模型对标的是GPT Image路线,但是这一代在美学与构图上也进步很多,利用最近大火的《持械入宋》海报作为对比,我们看看新模型的表现会怎么样。

原图海报
1、电影海报SD 5.5略胜一筹
这次短剧海报的提示词,我直接让大模型根据原海报转录出来,可能细节描述的不够精细,但是没想到生成的海报质量还不错。
Seedream 5.5生成的这张图,最明显的变化,是原海报的人物AI味没有了,更像是真人实拍感。画面整体品质和细节也更丰富,远景和近景的层次也更好。

电影海报 · Seedream 5.5 直出(无参考图)
有参考图的情况下,SD 5.5生成的海报效果还能更好。

电影海报 · Seedream 5.5 直出(有参考图)
MiniMax H3-Image生成的海报,过度曝光的感觉,人物味和油腻感还是有,布局层次感不突出,仿佛都在一个图层。优点可能是金色字体泼粉感比较强烈。

电影海报 · MiniMax H3-Image 直出
2 电影CG镜头同样S D胜出
在生成电影CG镜头方面,S D 5.5整体的图片逻辑还可以,问题是后摇臂、排气、轮毂放大后糊成一团,是「意会」出来的机械结构,而不是真实的机械结构,不过在无参考纯文字的情况下,这个表现尚可了。

电影CG镜头 · Seedream 5.5 直出
MiniMax H3生成的这张图没有什么逻辑上的问题,摩托车的细节控的非常好,只是从整体上来看,这更像是白天下雨了,天空过于亮了,偏离了提示词“雨夜”“大桥”“摩托车”的框架。
同样从三方面来看,MiniMax 更偏向于真实性。调色、审美、构图方面有所欠缺,但是也是一张尚可的图。

电影CG镜头 · MiniMax H3-Image 直出
3 美学摄影难分仲伯
现在图模生成以假乱真的图都很在行,所以这次重点考验混合色温与体积光,这些稍微上点难度的图。
我在网上找了喜欢的摄影风格的图片,提取了里面的构图、滤镜、光影结构的提示词,交给 H3-Image,让它自由发挥生成 3 张真实摄影。
MN H3生成出来的图强烈明暗对比,局部束光,真实感很强烈,很有纪实胶片颗粒、电影感人文氛围感。



真实摄影 · MiniMax H3-Image 直出
而Seedream 5.5这里也不差,这是一张考验混合色温和体积光的生成图,写实摄影,湿石板路同时映出两种色温且过渡自然,路面水洼中倒影不变形,很有老街的感觉。

混合色温与体积光 · Seedream 5.5 直出
二、真实感与细节密度:放大之后还剩什么
现在图模生成一张以假乱真的照片图,基本都不存在什么难度,所以我们也加大测试力度,用更多物体和更多细节测评图像能力。
1 五种材质的商品静物考核
这一组依照两家模型不同的升级点,区分五种材质,写实静物。
Seedream 5.5 这次升级改善了光照、材质表现能力,这张图就体现出来了这次升级的重点。生成的图表现出了玻璃的折射光、液体的聚光,纤维布上、壶上的水渍这些细节也做的很不错。
Seedream 5.5 的构图很有艺术感,小瑕疵就是金属上的纹理被模糊掉了,精修有点修过头了,磨皮磨掉了纹理。


商品静物 · Seedream 5.5 直出
MiniMax H3-Image 用同样的提示词,生成的图没有很强的艺术感,没有特意的角度和布景,就像是把东西摆放在一起,日常随手拍。
但随机高频纹理很真实,亚麻的毛边、粗陶的铁点斑、深色木纹、黄铜勺头的揉金反光,放大后都还在。
光影关系非常统一,左上硬窗光,陶杯、勺子、罐子在布上的投影都朝右下,边界硬度一致,杯口椭圆、把手连接、水位透视都正常。
问题在罐底、陶杯底与麻布之间:都缺接触阴影和压痕,不太自然,物体像贴在布上;黄铜勺不像是日常会出现的款式,更像是个半成品。


商品静物 · MiniMax H3-Image 直出
2 从静物到主视觉,各有特色
这次官方更新文档中,Seedream 5.5 官方给出的升级点是原生 RGBA 透明素材:直接出带 Alpha 通道的透明/半透明图,支持素材分层输出、免抠图、透明艺术字、跨场景复用。
实测这些点也比较实用,让 Seedream 5.5 给出 6 个透明素材,除主体外是透明的,这次的分层输出素材很归整,没有边缘漏液,精细处理轮廓边缘和透明区域。
再用这 6 个透明素材制作主视觉宣传,拼四种版式。新的升级点可以让生成元素作为独立素材进入后续设计流程,达成可交付的成品。Seedream 5.5 的跨场景复用和可用率都比较高。

透明素材拼版主视觉 · Seedream 5.5

原生 RGBA 透明素材 · Seedream 5.5
MiniMax H3 这边的主打是开源模型中最强指令遵循,最多 16 张参考图。我给 H3-Image 喂了 16 张参考图(色卡、门店、包装、模特、光影片、竞品…)一次出主视觉。
但是 H3-Image 反馈给我的图不是一个可以交付的图,甚至不是一个好的主视觉图,很多图里面的元素都没有用进去,H3-Image 的多图理解能力还是需要加强的。

16 张参考图一次出主视觉 · MiniMax H3-Image
3 人物镜头MN更真实
MM H3这次的升级中,强调了丰富细节与真实感,这张生成的真实摄影也确实体现了 H3-Image 的真实感,像一张没有修过的纪实肖像。
墙上的裂痕,纱帘的材质、褶皱,屋里的明暗交界处理的都非常好,很像不经意拍出来的感觉。
人物的皮肤质感、毛发的细腻程度、面部折叠度,脸上高光到暗处的过渡,衣服的纤维都很好的表现出来,而且整体图片的像素会更清晰一点。

人物镜头 · MiniMax H3-Image 直出
SD 5.5和上面是同一个提示词,MiniMax H3-Image 像是随手抓拍的,这张像是摄影师布景拍摄的。
这张图完美契合了 Seedream 5.5 的升级点,右窗侧逆光、右肩轮廓光,高光向暗处过渡合理自然、面部柔光填充,光向自洽,审美几乎完美。
皮肤没有蜡感油亮,脸上没过曝,契合了官方发布减少油亮过曝的升级点,光线逻辑合理,紫帘褶皱和黄墙的材质关系成立。
设计的很好看,只是真过于完美反倒显得不真实:仔细看还能看到图中人物皮肤纹理和小疙瘩,但是整体精雕下,皮肤纹路少,能看出一点点的AI味。

人物镜头 · Seedream 5.5 直出
三、物理与光学逻辑大比拼
现在图片模型实际应用场景中,不只是平面设计,也涉及到游戏设计、3D设计等商业场景中的考核,所以我们也分别测试。
1、3D游戏场景
这次MiniMax生成的图生在逻辑和细节,霓虹、雨、透明斗篷上淌着整座城市的反光、青色光刃,赛博朋克该有的全有。游戏视角、UI 设计,雨披上的雨点很细节。
但是招牌上的字没真写对,都是远看像日文、近看是一堆笔画的伪文。

3D游戏场景 · MiniMax H3-Image 直出
Seedream像一张真正的游戏截图,左下血条、右下弹药数、一个状态小人,中间让出一大块湿漉漉的街道纵深;镜头是平视的,地面是脏的,有积水颗粒和一团蒸汽。
这些东西都不抢戏,让你相信镜头后面坐着个正在打游戏的人。
但是弯刃和右下一直划到腰间的那道大白弧线对不上,不像挥砍轨迹,倒像有人在画面上补了一笔。逻辑生成上出现重大Bug。

3D游戏场景 · Seedream 5.5 直出
2 光学逻辑与镜像测试
MiniMax生成的图中,镜里确实出现了反写的「ΓЯ」,说明模型懂镜像字,这很难得;但同一组镜中标签里还夹着一个正写的「R7」,一正一反自相矛盾。壶嘴方向对(实物朝右、镜中朝左)。
图中有柔光、几乎无影,物体与台面接触偏浮;白色几何体、金属壶、红酒的质感细腻,留白舒服、色调高级。

镜像测试 · MiniMax H3-Image 直出
Seedream:前景立方体上「R7」正写,镜中两处都是反写的「ΓЯ / 7R」,字形干净、没有乱码。
文字在镜里必须左右翻转,这是超纲难点,它过了。对应上官方主打的「复杂字形还原」和第三方实测的 19/20 vs 12/20。
图中一块白色亮窗,台面上落下清晰硬投影,镜子里也反射到同一块亮窗——光源、影子、镜像三者自洽。

镜像测试 · Seedream 5.5 直出
3 多轮编辑
SD 5.5这次更新,号称百次编辑主题细节不丢失,我们测试几轮次,确实能好保持细节不变,GPT image 2.5编辑一次噪点增加一次,这方面是国产模型的优势。
四、文字与贴图结合
1 外刊报纸与图解小字MN胜
Seedream 官方把文字结构列为核心升级,给了严重文字崩坏率 0.4%、轻微 1.7%,并明确说对比 GPT Image 2.5 Sunburst、Nano Banana 2.1 在“文字结构、文生图真实感”领先。
那么外刊海报和图解小字更可以体现一个模型的文字崩坏率。
我们实测中,SD5.5 从这个生成的外刊报纸来看,版式、格局都很有设计和复古感,单词很多但是没有出现崩坏现象,标点符号也没有乱用错用现象,充分体现了文字结构的核心升级点。

外刊报纸 · Seedream 5.5 直出
本题借了 Seedream 官方自己用的蓝闪蝶图解母题,但改成纯文生图,图解小字都没有崩坏,没有错别字,对复杂字形还原更准确。

蓝闪蝶图解 · Seedream 5.5 直出
MiniMax:同样的外刊报纸,H3-Image 选择做旧款报纸,有 19 世纪风格,文字部分很聪明做成大字号的,所以也没有崩坏,只有底部偏小的字母有虚化。优点在于放大足够清晰,像素高。

外刊报纸 · MiniMax H3-Image 直出
同样蓝蝶案例,因为是图解、小号字,从这就能看出差别:汉字崩坏,出现被晕化现象,文字还原不准确,但这也不是此次升级的侧重点,所以可以原谅。
值得提的是放大同样倍数,虽然 Seedream 5.5 文字没有崩坏,但是模糊,而 MiniMax H3-Image 依然清晰。同一张图就能体现两个模型不同侧重点。

蓝闪蝶图解 · MiniMax H3-Image 直出
2 复杂拼贴:一轮交付的压轴题
MiniMax这次是完全不可交付。“分区但不融合”:全图没有统一光源,元素像剪贴平铺,报纸文字直接退化成网点噪点。两张照片都属于不可交付。


复杂拼贴 · MiniMax H3-Image
我们让 Seedream 5.5 生成了一座 6 世纪石造大厅的上层回廊俯瞰,低饱和、暗调电影写实的图片,极具希腊神话色彩。

复杂拼贴 · Seedream 5.5
元素更多且加了光环、提灯、圣杯、花瓣、玻璃器,统一打光、有投影和前后遮挡,白色蒸汽半透且方向合理,金属/金箔/羽翼各成质感。
最有说服力的一处是报纸标题「环球周报」四个中文清晰可读、正文排版整齐,报纸里面的小字还原度也很高,在这么复杂的拼贴里还扛住了中文。
这张图非常有设计感和视觉冲击力,属于可交付的图。

复杂拼贴 · Seedream 5.5
五、世界知识都有进步空间
犹记得Nano Banana出世时,凭借世界知识生成任意时刻、任意地点的真实图像,轰动一时。
目前来看,国模模型在这些方面都还有有不小的进步空间,甚至生成NBA海报还在胡编乱造。
1 运动镜头都不过关
即梦的图用的是低机位广角、地板映出人影,标准 NBA 高光海报的构图,第一眼的冲击力明显更强。
出问题的地方在 14 号重复出现,人物太多了,后面的人群面部扭曲。

运动镜头 · Seedream 5.5 直出
MiniMax 这张图就比较能看出来问题了,一个是构图和审美都不太好,看起来更像是一条直线上的人。
更大的问题是,这两个模型都没有世界知识储备,也索引不到相关的比赛信息。2025年的Nano模型,你可以指定一场比赛,它能还原那场比赛的经典瞬间。
涉及到多人物方面,MiniMax 的逻辑性和审美就有点不够用了。这都够不到2025年前沿图像模型的水平。

运动镜头 · MiniMax H3-Image 直出
2 历史镜头还原不够细节
这张图片是持械入宋的剧照图,这部百亿爽剧号称涉及到的历史文化细节比较多。

《持械入宋》原剧照
下图SD 5.5生成图片中,打开的城门、夯土墙体、沿街民居、马匹、货车及往来百姓,都如实还原。就是站位太整齐,中间故意空了一条视觉线。

剧照还原 · Seedream 5.5
图中军事装备也相对克制。现代士兵的战术背心、枪械、背包与身体比例更协调,持枪姿态也更自然。
右侧宋军的甲胄和布衣存在一定差异,更接近地方驻军装备可能存在差异的状态。《宋史·兵志》记载,宋代军队分为禁军、厢军、乡兵、蕃兵等不同力量,边境防御并非完全依靠统一装备的正规军。
不过,画面中的守军缺少兜鍪等防护装备,长枪上的红缨也缺乏明确的宋代专属性。
MM H3 生成的图片,则在军事装备的细节刻画上比较突出。

剧照还原 · MiniMax H3-Image
左侧三名现代士兵的沙漠迷彩服、战术背心、弹匣袋、护膝及通信设备较为完整,但装备略显臃肿,部分枪械的携行方式不够自然。
右侧宋军身着札甲、手持长枪,甲片铆钉和金属纹理十分清晰。
不过,对照北宋《武经总要》记载的甲身、披膊、吊腿、兜鍪等防护结构,图中士兵普遍以布巾裹头,缺少头颈防护,甲胄形制也更接近影视剧中常见的通用古装铠甲,难以体现宋军装备的时代特征。
建筑方面,夯土城墙、厚重木门、木轮货车和麻袋,营造出北宋西北边城的氛围。《武经总要》对宋代城防中的瓮城、女墙、城壕等设施有详细记载,但画面缺乏这些具有辨识度的防御结构。
06. 写在最后
这次测试中,SD5.5主要在即梦中调用,MM H3主要在MiniMax Design中调用。
即梦确实是产品化程度更高的那一个,这一点更占优势。
但即梦也有一些基本的产品bug,比如每次输入提示词&参考图后,它的输入框里面还有提示词和参考图,经常误以为没提交成功。按理说提交后输入框不应该是空的吗?
当然,本次测评重点是两个图像模型之间的较量。
四个维度测下来,两个模型的特点很清楚:
Seedream 5.5 强在审美构图、文字结构和逻辑自洽,复杂题里更能一次给出可交付的图;
MiniMax H3-Image 强在真实感、细节密度和放大后的清晰度,还握有开放权重和更低的价格。
怎么选
所以谁更强,取决于你要什么:要好看、要带字、要直接进设计流程,选 Seedream 5.5;要真实摄影感、要开源部署,选 MiniMax H3-Image。
本文由人人都是产品经理作者【鲸选AI】,微信公众号:【鲸选AI】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载
题图来自Unsplash,基于 CC0协议
来源:人人都是产品经理 · woshipm.com