مدل‌های تصویرساز ۲۰۲۶ زیر ذره‌بین ۱۳ متخصص
هوش مصنوعیClaude Opus 5خلاصهٔ کامل‌تر
اوری‌پیکسل نتیجه‌ی تست ۲۰۲۶ خودش روی مدل‌های تصویرساز هوش مصنوعی رو منتشر کرده و حرف اصلیش اینه که «بهترین مدل» دیگه یه چیز واحد نیست. تو بنچمارک کور ۲۱ تا ۲۵ آگوست ۲۰۲۶، سیزده متخصص تولید محتوا روی ۴۸ صحنه‌ی تجاری ۸۶۳ مقایسه‌ی دوتایی انجام دادن، بدون اینکه بدونن هر تصویر از کدوم سیستم اومده. هر صحنه چهار نسخه داشت: GPT Image 2، Qwen Image 2، FLUX.2 Klein 9B و یه عکس واقعی.
تو جمع‌بندی کل شبکه‌ی مقایسه‌ها با مدل آماری Bradley-Terry (یعنی روشی که از کلی مقایسه‌ی دوتایی یه رتبه‌بندی کلی درمیاره)، GPT Image 2 بالاتر از عکس واقعی نشست. ولی تو مقایسه‌ی رو در روی همین دو تا، عکس ۵۱.۷ درصد ترجیح گرفت و بازه‌ی اطمینان ۹۵ درصدی عدد ۵۰ رو هم شامل می‌شد. یعنی تست نتونست تفاوت معناداری ثابت کنه و خود تیم اوری‌پیکسل نتیجه رو «جهت‌دهنده» می‌دونه نه قطعی.
تو یه مطالعه‌ی تولیدی جدا که ماه مه ۲۰۲۶ انجام شد، GPT Image 2 تو پیروی از پرامپت میانگین ۹.۸ از ۱۰ گرفت و ۹ تا از ۱۳ دسته بدون پس‌پردازش آماده‌ی تولید بود؛ عکاسی معماری ۹.۹۰ و یه عکس محصول عطر لوکس ۹.۷۵. در عوض کُنده، حدود ۴۰ تا ۹۰ ثانیه برای هر خروجی. صحنه‌های پرجمعیت هم نقطه‌ضعفشه و یه بازار باز توکیو فقط ۶.۹ گرفت. یعنی برای بریف نهایی خوبه، نه برای تولید سی تا ایده‌ی خام.
بقیه‌ی مدل‌ها هر کدوم یه جای دیگه از کار رو پر می‌کنن. Qwen Image 2 وقتی به کار میاد که بخوای یه تصویر موجود رو ویرایش کنی نه از نو بسازی، با خروجی بومی ۲۰۴۸×۲۰۴۸ و متن‌نویسی خوب. Nano Banana 2 برای تکرار سریع و ارزون‌تره، Nano Banana Pro برای وقتی که لوک نهایی قفل شده. Grok Imagine جاییه که می‌خوای مدل خودش خلاقیت کنه، حتی به قیمت اضافه کردن چیزی که نخواستی. FLUX.2 هم دو مرحله‌ایه: Klein برای پیدا کردن مسیر، Pro برای فینیش.
به گفتهٔ تیم اوری‌پیکسل سقف کیفیت بالا رفته ولی چند مشکل سرجاشه: جمعیت، روابط مکانی دقیق، لی‌اوت گرافیکی حساس و حفظ یه چهره یا لباس تو یه سری تصویر. یه حالت خرابی تازه هم اضافه شده، تصویری که هیچ ایراد فنی نداره ولی باز هم «ساختگی» به نظر می‌رسه. درس متدولوژیک مقاله هم اینه که وقتی فاصله‌ی مدل‌ها کم میشه، طراحی بنچمارک تقریباً به اندازه‌ی کیفیت خود مدل مهم میشه.
نکات کلیدی:
- بنچمارک کور اوری‌پیکسل، ۲۱ تا ۲۵ آگوست ۲۰۲۶: ۱۳ ارزیاب، ۴۸ صحنه، ۱۹۲ تصویر، ۸۶۳ مقایسه
- ترتیب کل شبکه: FLUX.2 Klein 9B، بعد Qwen Image 2، بعد عکس واقعی، و بالاتر از همه GPT Image 2
- عکس واقعی تو مقایسه‌ی مستقیم ۵۱.۷ درصد ترجیح گرفت، با بازه‌ی اطمینانی که ۵۰ درصد رو شامل می‌شد
- GPT Image 2: میانگین ۹.۸ از ۱۰ تو پیروی از پرامپت، ولی ۴۰ تا ۹۰ ثانیه برای هر خروجی
- Qwen Image 2 خروجی بومی ۲۰۴۸×۲۰۴۸ داره و برای ویرایش تصویر موجود پیشنهاد شده
