可图2.1免费开放！图像AI“期中大考”到底哪家强？

一年前，你想让AI画出“一只穿着复古皮衣、站在东京街头、日落光线打在墨镜上的猫”，得试个五六次，画出来要么穿错衣服，要么猫的动作奇特，要么背景得靠开盲盒抽卡。今天，在一众主流图像模型上，这句提示词几乎能一次命中。

（由可图2.1生成）

上周才被即梦3.1秀了一波“表现力”，这周可灵2.1立刻跟上，国产模型们的“期中大考”已经开卷，看来谁都不想掉队啊。

Prompt考试实测

官方说得再好听，也得看实操。我们围绕三个高频创作需求做了组实测，看看这次2.1的升级，是不是货真价实。

►指令理解力｜一组提示词，测出三种AI人格：

测试提示词：一个短发女孩坐在窗边喝咖啡，穿白色毛衣，阳光照进来，背景是绿植和木质书架

（可图2.0模型）

（可图2.1模型）

（即梦3.1模型）

这个 prompt 同时考验了：动作（喝咖啡）、穿着（白毛衣）、位置（窗边）、光线（阳光）、背景（绿植+书架）多个要素的并列理解能力。

可图 2.0乍看像个刚学会套公式的学生，可以执行，但又太木纳了。你说绿植在后面，它偏偏长到窗外去了，画风也总透着点“建模感。2.1倒是升级为比较灵活的理工学霸，理解力明显增强，但总感觉表达偏“标准化”，人物肢体语言和表情缺乏松弛感，仍会略显一些“AI感”。

至于即梦3.1嘛，嗯！这位不愧是一个懂女生、还会调滤镜的创作系老法师，除了对提示词指令的遵循外，还会自己加点氛围感，光影有层次，表情也松弛自然，整张图透着“生活气”。

比较下来可图2.0还在“能生成”的阶段，2.1提升到了“能控图”的阶段，而即梦3.1已先一步走向“会表达”的阶段。

不过在测评中，只要是“标准场景”，大部分AI模型其实都已经能画得像模像样，至少不太会翻车。所以我很好奇：如果加入一点情绪？加一点隐喻？它还能不能听懂？

测试提示词：一个女孩站在湖边，水中倒影是老年时的女自己，天空是黄昏的粉橙渐变色

（即梦2.1模型）

（即梦3.1模型）

这个提示词本来是个典型的“隐喻型构图”：现实与未来的对照，青春与老年的映射，加上黄昏粉橙渐变的天色，怎么想都该是一张有哲思、带情绪的图吧！

结果，一测下来集体翻车，老年“倒影”与女孩面对面站着，像是在平行世界偶遇；老年人画得半透明，像灵体附身，一脚踏入通灵剧本；更离谱的还有“湖面裂开、灵魂升起”，配上“招魂现场”BGM可以直接冲热榜。看来目前AI图像模型都有一个共性短板，目前都还不具备真正理解“概念对照”或“时间递进性”的能力。

►风格稳定性｜谁才是真正的“风格掌控师”：

测试提示词：（xx风格），一个弓箭手对着敌军拉弓射箭

（油画风格，上图为可图2.1，下图为即梦3.1）

可图2.1对“油画风”的理解似乎有点偏差，与其说是油画，不如说是“皮肤打了高光”，硬要说它懂油画，可能它只是知道“画面糊一点、颜色厚一点”就叫油画。整体看上去更像游戏角色设定图，敌军站得整整齐齐（像来拍年终合照的），画面构图也偏僵硬，没有多少战场氛围。反观即梦3.1的表现就松弛又真实许多，远景和光线处理，更接近经典西方战争油画的空间层次感，氛围拉得很足。

（史诗级电影风格，左图为可图2.1，右图为即梦3.1）

可图2.1在皮肤质感、手指结构、光圈细节这些局部处理上其实表现得不差，但整体总觉得哪差了一口气，细看还是有“AI感”（蛮像GPT生此类图的表现）。而即梦3.1则营造出“战士冲进战场”的混乱氛围，人物表情更生动，背景细节也更多元，灰尘、迷雾、环境残破感都做得挺自然，确实更贴近电影感。

（美漫风格，上图为可图2.1，下图为即梦3.1）

这可一眼就能看出差异——虽然同样是美漫，但年代感完全不一样：可图2.1 的美漫风，偏向上世纪七八十年代的老派质感，线条粗，更像简笔画时期的古早英雄漫画，有复古感，但也略显平淡和僵直。即梦3.1 的美漫风则明显贴近当代流行审美，动作张力更强，画面更有“大片感”。尤其是场景氛围和渲染处理，已经接近美漫电影海报的质感。

►人像质感测试｜谁更懂人像摄像

测试提示词：柔光，光影对比，写真照片，人像写实摄影，阳光照耀下来，朦胧感，一位穿jk的女孩身处花丛之中。

（可图2.1模型）

（即梦3.1模型）

不是.....这也.....，没有对比就没没有伤害啊！可图2.1稳定得有点“僵”，人很完美，景也很完美，就是没什么生命力，一股浓浓的“影楼感”扑面而来。即梦3.1不仅姿势有变化、情绪有层次，还能看到不同构图在表达不同气氛，不断抽卡不断有惊喜。

►中文文字表现

测试提示词：艺术海报设计，等轴，小标题“中国”，大标题“东方美学”宋体，署名“CMAI”,极致抽象极简红色古建筑水墨画，版式高级，精准构图，大气，高级，特别，红黑金配色，留白艺术。

（可图2.1模型）

（可图2.0模型）

（即梦3.1模型）

这组「东方美学」海报测试有点出人意料，按理说新模型应更稳，但在整体艺术感上，2.1反而“被提示词牵着鼻子走”，生成结果高度标准化，虽然没出错，但整得太死板，缺乏设计感，像是AI在机械执行「红黑金+构图+水墨」这几个关键词，最后做出一张“模板级”的格式图。对比之下，2.0虽然旧，但显得更有想象力。它在中文字体的融合、构图形式的探索上反而敢玩一些。

会答题的理工生

vs

会发挥的艺术生

整体看下来，可图2.1听指令是更准、执行是更稳，基本没什么硬伤，完全是那种“老师讲啥我就写啥”的理工学霸模板选手。你给一个清晰的提示，它就能认真复现。但问题也在这儿：因为它太“懂事”，反而有点“无趣”，缺少“不期而遇”的创作灵感，更缺少人味、松弛感与想象力。

相比之下，即梦3.1更像一位混过设计院、拍过商业片、也追过各种展览的“创作型老法师”。它不仅能理解你说了什么，还会“顺手帮你润个色”。给出的图像也更有情绪、有构图意识、有光影节奏、有摄影语言，甚至还能当做人像摄影师的灵感板、动作库。

当然，2.1也并非全输。在中文理解、细节结构、局部质感等维度上，它依旧展现出“控场力”。只是，创作这门课，考的不止是准确率，还有共鸣力。

所以，如果说AI图像模型是一场大型“创意大考”，那可图2.1像是拿了高分的“工科第一名”，即梦3.1则像是现场作画拿下评委满票的“艺术特长生”: 一个赢在应试答题卡上，一个胜在灵光一现。而我们这些坐在评委席的创作者，也正享受着这场AI进化竞赛带来的红利和浪潮。

下一轮升级什么时候来？我们等着继续监考！

文章来自于“CMAI-Hub”，作者“刘娜志君”。