做电商的同事上个月递了个需求：3000 个 SKU 的主图要重做，预算只够外包做 200 张。剩下的怎么办？答案是 AI 生成。但真正开跑之后我们发现，AI 商品图的问题根本不是”画得好不好看”，而是两件事：图里的文字是不是错的，同一个产品换个角度还能不能认出来。
我们把这件事拆成可验收的：用即梦 3.0（Seedream）、Midjourney v7、FLUX 1.1 Pro 和 GPT-Image-1 四家，跑了 240 张图——60 张纯产品展示、60 张带中文文案的场景图、60 张需要保持产品一致性的多角度图、60 张白底细节图。只回答一个问题：这些图能有多少直接进上架流程，不用美工返工？
一、评测设计：先定义”能上架”
“好看”不能当标准。我们把验收分成四层，全部由电商运营和美工双盲打分：
- L1 视觉达标：构图、光影、质感达到商用及格线。
- L2 文字准确：图中出现的品牌名、卖点文案、价格标签字形正确、无错字无乱码。
- L3 产品一致：与参考图比对，颜色、Shape、Logo 位置、包装比例不失真（DeltaE 色差 < 6 且结构相似度 > 0.85）。
- L4 可上架：经美工确认只需 < 10 分钟修图即可进主图流程。
有一个坑先说明：提示词必须复用同一套。我们让同一位运营写完全部 240 组提示词模板，只替换产品信息，避免”这家效果差是因为提示词没写好”的争议。然后每张图用各家的图生图能力喂同一张产品参考图。不喂参考图的测试是不公平的——那是比创意，不是比商品图。
二、240 张图的成绩单
| 指标 | 即梦 3.0 | Midjourney v7 | FLUX 1.1 Pro | GPT-Image-1 |
|---|---|---|---|---|
| L1 视觉达标率 | 91.7% | 96.2% | 88.3% | 90.8% |
| L2 文字准确率（中文） | 76.4% | 41.9% | 52.7% | 68.3% |
| L2 文字准确率（英文） | 84.1% | 63.5% | 71.2% | 87.6% |
| L3 产品一致性通过 | 79.6% | 54.1% | 61.3% | 82.4% |
| 白底细节图可用率 | 83.9% | 70.6% | 74.2% | 79.3% |
| L4 综合可上架率 | 69.8% | 43.3% | 51.7% | 58.2% |
| 单张平均成本（元） | 0.35 | 2.10 | 0.60 | 1.85 |
四个结论，每个都和我们最初的直觉相反：
1. 文字渲染是最大分水岭，不是画质。中文场景图上，即梦 3.0 的 76.4% 与 Midjourney 的 41.9% 差了 34 个百分点。Midjourney 在英文文案上突然回到 63.5%，说明它不是不会画字，是中文训练数据里的品牌场景字太薄。带”限时立减 100 元”这种中文促销语的图，MJ 基本每三张就有一张出现错字、缺笔画或字形结构崩坏。
2. 产品一致性靠参考图，不靠提示词。60 组多角度测试里，喂了同一参考图的组，即梦与 GPT-Image-1 都过了八成；只靠文字描述颜色的，全军覆没——描述”深蓝色”生成的永远是它以为的深蓝，不是你的色卡。我们后来对所有 SKU 先建了一张标准化参考图（纯色背景、单光源、正面），后续所有生成全部走图生图链路。
3. Midjourney 最适合的恰恰是不能上架的那一类。它在氛围图、场景图上视觉最好（96.2%），但它改产品——换个包装角度就让 Logo 漂移、瓶身比例走形。所以它适合做详情页头图和品牌视觉，不适合做主图。把 MJ 放错位置，是烧钱最快的方式。
4. FLUX 1.1 Pro 的短板在中文文字与产品结构，不在审美。开源生态的可控性（ControlNet、局部重绘）是它的加分项，我们最后把白底图里”产品边缘有白边”的那一类交给它做局部修复，比美工手动抠图快。
三、落地分工：按岗位选工具，不按排行榜选
| 岗位 | 工具 | 用法要点 |
|---|---|---|
| 主图 / SKU 白底图 | 即梦 3.0 或 GPT-Image-1 | 必须走图生图 + 标准参考图，禁纯文生 |
| 中文促销场景图 | 即梦 3.0 | 文案 < 12 字，放图幅 1/3 内，错字率最低 |
| 详情页头图 / 品牌视觉 | Midjourney v7 | 不要出现产品本体真实细节，纯氛围 |
| 抠图 / 白边修复 / 边缘清理 | FLUX 1.1 Pro | 用局部重绘 + 蒙版，别整张重生 |
另外三条是花钱换来的经验：
- 让 AI 出图后强制过一道”文字 OCR 校验”。我们把生成结果用开源 OCR 跑一遍，比对提示词里的文案，错字直接打回重生成。这一步让我们最后一批图的文字准确率从 76.4% 推到 93% 以上，成本是每张多 8 秒。
- 不要把价格、规格、认证标志放进生成图。价格会变，认证标准有法规风险，这类信息全部后期排版加。AI 图负责”好看”，不负责”承诺”。
- 留 15% 的人工重绘预算。再好的模型也有 5%–10% 的废图，批量 3000 张时这个绝对值很大，排期上必须预留。
四、成本账：3000 个 SKU 到底省多少
按我们最后的分工跑了一遍：纯 AI 出图 1780 张，AI 打底 + 人工精修 720 张，全人工 500 张（主要是带模特的产品图和复杂构图）。外包美工报价是白底图 25 元/张、场景图 120 元/张，按混合均价估算：
- 纯外包：约 31 万元，周期 9 周。
- AI + 人工混合：约 9.2 万元（AI 生成费约 0.6 万 + 内部人力），周期 3 周。
- 隐性收益：A/B 测试素材量从每月 40 张提到 400 张，点击率测试的样本量上了一个量级——这条比省钱更值钱。
总结
240 张图测下来，AI 商品图已经跨过了”可用”线，但它的能力边界画得很清楚：氛围和细节 Yes，文字和一致性 No。即梦 3.0 因为中文文字能力在这一类任务里明显领先（69.8% 可上架率、单张 0.35 元），GPT-Image-1 在需要强指令遵循的复杂场景里是第二选择，Midjourney 留在品牌视觉，FLUX 留给修复。
给正在纠结的团队一句实话：别测试”哪家生成的图最好看”，去测”哪家生成的图错字最少”。好看是主观的，错字是会被平台下架和用户投诉的。前者决定满意度，后者决定能不能上架。
还有一点判断：文字渲染这一层会在一年内被解决，因为它本质是字形条件生成问题，数据规模到位就能压下去。但产品一致性——让 AI 理解”这是你的产品而不是一个看起来像的产品”——需要的是产品结构先验，那才是真正的门槛。
互动提问：你的店铺有没有遇到过 AI 图文字出错被平台判”夸大宣传”的情况？你们现在怎么校验生成图里的文字？
互动提问：3000 个 SKU 的图如果用 AI 做,你会让自己团队的美工转型成”修图师”还是”提示词工程师”？
— IMAI 编辑部 | 2026-10-28