下午在地铁站换乘的时候，我盯着站台上的广告牌看了一会儿。

那是一个关于电商进行促销活动的广告，其整体所呈现出的画面是颇为精美的，其中产品的图案、对应的价格以及相关的促销资讯，全部都在同一张图片之上。

那时，我的脑袋里，忽然间，冒出来了一个问题，AI生图，进行了两年，究竟，在改变着什么呢？

前两年的AI生图，本质上是"电子玩具"

回忆一下，自2024年Midjourney、DALL-E 3火爆起来起始，AI绘图最为火爆的场景是啥，是什么。有啥。会是啥。究竟是啥。到底是什么状况。

二次元老婆、赛博朋克街道、梦幻森林、未来城市。

这些图着实是好看的，将其在社交媒体之上进行发布，所获得的点赞数量颇为不少。然而，要说一句令人心里难受的话，除去好看之外，它们能够发挥什么作用呢；它们究竟能干些什么！

早前两年时候的AI来进行生图，从本质上来说的话呢，那就是一个“电子玩具”，它能够运用生成出漂亮的图片来，然而却没有办法去承载准确的信息。

这同样是我先前于即刻那个平台之上进行吐槽时所表达的内容，即当下的人工智能绘图，与成为生产力工具相比，竟然还差着一个像素的距离呢。

问题出在哪儿？

核心问题就一个：AI生图一直是"文盲" 。

你要是打算让它去画一家名为Coffee的咖啡店，那么它极有可能给你画出Caffee，或者是Covfefe，甚至是一堆毫无规律的乱码出现。

这不是模型笨，而是架构决定的。

大部分生图模型运用了VAE，也就是变分自编码器，来开展图像压缩，小文字信息密集，其具有极大的压缩难度，因此信息损失极为严重，待到视觉解码器进行重构时，那些细节已然毫无踪迹。

这同样是我始终在讲的缘由，即AI生图若要变成生产力工具，那就一定要先掌握“听懂人话”的能力。

Qwen-Image-2.0来了

2月10日，阿里千问发布了Qwen-Image-2.0。

官方说，解决了前两年的两大核心痛点。

第一个突破：1K token超长指令

这次阿里直接把提示词的输入长度扩展到了1K token。

以前，咱们运用AI生图，最为头疼的是什么呢？是绘制一块招牌，其上的字全部都是“鬼画符”。

你让其撰写一个“Hello”， 它能够为你描绘出一连串的外星象形文字。 然而Qwen - Image - 2.0此次宣称支持着1k token的指令。

啥概念，是这样儿的，你能够给它搞出一篇小作文，而后它能够精确无误地按照你所提的要求把图给画出来，并且那些字都是大家认识的字，而那图呢也是规规矩矩的正经的图。下面示的这张图就是你给出的指令，上面可是密密麻麻的。

下图ppt就是生成的效果。

往昔之时，我们尚需借助通过AI生成的图片，而后把图像拖入PPT里进行排版操作，如今可不得了，它直接就给你呈现出PPT、海报以及漫画。这对于我们这类常常需要去做方案、撰写汇报的打工者而言，简直堪称是“物理外挂”。

第二个突破：汉字渲染能力

对于中文用户来说，这个可能是更重要的。

模型于国外生成汉字，所呈现的大多是“鬼画符”。然而阿里终究是在本土开展行动，此次中文渲染能力极为惊人。

我进行了一番尝试，的确是能够达成的。尽管存在个别笔画有着些许瑕疵，然而整体而言已然达到了“可用”的水准。

这不是"画图"，这是"生成文档"

介绍完了，上手到底如何？实战见真章！

对照一下，Qwen - Image - 2.0，Seedream 5.0。

为了去验证这个判断，昨晚，我从9点开始，一直试到凌晨1点，对生图模型玩了半天，其中包含但不限于阿里Qwen-Image-2.0，还有字节Seedream 5.0。

每个模型都试了几个场景。

场景1：超长文字渲染

使用一段相当难懂的提示字眼，致使它为我产出滕王阁序，我们先来瞧瞧Seedream得到的成果。

抱歉，文字超出上线了，搞个短点的。

该图片疑似AI生成

画面不错，但是文字不行啊，错误的太多了！

我们再看看Qwen-Image-2.0！

这样的效果好像并非正确的呀，文字存在不完整的情况，并且也没有依照我的意图来生成呢，我所使用的可是官方提示词（如下所示）。

有着中国古典水墨长卷风格，采用竖幅构图，画面从上方开始，朝着下方，从右边起始，向着左边，以行楷题写柳永《雨霖铃·寒蝉凄切》的全文（总共12行，包含标点以及换行）：“寒蝉凄切，对长亭晚，骤雨初歇。都门帐饮无绪，留恋处、兰舟催发。执手相看泪眼，竟无语凝噎。念去去，千里烟波，暮霭沉沉楚天阔。多情自古伤离别，更那堪、冷落清秋节！今宵酒醒何处？杨柳岸，晓风残月。此去经年，应是良辰好景虚设。便纵有千种风情，更与何人说？”。书法的墨色，浓淡恰到好处，有着自然的飞白，笔锋遒劲里透着婉转，行气连贯得如同流水一般；字迹稍稍有点微洇，仿若宣纸的渗透效果。背景是极简的留白水墨意境：在右下角画着一叶孤舟停泊在浅滩，舟头微微翘起，缆绳轻轻系在枯柳上；左侧远处的景色用淡墨晕染出层层叠叠低垂的暮霭以及空阔的楚天，天际线那里有一抹青灰的远山隐隐约约；近处岸边斜斜地伸出三两枝细柳，枝条纤细柔软，叶子已经稀疏脱落，继承着清秋萧瑟的气息；柳梢上悬挂着一弯快要隐藏却还没隐藏的残月，清冷的微光映照在薄雾中能拂过脸面的晓风痕迹处（用几缕轻轻扬起的柳丝和水纹来示意）。整个画面的气息，沉郁且隽永，哀伤却不伤人，严格依照宋词的意境，以及传统文人绘画“诗书画一体”的范式，没有印章，没有题跋，也没有现代元素。

官方给的效果是这样。

我再度让生成了一篇《滕王阁序》，我察觉到文字存在不少差错，我将其中一部分圈画出来了。

我们再尝试借助官方给出的提示词，其中有一个是关于南京游玩的ppt，我来进行生成。下面这张图片是我生成出来的，其效果还算尚可。

下图是官方给的示例。和我的对比，基本不差啥。

为啥这次效果这么好？？

提示词如下：

好了，我们不再弄如此困难的了，我们去弄一些简易的，字数少一点儿瞧瞧成效怎样。

这次生成的还不错，就是英文看着貌似不太对。

我让AI给人物戴个帽子，下面是效果。

我让人工智能去做的事情是修改文字，修改成什么样的文字呢，修改成去掉英文的“星空下的少女”，然而人工智能好像并没有理解我说的意思。

修改提示词，改为更精确的，这次它懂了。

我再让其修改下字号，现在太大了，结果依然不尽人意