同样的词，差距有点大啊！别急，咱们把“差距”测出来
你写了一段提示词。
在 gemini-3-pro-image-preview 上像开挂，细节、构图、氛围都在线。
换到 gpt-image-2，突然变味：人物走形、风格跑偏、细节糊成一团。
这事太常见了。
问题不在“你不会写提示词”，而在于：同一句话，不同模型的理解方式不一样。就像同一句“来点高级感”，有人给你西装，有人给你黑白滤镜。
下面给你一套可执行的对比方法，顺便教你怎么把提示词改到更稳。你做完一轮，就知道差距到底在哪，以及怎么补。
你真正要对比的，不是“谁更强”，而是这 4 件事
别用“感觉”评测，咱们拆成可量化的维度：
- 遵循度：你写的要点，模型是不是都做到？（发型、服装、场景、镜头、光线）
- 稳定性：同一提示词跑 4 张，画风会不会乱跳？
- 细节密度：手、眼睛、纹理、材质有没有“像真的”那种信息量？
- 审美偏好：模型默认更偏摄影？更偏插画？更偏商业海报？
你要的是“能交付”。不是“偶尔出神图”。
一套标准对比流程（10 分钟就能跑完）
1）把变量锁死：不要给模型找借口
对比时把这些固定：
- 同一段提示词
- 同样的输出比例（比如 1:1 或 4:5）
- 同样的内容类型（都做真人摄影感，或都做插画）
- 每个模型都生成 4 张（看稳定性）
如果平台能选种子（seed），就更爽了；不能选也没关系，4 张足够看出性格。
2）提示词分成“硬约束”和“软约束”
把提示词写成两段：
- 硬约束：必须出现的元素
- 软约束：风格、氛围、镜头语言
你会发现很多模型对“软约束”的理解完全不同，差距通常从这里开始。
3）用表格记结果，别靠记忆力
每张图打分（1~5 分就够）：
- 要素是否齐
- 人体是否正常
- 画面是否干净（无多余物体/文字/水印）
- 风格是否符合
- 细节是否扎实
写两句备注：哪里翻车、哪里惊艳。以后你会感谢现在的自己。
给你 3 套“评测提示词模板”，直接复制就能用
下面这几套专门用来测模型差异，覆盖常见需求：人像、产品、海报。
模板 A：真人摄影人像（最容易暴露模型基本功）
一张写实摄影风格的人像照片：一位 28 岁亚洲女性，短发，穿白色衬衫和深色西装外套，坐在咖啡馆靠窗位置。自然光从左侧照进来，背景有轻微虚化。50mm 镜头，浅景深，皮肤质感自然，眼神清晰，画面干净，没有文字，没有水印。
看点：手、眼、皮肤纹理、光影是否自然，背景虚化是否像相机拍出来的。
模板 B：产品电商图（测“可商用交付”能力）
一张极简风产品摄影：一只黑色磨砂质感的保温杯放在浅灰背景上，杯身有细腻的高光边缘。顶光 + 柔光箱效果，阴影柔和。画面干净，居中构图，细节清晰，没有文字，没有 logo，没有水印。
看点：材质、反光、边缘是否干净，有没有奇怪的污点和多余结构。
模板 C：商业海报（测构图和审美“默认值”）
一张未来感科技风海报画面：城市夜景背景，蓝紫色霓虹光，画面中间是一位戴透明面罩的角色半身像。构图居中，光影有层次，细节丰富。不要出现任何文字、数字、水印。
看点：氛围、层次、画面组织能力，是否会偷偷塞字。
为什么“同一句话”会差这么多？你得知道模型的 3 个脾气
1）模型有默认审美，你不写，它就按自己的来
你写“高级感”，它可能默认：
- 某模型偏“摄影棚商业照”
- 某模型偏“插画/概念设计”
- 某模型偏“写实但更柔、更平”
解决方式：把风格写具体。
别写“高级”“质感”。写：
- 具体镜头：35mm / 50mm / 85mm
- 具体光：侧逆光、蝴蝶光、柔光箱
- 具体质感：磨砂、金属拉丝、皮革纹理
2）同样的中文词，不同模型触发的“关键词”不一样
有的模型对“电影感”反应强，有的对“写实摄影”更听话。
你可以把同一个意思写两套：
- 中文语义版（更自然）
- 关键词版（更像标签）
比如：
中文语义：自然光从窗边照进来，背景轻微虚化
关键词版：window light, shallow depth of field, bokeh background
很多时候，关键词版会更稳。
3）你没写“不要什么”，模型就会自作主张
最常见的翻车：
- 自动加字、加水印、加 logo
- 多长出一只手、多一副眼镜
- 背景塞满乱七八糟的物体
所以“负面约束”要写清楚：
画面干净，没有文字，没有水印，没有 logo，不要额外的手指，不要畸形肢体
别嫌啰嗦。交付时你会发现这几句能救命。
把提示词改到更稳：一招“分层写法”
你可以按这个结构写，模型更容易听懂：
- 主体（谁/什么）
- 场景（在哪）
- 动作与构图（怎么摆）
- 光线与镜头（怎么拍）
- 风格与质感（像什么）
- 禁止项（不要什么）
示例（人像摄影）：
主体：一位 28 岁亚洲女性，短发
场景：咖啡馆靠窗座位
构图：半身像，居中，视线看向镜头
光线镜头：左侧窗光，50mm，浅景深
风格质感：写实摄影，皮肤纹理自然，细节清晰
禁止项：画面干净，没有文字，没有水印，没有 logo，不要畸形手指
同一句话，拆开写，模型更少脑补。
避坑清单：90% 的“差距”，都栽在这些点上 😅
- 提示词太短：只写“一个女生，电影感”，模型只能自由发挥，翻车很正常。
- 描述冲突：又要“极简背景”，又要“细节丰富”，模型会胡来。
- 风格词太虚：高级感、氛围感、大片感……等于没说。
- 没写禁止项：文字、水印、logo、额外肢体，分分钟出现。
- 只跑一张就下结论：模型稳定性差异很大，至少跑 4 张再评价。
你该怎么选：gemini-3-pro-image-preview vs gpt-image-2（实用建议）
你只需要按任务选，不用纠结“谁是王者”。
- 你要稳定的商业交付：多跑几张，看谁更稳、更少乱加东西。
- 你要细节和质感：用上面“产品/人像模板”测一轮，细节差距会很明显。
- 你要快速试风格：谁对风格词更敏感，就用谁做探索；定稿再换更稳的模型。
同一段提示词差距大，不丢人。
丢人的是：明明能用流程把问题定位清楚，却还在那靠情绪争强弱。
一句话收尾
别迷信“同样的词就该同样的图”。
用标准对比流程把差距测出来，再用“分层写法 + 禁止项”把提示词写到位，你的出图会稳得多。
