作者实测商汤新发布的 SenseNova U1 Pro 图片生成模型，该模型在 SuperCLUE-Image 中文文生图榜单排名第一。作者从五个维度进行测试：审美与中文版式、多文字运营物料、资料检索与高密度信息、局部修图、多图融合。测试结果显示，该模型在海报设计、菜单与导览图、科普信息图、全诗《琵琶行》等复杂任务中文字稳定性出色，局部编辑精准不破坏其他细节，多参考图融合能力强，并能从刀版图生成可交付的包装渲染图，整体表现超过 GPT Image 2.5。作者认为其达到可交付水平，决定替换到自己的 8K 生图工作流中。
作者用一道难题对比测试开源 5B 图像模型 MOSS-Image 与闭源最强的 GPT Image 2.5：在一张水墨长卷中画出李白临江举杯场景，写出《将进酒》全文12行书法，配标题、作者、朱印和英文，并精确控制酒杯数量。第一轮两者都通过，但第二轮仅改两处细节后，GPT Image 2.5 数错酒杯，MOSS-Image 两轮全部正确。文章分析了小模型在中英文渲染、长提示词理解（支持4K tokens）和风格控制上的优势，并分享了结构化布局、负面约束等复杂提示词技巧，附完整提示词。MOSS-Image 已开源权重和代码，支持 LoRA 微调，ComfyUI 下载量突破70万。
作者以AI生图的窗边咖啡馆人像提示词为例，讲解如何整理AI生成的冗长提示词。核心方法是：删流程、合重复、换实景、测删除。要点包括：去掉分栏小标题后整体通读，合并重复表达同一意思的形容词；把'不要杂乱'等否定句改写为具体的正面画面描述；将'高级感、电影感'等笼统大词拆解为具体的光线、配色和构图要求；一次只删一句，对照出图验证效果，但不要为了精简丢掉关键的安排。最终目标是写出自己能读懂、出了问题知道从哪句下手的提示词。
作者在48GB的4090上对Qwen-Image-2.1进行了13组实验、196张图的深度评测。模型视觉生成为7B DiT架构，配Qwen3-VL编码指令与参考图，支持原生RGBA透明。评测发现其强项为中文排版、原生透明通道和多图身份保持，弱项是「替换」语义常退化为「添加」、编辑具有非局部性、缺乏时间维度建模。文章详细测试了文字渲染阈值、透明度真实性、指令遵循、编辑精度、多图参考及性能表现，并给出KV cache与显存的权衡策略。最后作者通过360°转台动画实验，揭示了条件图下seed敏感性等反直觉发现，定位其为关键帧生成器而非视频模型。
OpenAI突然发布GPT Image 2.5，生成速度更快、更高清，支持多次编辑保持一致性，可精确标注修改，并新增画布涂鸦绘图功能。API同时推出Flare（速度+50%）和Sunburst（更高精度）两个版本。作者通过logo、人物、定格动画、建筑、风格迁移、多尺寸封面等大量案例对比Image 2与2.5，发现新模型形变大幅减少、文字更清晰、一致性更好，还支持原生透明背景。网页版新增15个设计模版。作者认为最大的变化在交互方式：涂鸦、模版、标注精修将原本需要写进提示语的约束变成直觉操作，好的提示语不再是用好AI生图的前提。
文章探讨了提示词工程中的一个常见误区：提示词越长，生成结果不一定越准确。当提示词同时包含过多人物属性、颜色、物体数量和空间关系时，模型可能生成看起来不错却悄悄偏离关键要求的图片。文中通过长提示词与精简提示词加分步编辑的对比实验说明，约束越多，属性串位、关系混乱和细节遗漏的概率越高。DetailMaster 研究证实，随提示词长度增加，文生图模型在人物属性、位置和实体关系上的准确率一致下降。作者建议不要把提示词写成一次性需求文档，而应先用短提示词锁定主体和构图，再通过局部编辑逐层增加细节，每轮只修改一类变量。
作者测试了模思智能开源的 5B 生图模型 MOSS-Image，重点验证其文字渲染与 JSON Layout 结构化布局能力。通过虚构日系甜品店海报案例，对比传统自然语言 Prompt 与 JSON 布局控制的效果差异：JSON 可将人物、产品、标题等元素按坐标框精确定位，类似写前端页面。三轮测试覆盖主视觉、商业活动海报排版及中英文文字生成，验证了文案正确率、版式适配与视觉融合。结论是 JSON Layout 虽非 PS 级精确编辑，但能将模糊排版需求变为结构化描述，对商业海报、电商图等场景具有实际价值。
这是一篇面向新手的 Midjourney 入门教程，作者逐一讲解 MJ 输入界面的各个功能模块，包括提示词输入区、三种参考图入口（Attach to prompt 编辑原图、Style Reference 参考画风、Image Prompts 参考构图）的区别与用途，以及生成设置中的画面比例、模型版本、审美参数（Stylization、Weirdness、Variety）等选项的作用。文章还介绍了草稿模式、对话模式、个人化功能（P值）的使用方法和常见误区，帮助小白快速掌握 MJ 的界面操作与参数调优。
作者使用模思智能开源的 5B 参数图像生成模型 MOSS-Image，为 Claude 和 DeepSeek 设计拟人化角色形象。文章分享了角色设计思路：Claude 采用橙棕奶油配色体现温暖复古气质，DeepSeek 延伸蓝色海洋主题。作者重点介绍了 MOSS-Image 的优势：生成速度快于 Stable Diffusion 和 ComfyUI，支持准确的中英文文字渲染、JSON Layout 布局控制、最长 4K tokens 提示词，并提供 Prompt Enhance 提示词增强功能。模型基于国产 PPU 算力平台训练，已开放 Base 和 SFT 版本权重，支持动漫、写实等多种风格，目前可免费体验。
文章指出用 AI 生图直接做海报存在三大问题：无法精细化修改、文字密集时易乱码、二维码无法准确生成。正确方法是让 AI 写 HTML 网页当海报，文字真实可编辑，二维码和 logo 以图片素材贴入，最后截图导出 PNG。文章介绍两种方法：一是复刻喜欢的海报，让 AI 拆解成风格描述后再套用自己的活动内容生成；二是让 AI 反问需求后出多版设计供挑选迭代。最后建议建立自己的海报模板库，随时复用，大幅节省设计成本。
作者实测国产开源生图模型 MOSS-Image，重点验证其 JSON Layout 对文字、物体位置和画面构图的可控性。文章对比了普通提示词与 JSON Layout 在同一封面需求下的生成效果，详细讲解了中心坐标系和 yxyx 格式的 bbox 写法、在线体验参数设置、官方示例分析，以及 ZeroGPU 额度问题和本地部署方法。作者强调可复用的不是某张图，而是一套固定种子、对照测试的评估方法，认为 JSON Layout 让提示词变成可保存、可修改的布局资产，使 AI 生图真正进入设计工作流。
作者分享了使用 GPT-image-2.5 生成透明背景图片的体验。透明图让满意的人物素材可以被保留和复用，换背景、改排版时无需整张重做。文章建议从存储整张图转向积累素材零件：人物、道具、装饰、特效分别存档，并介绍了多符号复合表情系统的设计方法（如 emoji 与颜文字组合塑造复杂神态）。同时强调要仔细检查素材边缘质量（发丝、半透明部分），提出从确定用途、单独生成主体、多底色检查到保留原始 PNG 的素材库搭建流程，倡导以可复用思维做 AI 出图。
文章介绍如何用 ChatGPT、Codex 等工具直接生成带 Alpha 通道的透明 PNG 素材，并系统梳理了 12 类应用场景：聊天表情包、游戏立绘、VFX 特效、海报拼贴、产品图、UI 图标、装饰素材、像素游戏资产、Live2D 素材、直播包装、特殊材质以及阴影光效辅助素材。作者还提出五个进阶方向：模块化角色生成、实验摄影、复合表情资产、视觉特效库和素材处理工作流，并附上通用透明角色素材提示词模板，帮助读者积累可复用的个人素材库。
