修图AI对比测评的方法论：我的十项打分表公开

修图AI对比最容易被做成感觉：三张截图，一句「效果不错」，完事。我的做法是把感觉拆成十项，每项定权重、定测法，总分一百，谁来测都这么打。这篇文章把这张表原样交出来，包括我扣分最狠的一项，和厂商打电话来争权重的那次沟通。做独立测评的前提是我不能拿厂商的钱，这条不打折，打分表才立得住。

十项打分表全公开：权重和测法都在这

十项总分一百：效果上限20分、稳定性15分、边缘发丝10分，其余七项共55分，每项都有固定测法，动一分都要给理由。下面这张表就是我两年没换过骨架的版本，今年6月只微调过一次速度项的测法。

先说权重为什么这么排。效果上限看着风光，只给20分，因为一张大片撑不起日常使用；稳定性给15分，翻一张图在客户那里就是一次事故，这账没法算平。剩下的项各有各的用处，你对照自己的场景看哪项重。

说实话，把隐私这种「不出片」的项放进前十，后台一直有人嫌占地方。我的看法反过来：效果差你顶多骂一句，图被拿去训练你连骂的对象都找不到。权重像配火锅底料，辣椒多花椒少是一锅味，反过来是另一锅，没有标准答案，但配方得先摆出来。

怎么测才公平：同一底图、同一流程、盲评

三道锁保证公平：12张固定底图大家共用，同一条流程不许走捷径，打分阶段文件全改名盲评。少任何一道，分数就会往「谁跟我熟」的方向漂。

第一道锁是底图。2025年11月我自己拍了12张：逆光人像、长毛猫、玻璃瓶、夜景高ISO、带小字招牌的街铺，各两张，版权在我手里，谁也别想挑图。厂商提供的样图我一张不用——样图十有八九挑过对自己最有利的场景，这不算阴谋论，是我拿三家样图试跑对比后得出的结论。

第二道锁是流程。每个工具都跑两轮：一轮纯默认设置，一轮按官方文档推荐参数优化，两轮成绩都计入。导出统一最高质量PNG，中间不做任何手工修补。手工修补一次，整个对比就作废了，这条我对自己也一样。

第三道锁是盲评。打分阶段文件名全换成A-01到L-12，顺序打乱，我关掉原图窗口只看结果。你可能会问，自己测自己测的工具怎么会不认识？认得出来。某次我一眼认出某家的招牌饱和度，手一抖就多打了2分，复测时才发现——那次之后我连看图的软件布局都固定成盲评模式，原图永远放在第二屏幕且默认最小化。

每个维度测3遍取中位数。有一回测某工具的报错，弹窗写着「GPU memory insufficient」，降到2048像素才跑通，这种坑就记进稳定性，不另开小灶。细节看着琐碎，公平全藏在这些琐碎里。

被厂商质疑「打分不公平」之后，我改了什么

今年8月28日一家厂商来争权重，我的回应是：权重公示在先、测法可复现，有异议就交图复测。那次沟通之后，我反而把申诉流程写成了明规则。

事情经过不复杂。他们主打效果上限，自测成绩很漂亮，看我家只给20分权重，商务直接在微信里说「稳定性占15分对我们不公平」。我回了一句：权重公开了两年，你发版前照表自测，稳定性行不行自己心里有数。对方后来没再争，倒是把稳定性团队扩了——这是他们运营后来自己讲的，真假我不担保。

这次沟通逼我想清楚一件事：被质疑不可怕，可怕的是只有被质疑时才解释。于是我加了复测规则：任何厂商可提交一张指定底图，我用同一套流程重跑，结果不管好坏都更新进文章并标注复测日期。到现在跑过两次，一次涨分一次跌分，都写明了。

也有我自己认账的部分。速度项原来只掐单张耗时，有读者留言说他们真实场景是几百张排队，我试了下才发现某工具批量50张时，第37张开始把阴影整体提亮约15%，单张测法根本抓不到。今年9月起批量总耗时进了测法表。话说回来，表是死的，场景是活的，这条我得认。另一处自我纠正：上手成本原本不计时，后来发现「跑通第一张」的分钟数比主观感受诚实得多，新手卡在导出页默认勾选的「智能压缩」上，十分钟找不到关的地方——这种细节只有亲手踩过才写得出。

如果你想看这套表跑出来的具体成绩，五款工具横评那篇里有完整的十项得分，红黑榜行为对照则记录了哪些厂商被质疑后的反应像样、哪些不像样。

打分表不是终点，它只是把吵架变成对账。十项、一百、三道锁，公式简单到你可以抄走自己用。下次再看到「效果惊艳」四个字，先别激动，问一句：底图谁挑的，分谁打的。答不上来，就照这张表自己打一遍。