指定绘画ai哪家服从度高？同一句话我测了三个引擎
我的判断是：指定绘画ai里，豆包对指定元素的服从度最高，即梦次之。我拿同一句五处指定的提示词各跑20张，豆包平均命中3.6处，差距不小，选错引擎废图率翻倍。
做自媒体三年，我的封面图有个死要求：标题区留白、主视觉占右三分之二、配色压暗。指定绘画ai能不能做到这种精确指定，我拖了很久没敢换工具，10月12日到14日，我咬牙做了个测试：同一句含五处指定元素的提示词，分别投给豆包、即梦、文心一格，每家跑20张，一张张数命中数。
先说测法，免得有人说我黑谁。提示词我磨了三版才定稿，五处指定是：主体一只橘猫、背景左侧留白、主色奶油黄、一张金币、竖排构图。三个引擎都用同一段词原文，不改一字，出图参数全默认。每家20张共60张，我按处数打分，命一处记一处，全部记录在表格里。
三个引擎的命中数据，差距比想的明显
豆包20张平均命中3.6处，即梦3.2处，文心一格2.4处；指定颜色三家都稳，指定数量和位置三家全崩。服从度的差距集中在指定类型上。
数据先摆出来。豆包的20张里，橘猫、奶油黄、留白这三处几乎张张命中，崩的是金币数量和竖排构图，最好的一张命中4处。即梦的风格好看，留白执行得最准，20张里17张留白到位，可它爱自作主张加东西，指定一张金币它能给画一堆。文心一格垫底，20张里有6张连主体都跑偏了，指定橘猫它出过三张黄狗，我看的时候愣了几秒。
不夸张地讲，这个结果改变了我的工具排序。以前我用文心一格最多，测完才知道它对指定词的服从掉队了一截。豆包胜在听话，即梦胜在好看，做精确指定的封面图，我现在主用豆包出底、即梦调风，两条腿走路。
数量和位置是指定绘画ai的共同死穴
指定「一张」「两只」这类数量词，三个引擎的命中率都不足四成；指定位置要写「画面左侧」这种方位描述，写「左边第三个」必翻车。死穴绕着写。
数量是最离谱的。我指定「一张金币」，60张图里真出一张的只有23张，豆包爱出两三张，即梦能撒一把。后来我摸出的补法是把数量词提前并加重：「画面中央仅一枚金币」，改完豆包的命中从三成涨到七成，20张里14张对了，这十几张省下的选图时间是真的。
位置指定也讲究写法。「金币放在左下角」这种口语词，三个引擎理解得都还行；写成「第三个元素在左侧」就全崩。位置词要用画面方位，别用序数词，这是我60张图换来的一条铁律。第9张豆包的图我留着当反面教材，我写「两只猫」，它画了一窝五只，挤得满满当当。
打分的时候我还留了个心眼，加了条复核规矩：每张图打完分截图存档，防止自己回头凭印象改分。三天测下来60张全有截图，第2天测文心一格那批时我困得眼花，有两张差点记串，靠截图对回来的。这种笨办法防的就是自己的记忆不靠谱，数据要经得起翻，记录就得死板。
指定落空之后的补词套路
指定元素落空别整段重写，把没命中的那一处单独拎出来放句首加重，其他词原样保留，一轮只救一处。补词一轮一处才有效。
我的补词流程固定三步：先把没命中的元素单独写成一句放提示词开头，权重顶到最高；其他指定原样不动，动了就前功尽弃；改一轮只出一组，别连点生成，出完看数据再动。10月14日晚上我用这套流程救一张封面，总共补了四轮，第38张才全命中，四轮里我只动了四处指定词，其他一字没改。
还有个偷懒办法一并交出来。指定元素特别多的图，我现在的做法是拆成两次出：先出主体和背景的底图，再把缺的小元素用局部重绘补进去。指定五处以上的图硬塞一句话里，三个引擎全会顾此失彼，拆开画命中率高得多。
60张图测完，我的封面图流程就定型了：豆包出底、即梦调风、补词一轮一处。指定绘画ai没有一家全占，但差距是实打实量出来的，谁家听话谁家好看，表里一清二楚。你要做精确指定的图，先想清楚自己最在意哪一处指定，再照着数据选。
常见问题
测试用的提示词能直接抄吗？
能抄思路，别抄原文。五处指定是我的封面需求，你的图指定哪几处、权重怎么排，得按自己的画面来。抄了不知道为什么对，下次改一处就全崩。
指定元素最多一次能塞几个？
我的经验是三处以内一句话里能hold住，五处就该拆两次出图。60张的数据里，五处指定全命中的一张都没有，拆开画是唯一稳的路。
为什么不用Midjourney测？
预算原因，我订阅快到期了没续。它对英文指定词的服从公认不错，改天续上了我会补一轮数据，这回就先不瞎说。
指定颜色也容易翻车吗？
颜色是三个引擎里最稳的指定类型，60张里奶油黄基本张张到位。容易崩的是数量、位置和文字，颜色、材质这类描述放心写。