字节大模型团队从23年开始就是双线作战，一线主攻大语言模型，豆包模型从23年的不如ChatGPT 3.5，直到25年才用Doubao Seed 1.6，证明了自己具有冲击世界第一梯队的实力。而多模态，文生图，文生视频团队则在更早就崭露头角，其生图模型在一众国产模型中，一直以高美感，高精度著称，与同时期的国外模型不相伯仲。
不幸的是Google的nano banana模型刚问世，就掀起波澜，与国产模型拉开代差。幸运的是，这个代差只保持了2周，就又被国产模型追平。
笔者从23年起，使用几组固定的提示词追踪生图模型的表现，下面通过几组实例点评Seedream4.0模型在结构准确性，画面细节，指令遵循等各方面的改进。
Case1，考察复杂物理结构： 一个海滨公园，远处是一架高大的摩天轮，有着白色的外观和浅灰色轿厢。近处是一座旋转木马，上面有不同动物造型的座位，有马，独角兽，长颈鹿，南瓜马车。
摩天轮和旋转木马一直是生图模型的难点，两个物体都有大量细节，并且细节之间有逻辑关联，比如摩天轮的物理结构辐条，轿厢，旋转木马的装饰物，座椅，朝向等。
可以看到Seedream4.0相比前一代3.1在整体结构上有了巨大的改进，粗看画面结构完整，尤其摩天轮的物理支撑结构没有扭曲，旋转木马的装饰画细节丰富。但座椅朝向没有统一顺序。而且提示词没有提到人物，所以默认也没有画游客。
与Seedream干净的像CG不同，banana的生图则更真实，并且补全了环境，看起来像一张随手拍的照片。但坏处是细节错误非常多，人物畸形，摩天轮透视问题等。
Case2，考察纹理和材质：一张商品宣传图，一盘下火锅用的毛肚，高档的盘子，碎冰块铺底，精致的摆盘。盘子边上插着一块竹牌，写着“极品草原毛肚”。适当的背景装饰。
食物是生图模型的另一处难点，之前的模型，包括Seedream的前代，有时连形似都做不到，经常出现食材创造性拼接。而Seedream4.0几乎克服了这个难点，上图第一眼看不出AI感，像一张精修的商品图，只能从局部光照发现漏洞。
对比其前代3.1，可见巨大改进，如下图：
除了单一食材的准确性，在食材组合的呈现上，Seedream4.0也有着恐怖的画面表现力。如Prompt：
生成一幅图，照片级画质，内容是一桌丰盛大餐，有炖鸡，蒸虾，蒸鱼，炒青菜，和四碗白米饭。放在一张玻璃餐桌上。
这一段提示词的难点在准确把握不同食材的外形，并且隐含了不同食材的不同处理方式，装盘方式要求，需要大模型自行把握。Seedream精确度不错，各种食材的形状，尤其虾头，鱼头这些形状杂乱易错部分，也表现很好，甚至炖鸡里鸡腿的个数也是对的。不过蒸虾我们一般不用笼屉，Seedream捕捉到了“蒸”，但显然搞错了。米饭数量也不是3碗。
banana在这个prompt下有自己的理解，他同样把内容放置在合理的场景里，甚至给米饭加了热气，加了景深虚化。但banana对中餐的烹饪理解是有问题的，炖鸡不是这个形态。
Case3，考察人物和环境营造 ：生成一张国外街头咖啡厅，人们坐在椅子上聊天
海外场景和人物算的上Seedream及其前身模型的主场优势，从早期2.0版本起，如果提示词不明确指定场景，其输出大概率默认是国外的街道和人物，并且国外主题下，图片的精度和美感更高，这跟模型的训练数据和方式有关，Seed团队用了几个版本逐渐把权重调到国内为主。但不代表新模型就不会国外题材。
这张图可以感受到Seedream4.0模型在这类题材下依然强势，无需额外提示词，其环境营造就已可用。不同人物的姿态自然，表情生动，并且4.0避免了在场景中生成看板，菜单等文字较多的内容，避开了大模型目前的劣势。3.1模型则不避讳文字内容，导致生图总会因为扭曲的文字而出戏。
banana对国外题材就完全主场作战，出图可用性高，同样保持了“照片风格，环境补全”，整体与Seedream类似，但画面空气感更强，背景也更丰富。
Case4，考察商业出图 ：生成一幅图，促销海报写实风格，内容是放在中间的红字“圣诞大促”，周边围绕着电器，服装，玩具，厨具，营造一种喜庆氛围。
这段提示词历史也比较悠久，从各大模型还不会写字就开始用，除了考察写字，更考察大模型如何在没有具体提示的情况下，将多种不同元素合理排列，共同营造氛围。Seedream4.0写字不成问题，尤其汉字，甚至可以在没有提示时，根据氛围自行挑选合适字体。元素排列和层次比较到位，错落有致。对“喜庆”的理解表现为红色背景，礼物盒，圣诞树，这些装饰元素。
banana这边是写不了汉字的，为了不欺负他，prompt改成写英文词。可以看到banana再次捕捉到环境氛围，主动加上了飘雪，背景的壁炉等。还把商品排列成一个圣诞花环，算是对“围绕”的另一种理解。只不过这张海报显然不是电商场景想要的东西。
如果强行要banana写汉字，那就会是下面的效果，和国产模型去年表现相似。
总结
总体而言，通过几个例子可以看到Seedream4.0在物体结构，材质方面有长足进步，但对于提示词没有涉及的隐含信息，环境等把握程度则不高，容易出badcase，如果要实现完美效果，需要更详细约束。在图上写汉字，有一定改进，但没有本质区别，与环境的融合度不够高，也不能写太多字。
与nano banana相比，banana在Seedream4.0的短板，如环境营造上，有着更好的“兜底”效果，无需复杂描述，直出效果好。但美国的模型，对中国特色内容理解程度就要弱很多，充斥着拼凑和刻板印象。中国的模型却能很好表现外国场景。
banana这样的模型放在24年，多半会引发舆论探讨中国大模型是不是又落后，差距是不是拉大了。但放在今年，国产模型完全有能力实现部分追平，观众可以松一口气了。
最后，文中使用图片均为各模型1Pass输出，其中Seedream4.0使用火山云API（支持4K，即梦2K），banana使用Google AI Studio。