Qwen-Image-2.1-Pro 的测评来了。它是阿里千问这一代的统一文生图与图像编辑模型，也是这一轮里中文能力最被期待的一位。六道题跑下来，结论挺有意思：文字和左右手这两块它确实做到了别人做不到的事，但空间关系、人体解剖和镜面推理依旧不稳。

第一题中文长文本排版，水彩风珠海 5 天行程插画。这题表现最好：渔女、日月贝的形象都比较贴近真实情况；测评这么久，终于有模型把第一天「鹈鹕海鲜餐厅」的「鹈鹕」两个字正确生成了——这个字此前几乎每期都翻车；其他位置也没有看到错别字。就冲这一点，中文生成能力最好的就是它，起码在此前测过的模型里是这样。

第二题文生图综合能力，左撇子咖啡馆写信。这也是迄今为止唯一一个能分清左右手的模型，终于是左手拿笔、右手拿烟斗了。但问题还是一大堆：右手画出了 6 根手指；玻璃窗没有按提示词反射执笔的手；杯中清水应该满到快溢出来，没做到；咖啡杯应该是半杯；墙上时钟要求 3 点 45 分，时针应该在接近 4 点的位置，它还停在没过 3 点的地方；信件上的文字方向错了；明信片的位置也错了——不是摆在一边，而应该放在男生正在写的笔下。

第三题同一角色多视角一致性，四宫格不同角度。图 4 没有做到 3/4 视角，已经近乎侧身了；提示词要求单手抱着猫咪，四个画面没一个是对的；女孩应该缺一颗门牙，也没有做到；第二张图的发夹直接不见了；左下那张草莓挂饰的位置错了，应该在书包拉链左边；再细看，左上图猫咪前爪趴在女孩手上，右下那张却没有，角色一致性也丢了。

第四题物理常识，女孩落地镜自拍加水杯筷子折射。提示词要求女孩站在落地镜前面自拍，她却是坐着的；实景里女孩两手拿着手机，镜子里却只出现一只手；镜中人物的右腿生成畸形，右裤腿下面出现两只鞋，而且我们视角看到右边那只鞋明显是个左鞋；杯中清水应该满到杯口，没做到；杯子里应该只有一根筷子，也没做到；杯子还没有按要求出现在镜子里。

第五题柱状图和饼图图表生成。左边的柱状图，所有柱子的高度和 Y 轴刻度对应不上；右边的饼图这次没看出问题。

第六题参考图和图片编辑，把多个人物参考图里的左右两个男生位置互换。位置互换本身是做到的，这也是它比纯文生图模型强的地方。但细节没有换干净：左下方原来白人男生的手还握着手机留在原处；中间女孩左肩上搭着的原黑人男生的手也还在——有人会说那可能是女孩自己的手，但对比肤色深浅，那只手更像黑人男生的。

这次测评就到这里。最终在站内 Benchmark 上能拿多少分，算好之后会公布在生图模型测评页，感兴趣可以去博客查阅。