最近一个月，国产 AI 生图到底卷成什么样了

过去这一个月，中文社区和海外社区罕见地聊到了同一件事：国产 AI 生图模型。

9 月 20 日，阿里通义团队的 Qwen Image 2.1 在 Hacker News 上被推到首页，一个帖子拿到 739 分、将近 200 条评论。评论区不是客套。有人说"一个 70 亿参数的扩散模型，渲染中文字体居然比 Windows 还强"，有人关心它到底怎么在本地跑起来，也有人直接说了一句"有点担心"——因为这么大的能力，目前没有任何水印。

这不是孤立事件。同一周，腾讯混元的新文生图模型也在 B 站被 UP 主拿去测评；字节的豆包图片处理教程在 B 站播放量过万。国产文生图工具正在从一个"能出图"的阶段，走到"真的有人在认真用"的阶段。下面聊聊我看到的几个信号。

70 亿参数，为什么值得说

大部分人不关心参数，只关心图好不好看。但 70 亿这个数字是整件事的关键。

主流闭源图像模型的参数动辄几十上百亿，还藏在 API 后面按次收费。Qwen Image 2.1 是开源权重，70 亿参数，一张消费级显卡就能在本地跑起来。这意味着你能在自己电脑上出图，不用按张付费，也没人记录你的提示词。

Tom's Hardware 的报道说，阿里声称这个模型跑分超过了 Google 的 Nano Banana 2.0，还和 OpenAI、Meta 的图像模型打得有来有回。厂商的跑分我一般打个问号，但能让机器学习圈子吵起来，本身就已经说明问题了。

中文社区真正在聊什么

我这几天翻了一下几个平台，发现中文社区讨论的方向和海外不太一样。

海外在争论开源闭源、要不要水印。中文社区更实际：怎么用、写什么提示词、能不能做写真。

B 站上，"豆包 AI 图片处理教程"这种视频播放量能到 1.7 万，弹幕和评论都在问具体操作步骤。"AI 科研绘图""AI 定制照片"这类需求也在冒头。百度搜索里，"AI 文生图提示词怎么写"是高频问题。这说明真正的主力用户不是玩票的，是拿它干活的人——做电商图、做学术配图、做个人写真。

提示词这件事，说穿了不复杂

把你脑子里想要的画面拆成几个具体要素：主体是什么、什么风格、什么光线、什么构图、不要什么。

别写"一张好看的图片"，写"一个穿米色大衣的女生站在落地窗前，柔和的逆光，电影感，浅景深"。模型吃的是具体，不是形容词堆砌。想要啥风格，就把风格词放进去；不想要啥，用否定词明确说出来。多试几版，把满意的提示词存下来，这就是你自己的模板。

几个真实的应用场景

科研绘图是个被低估的方向。B 站有 UP 主专门教"AI 科研绘图 Figure 复刻"，播放量能到几千上万。做论文配图、示意图的人，以前要么学一堆专业软件，要么花钱外包，现在能拿文生图出初稿再精修，效率完全不一样。

电商图是另一个大头。批量换背景、换姿势、做不同风格的展示图，这些用文生图和局部重绘比传统修图快得多。还有个人写真和"AI 定制照片"，这个需求一直很旺盛，问题从来不是"能不能做"，而是"做出来像不像、隐私怎么保证"。

普通用户该怎么选

这个问题没有标准答案，我按需求说：

如果只是随便玩、偶尔出张头像，豆包这类工具够用，不用折腾，打开就能用。如果是做电商图、批量出图，值得花点时间研究提示词和局部重绘，豆包、即梦都有对应的功能。如果你是技术向、想自己部署，那 Qwen Image 2.1 是最近最值得试的，开源、免费、一张显卡就能跑，中文渲染还是它的强项。

有一说一，国产文生图模型这两年进步是真的快，但"快"不等于"样样都强"。手指、文字、多主体一致性这些老毛病，各家都还有残留。别被跑分带节奏，先拿你自己的真实场景去试几张，比看一百篇评测都管用。

最后说一句水印

水印和溯源这个问题，海外吵得很凶，中文社区目前讨论得少，但这不代表它不重要。等 AI 生图彻底普及，一张图到底是不是人做的、谁做的，迟早会变成和"这个链接是不是诈骗"一样的基础问题。

到那时候，谁能把开源能力、易用性和诚实的出处标注一起做好，谁才是最后留下的那个。国产模型现在有了跑分、有了社区热度，接下来要比的，就是这些更"无聊"但更长久的东西。