4月文生图中文榜单发布 | 百度ERNIE-Image登顶国内第一,Nano Banana2保持领跑!
- 更新时间 2026-04-16 16:05:50
2026年4月，SuperCLUE-Image 中文原生文生图最新测评榜单发布。本次沿用SuperCLUE-Image最新测评基准，在 “基础能力 + 应用能力” 多维测评框架下，覆盖图像质量、现实复现、创作与推理等关键维度，并进行人类一致性评估。
本次评测涵盖了国内外18个具有代表性的文生图模型，并对其综合能力进行了深入测评。以下为详细测评报告：
「过往文章介绍」
1.【2026年3月SuperCLUE-Image 文生图测评榜单参考文章】3月文生图榜单发布！Nano Banana2断层领跑，千问、字节强势追赶！
2.【2025年11月SuperCLUE-Image 文生图测评榜单参考文章】11月文生图月榜：Nano Banana Pro 领跑，国内头部厂商跻身前五
提示词：以 “麦浪载旧梦” 为核心意象，创作一幅复古胶片风格的画面：微风拂过麦田时麦浪起伏的弧度，裹挟着童年奔跑时扬起的麦香，傍晚橘粉色霞光漫过麦穗的顶端，光影在饱满麦粒上流动的轨迹，像被岁月磨洗过的旧相册里泛着暖黄的一页。
国内头部模型生成(创作与推理—意象表达)
测评核心内容摘要
摘要1：海外领先，国内厂商强力追赶！
摘要2：各能力分化明显：基础画质内卷，语义理解仍是行业分水岭。
在图像质量上，Gemini系列最高达 89.00 分，GPT-Image-1.5 与阿里的 Qwen-Image-2.0-Pro 均以 87.25 分紧随其后；然而在图文一致性上，行业整体出现明显断层，除 Gemini 系列(最高71.67分) 与 ERNIE-Image (65.00分) 表现较好外，其余模型如 Doubao-Seedream-5.0-lite (56.67分) 和 GPT-Image-1.5 (53.33分) 均出现明显掉队。
# SuperCLUE 文生图中文竞技场排行榜
本竞技场是一个大众投票的匿名评测平台，榜单汇聚最新投票数据，定期更新排名。诚邀您参与评测，在原生中文语境下用实际体验为模型能力提供真实反馈，共同完善文生图模型的评估标准。
访问地址：https://www.superclueai.com
SuperCLUE-Image 是一个专为文生图模型设计的评测基准，旨在为文生图领域提供全面且多维的能力评估参考。
# 测评方法和评估示例
评估示例
第一轮评价： -----评价开始-----
**初步质量定性 (0.0-1.0分档)：** 优秀(0.8-1.0档)
1. **标准1 <色彩感染力> 的评价：**
图像在色彩感染力方面表现卓越。它成功地营造了一种柔和、明媚的午后阳光氛围。粉色和绿色的马卡龙色彩饱和度适中，显得非常自然可口，而非廉价的工业色素感。夹馅的焦糖色与饼壳形成了温暖的对比，金箔碎屑的金色在柔光下闪烁，起到了画龙点睛的作用，提升了画面的精致感。整个画面的色彩组合不仅美观，而且极具感染力，能够唤起观众对美味和闲适生活的美好联想。
然而，基于极度严格的评估标准，必须指出其与Prompt描述的细微色彩偏差。夹馅的颜色更接近焦糖色而非“杏色”，托盘为米白而非“白色”。这些偏差虽然不影响整体美感，甚至可能是一种更优的艺术处理，但构成了与指令的不完全吻合。因此，无法给予满分。
- **为何不能给更高分（如1.0）**：因为在“杏色”夹馅和“白色”托盘这两个具体的色彩指令上，执行得不够精确，存在可感知的偏差。
- **为何比更低分要好（如0.8）**：尽管存在细微偏差，但图像整体的色彩和谐度、光影表现以及由此营造出的强大氛围感染力，已经达到了顶尖水平，远超“优秀”的门槛，接近完美。
基于标准1的得分：【0.9】
**综合得分计算：**
计算过程：(0.9) / 1 = 0.90
综合得分：【0.90】
-----评价结束-----
第二轮评价：
-----评价开始-----
**初步质量定性 (0.0-1.0分档)：** 优秀(0.8-1.0档)
1. **标准1 <色彩感染力> 的评价：**
与<第一轮评价>类似，此略...
基于标准1的得分：【0.9】
**综合得分计算：**
计算过程：(0.9) / 1 = 0.90
综合得分：【0.90】
-----评价结束-----
第三轮评价：
-----评价开始-----
**初步质量定性 (0.0-1.0分档)：** 优秀(0.8-1.0档)
1. **标准1 <色彩感染力> 的评价：**
与<第一轮评价>类似，此略...
基于标准1的得分：【0.9】
**综合得分计算：**
计算过程：(0.9) / 1 = 0.90
综合得分：【0.90】
-----评价结束-----
# 人类一致性评估
# SuperCLUE 文生图中文竞技场排行榜
为验证测评体系的公信力，我们将SuperCLUE文生图中文竞技场排位分与本次SuperCLUE-Image测评榜单总分进行交叉分析。结果显示，客观测评体系精准反映了真实用户的感官体验，具体统计指标如下：
皮尔逊（Pearson）相关系数： 0.8432，P值： 2.82e-04。表明测评分与排位分存在很强的正线性相关性，P值远小于0.05说明相关性极其显著。
斯皮尔曼（Spearman）相关系数： 0.7308，P值： 4.56e-03。表明测评分与整体保持高度一致，榜单排位具有较高可信度。
从国内外对比来看，国内大模型在汉字生成上稳稳压制海外(75.59 > 70.04)；在现实复现 (71.19 vs 72.07) 上，国内外差距已压缩至不足1分；而在图像质量 (73.58 vs 79.03) 、创作与推理(67.68 vs 75.46) 上，国内模型正稳步缩小差距。然而，在图文一致性上，国内平均分 (37.78) 显著落后于海外 (44.72)，说明在复杂语义的精准理解上，国内模型仍有较大进步空间。
综合各维度头部排名与行业二级任务得分来看，当前文生图模型的发展呈现出极其严重的“偏科”现象，各维度领跑者分化明显：
图像质量与创作推理：海外模型占据统治地位。Gemini系列在两项均包揽前两名 (最高分别达89.00分与90.27分)，GPT-Image-1.5稳居第三。国内ERNIE、Qwen与Doubao紧随其后。
汉字生成：国内外同台竞技，高内卷。海外Gemini 3 Pro(88.24分)领跑，国内ERNIE-Image (85.25分) 与 Doubao-Seedream-4.5 (85.24分) 紧咬比分。
图文一致性：行业难点。除Gemini系列维持在70分以上、国内ERNIE-Image以65.00分逆势破局杀入前三外，其余国内外主流模型均在50分左右徘徊，部分甚至跌破30分。
从行业二级任务平均分排名图可以看出，优越区的能力主要为纯视觉、具象特征任务，如“真实感”(83.85)与“文字准确度”(82.01)均超80分；然而，在严谨逻辑约束的薄弱区，分数呈现断崖式下跌：“世界知识推理”(52.73)、“数量关系”(46.76)，直至垫底的“主体匹配”(33.80)、“空间关系”(23.15)与“数形结合”(21.76)。
