Billedgenereringsbenchmark

Hvor god er Metas Muse Image sammenlignet med Gemini Nano Banana 2 og ChatGPT Images 2.5?

Syv originale tekst-til-billede-evalueringer, efterfulgt af syv billedredigeringsevalueringer med faste kildebilleder og prompts.

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

Testcase

Seks røde basuner

Prompt (oversat fra engelsk)

Hovedanmodning: Seks røde trombones til højre for fire tortoises af glas, der springer over en blå lama. Stil/medium: ren, meget letlæselig studieillustration Komposition/indramning: én sammenhængende kvadratisk scene; vis hvert objekt helt; gør højre-for- og springer-over-relationerne entydige Begrænsninger: præcis seks røde trombones, præcis fire gennemsigtige tortoises af glas, præcis én blå lama; ingen ekstra objekter; ingen tekst, tal, etiketter, rammer, paneler eller vandmærke.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Gemini > ChatGPT > Muse

Gemini er den eneste model, der tegner præcis seks basuner. ChatGPT tegner seks basuner, men viser forkert fem skildpadder, mens Muse tegner otte basuner og fem skildpadder.

Gemini viser den stærkeste overholdelse af de ønskede mængder.

02

Testcase

Rollebytte og usædvanlige egenskaber

Prompt (oversat fra engelsk)

Skab én bred, filmisk landbrugsscene, der vender de velkendte roller om uden at blive til et collage. I midten sidder en astronaut i en komplet hvid rumdragt og kravler på hænder og knæ, mens præcis én kastanjebrun hest sidder over astronautens livsstøttesystem på ryggen og tydeligt rider på astronauten; vis ikke astronauten ride på hesten. Til venstre skræmmer en lille blå fugl aggressivt en halmdukke, som læner sig bagover med hævede arme. Til højre kigger en lys pink giraf over et lavt hegn. Lad alle motiver være helt synlige, anatomisk læsbare og rumligt adskilte; ingen tekst eller vandmærke.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

ChatGPT ≥ Gemini > Muse

ChatGPT er den eneste model, der viser den blå fugl aktivt skræmme halmdukken. I de andre billeder er retningen på halmdukkens fald ikke i overensstemmelse med fuglens angreb.

Muse rangerer under Gemini på grund af dårlig rumlig adskillelse. Gemini er det eneste billede, der formidler overbevisende dybde.

03

Testcase

Spejlgeometri, hænder og smykker

Prompt (oversat fra engelsk)

Skab en fotorealistisk kvadratisk toiletbordsscene, designet til at teste spejlgeometri og hænder. En kvinde vender mod et stort lodret spejl, mens hun løfter sin faktiske venstre hånd med håndfladen mod glasset; spejlbilledet skal stå på spejlets højre side og vise samme håndflade. Hendes faktiske venstre hånd bærer præcis tre ringe – rød sten på pegefingeren, almindelig guld på langfingeren, blå sten på ringfingeren – mens hendes faktiske højre håndled alene bærer et sølvarmbånd. Placer en grøn kop til venstre for spejlet og en rød kop til højre for det; deres spejlede positioner skal være omvendt. Vis i alt ti naturlige fingre på de rigtige hænder, konsistente spejlede hænder, ingen ekstra smykker, tekst eller vandmærke.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Muse > Gemini > ChatGPT

Muse følger instruktionerne præcist for begge hænder.

Gemini løfter ikke venstre hånd, og den placerer alle smykkerne på højre hånd.

ChatGPT har en ekstra hånd på højre side, hvilket er unaturligt og skræmmende

04

Testcase

Typografi, diakritiske tegn og en buet grundlinje

Prompt (oversat fra engelsk)

Skab en fotorealistisk gadekunstfotografi på én sammenhængende rød murstensvæg. Hen over den øverste midte males den nøjagtige versal-sætning »BE EXCELLENT TO EACH OTHER« med store hvide blokbogstaver, stavet perfekt én gang. Nedenunder skrives på en tydeligt buet turkis grundlinje præcis »Crème brûlée — déjà vu!« med begge accenter, em-tankestregen, småbogstaver og udråbstegnet intakte. Til højre inkluderes graffiti af én grøn alien iført en sort smoking og rød butterfly. I forgrunden placeres én gul brandhane på venstre fortov og en lille plakat længst til højre med præcis teksten »eXit 7½«. Ingen anden læselig tekst, ingen dublerede bogstaver, intet vandmærke og ingen collagepaneler.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

ChatGPT > Muse > Gemini

ChatGPT følger kravene præcist.

Muse bruger den forkerte accent og skriver »brûlée« med »û«.

Gemini opfinder en gade til venstre og et hjørne af en væg til højre, hvilket er i strid med den ønskede enkelte sammenhængende væg.

05

Testcase

Køkkenhandlinger og dybere baggrund

Prompt (oversat fra engelsk)

Skab et dybdeskarpt filmisk fotografi inde i et professionelt køkken i rustfrit stål. I midten af forgrunden holder en kok sorte tænger i højre hånd over en pande med præcis to bøffer, mens venstre hånd holder panden i håndtaget. Til venstre vender en souschef røde tomater, grønne blade og gule peberfrugter i en glasskål. I baggrunden hakker præcis tre medarbejdere hver for sig, anretter mad og åbner en ovn. Hæng fire kobberpander over dem, faldende i størrelse fra venstre mod højre. En ordreseddel over udleveringsbordet skal præcis stå “TABLE 7”. Vis korrekte hænder og ingen ekstra personale eller tekst.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Gemini > Muse > ChatGPT

Gemini skaber den stærkeste fornemmelse af rumlig dybde og placerer ordreseddelen på et fornuftigt sted.

Muse skaber et umuligt tredimensionelt rum, og medarbejderen, der åbner ovnen, ser ud til at være smeltet sammen med kokken i forgrunden.

ChatGPT har det mest umulige 3D-rum. Panderne ser ud til at være lige så langt væk som kokken, men de er meget mindre end normalt. Venstre og højre side af billedet viser forskellige dybder (de tre medarbejdere er meget længere tilbage, end venstre side antyder).

06

Testcase

Gennemsigtighed, overlapning og belysning

Prompt (oversat fra engelsk)

Skab et fysisk troværdigt studiestilleben på et mat gråt gulv. Placer en gennemsigtig glaskube bag en blank rød kugle, men foran en gul kegle. Kuglen skjuler delvist kuben, og kuben skjuler delvist keglen, mens alle silhuetter stadig kan genkendes. Svæv præcis to blå kugler lodret inde i kuben. Længst til venstre arrangeres tre små sølvpyramider i en linje fra forrest til bagerst. Længst til højre overlapper fire grønne ringe som en kæde uden at smelte sammen. Belys alt fra øverst til venstre, så alle skygger falder nedad og mod højre. Ingen tekst eller ekstra former.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Muse = ChatGPT > Gemini

Muse klarer opgaven fint, men den røde kugle viser refleksioner på begge sider, hvilket fejlagtigt antyder en anden lyskilde til højre.

ChatGPT har et lignende problem, selvom problemet med den anden lyskilde er mindre udtalt. Til gengæld er dens kube mere forvrænget.

Gemini indeholder kun tre ringe, og kuglerne inde i glaskuben har urealistiske refleksioner.

07

Testcase

Flersproget natmarked med præcis bindinger

Prompt (oversat fra engelsk)

Skab ét sammenhængende, fotorealistisk natmarked med tre boder fra venstre mod højre. Den blå boghandels hvide skilt står “LIBROS”; den røde teboders creme-farvede skilt står “茶”; den grønne brødboders sorte skilt står “خبز”. Hæng præcis fem røde lanterner over kun den midterste bod. Dens venstrehåndede sælger hælder fra en sølvkedel, der holdes i venstre hånd, i kopper bestilt i rækkefølgen blå, hvid og gul. Placer et barn i lilla frakke foran, mellem en plettet hund til venstre og en stribet kat til højre. Bevar alle skrifttyper, antal, farver og bindinger; ingen anden læsbar tekst.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

ChatGPT = Muse = Gemini

Alle modeller fanger den travle, fotorealistiske atmosfære på et natmarked.

Gemini placerer lanternerne korrekt over den midterste bod, mens Muse og ChatGPT placerer dem inde i bodene.

However, Gemini also introduces readable words on the right, contrary to the instruction.

Billedredigering

Kildebillede + prompt

08

Fjernelse af objekt fra en kompleks scene

Prompt (oversat fra engelsk)

Rediger billede A, og brug det som basisfotografi. Fjern kun den store sorte cykel, der dominerer forgrunden i midten: cyklen med sølvfarvet styr, sort sadel, sort kædeskærm og skinnende sølvfarvet forskærm. Genskab de dele, den skjuler – den grønne cykel bag den, den malede murstensvæg, murfuger, graffitistriber, kantsten og brosten – så de virker sammenhængende og fysisk plausible. Behold alle andre cykler, alle bevarede graffitimærker, beskæringen, kameraposition, sollys, skygger, tekstur og fotografisk korn uændret. Tilføj ikke objekter, tekst eller sløring, og heller ikke gentagne hjegerne eller et synligt retoucheringsplaster. Returnér samme liggende format og billedformat som billede A.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Muse > ChatGPT > Gemini

Muse udleder korrekt, at forhjulet på den resterende midterste cykel bør være sølvfarvet, hvilket placerer den lige foran ChatGPT.

ChatGPT efterlader også et unaturligt brud langs bunden af graffitien.

Gemini fjerner slet ikke cyklen.

09

Materialebevidst selektiv farveændring

Prompt (oversat fra engelsk)

Rediger billede A, og brug det som basisfotografi. Ændr kun bilens synlige rødmalede udvendige metalpaneler – herunder døren, forskærmen, kanten af motorhjelmen, bagskærmen og det lille røde hævede karrosseripanel over tagkanten – til en dyb britisk racinggrøn metallisk maling. Den nye maling skal bevare de oprindelige panelsømme, højlys og træreflekser. Ændr ikke og redesign ikke det brune vinyltag, kromlister, spejle, glas, sort gummi, dørhåndtag, lås, antenne, emblem, interiør, fører, buket eller baggrund. Ændr ikke bilmodel eller geometri. Bevar den oprindelige beskæring, skarphedsdybde, belysning og billedformat; tilføj ingen tekst, logo eller objekt.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Muse = Gemini > ChatGPT

Muse anvender uønsket skærpning på Ranchero-emblemet, men dens refleksion af græsset er mere tro mod det oprindelige billede.

Gemini skærper græsskyggen, men lader emblemet være uændret.

ChatGPT skærpede Ranchero-emblemet og anvendte kraftig skærpning på skyggen, så den placeres sidst.

10

Global ændring af belysning uden strukturel eller tekstmæssig drift

Prompt (oversat fra engelsk)

Rediger billede A, og brug det som basisfotografi. Skift scenen fra overskyet dagslys til realistisk blå time lige efter regn. Gør himlen til en klar, dyb kobolt-blå skumring; tænd varme indendørs- og lys under overdækningen; lad disse varme lys og det eksisterende lilla stationsbånd reflekteres subtilt i det allerede våde fortov. Bevar præcis samme kameraposition, vidvinkelperspektiv, bygningsgeometri, overdækning, søjler, indgange, fortovsmønster, det lilla bånd og det læselige hvide ord »Woolwich«. Behold alle eksisterende personer, pullerter, plakater og skilte på deres oprindelige placering, og tilføj eller fjern intet. Omskriv, oversæt eller opfind ikke tekst. Bevar realistisk dynamisk omfang – ingen neonfantasi-look – og returnér samme liggende format og billedformat.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Gemini > Muse > ChatGPT

Alle tre modeller klarer sig godt med at bevare den usædvanlige kameravinkel, perspektivet og teksten, mens de genererer et vådt gulv.

Gemini er den eneste model, der bruger den korrekte belysning, fordi både Muse og ChatGPT tilføjer lamper, som ikke fandtes på det oprindelige billede.

ChatGPT-lamperne passer ikke, og den laver en ekstra lampe i træet til venstre, så den rangerer sidst.

11

Præcis produktudskiftning i et møbleret værelse

Prompt (oversat fra engelsk)

Brug billede A som basisrum og billede B udelukkende som møbelreference. Erstat i billede A kun den smalle, lystgrønne polstrede lænestol i midten bagest, placeret mellem de to lyse bagvinduer og delvist bag den blå sofa, med den præcise blå-og-guld lænestol fra billede B. Bevar billede B’s karakteristiske firkantede blå ryg og sæde, den forgyldte udskårne træramme, de åbne armlæn, frynserne og de slanke ben. Tilpas den til den oprindelige stols gulvposition og synsvinkel i en troværdig rumskala; match det varme vinduslys, gulvkontaktskyggen, perspektivet og eventuel naturlig kantoverlapning. Ændr ikke den blå sofa, sofabordet, tæppet, de indbyggede vinduessiddepladser, lamperne, vinduerne, lysekronen, trævæggene eller andre dele af billede A. Behold ikke billede B’s grå museumsbaggrund. Returnér billede A’s oprindelige liggende format og billedformat; ingen ekstra møbler, tekst eller collage-ramme.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Muse > Gemini = ChatGPT

Muse er den eneste model, der placerer den ændrede stol i sin oprindelige retning, mens de to andre drejer den for langt mod højre.

12

Identitet, struktur og tekstilbinding med tre referencer

Prompt (oversat fra engelsk)

Lav ét kvadratisk, fotorealistisk redaktionelt studieportræt, der bruger alle tre referencer med streng rollefordeling. Placer den samme grå tabby-kat fra billede A siddende oprejst og kigger lidt mod venstre på den præcise vingestol fra billede B. Bevar kattens ansigt, grøn-gule øjne, mørke pandestriber, grå stribede pels, ørernes form og den lange ringede hale. Bevar billede B’s høje vingerygge, rullede armlæn, brede sæde, buede forben og mørke nederste tværstivere, men erstat kun dens polstring med det præcise Strawberry Thief-tekstil fra billede C: marineblå grund, spejlvendte drosler, røde jordbær, blå blade og lyserøde blomster, i en skala hvor mindst to komplette fugle er synlige på tværs af stolen. Brug en sømløs varmgrå studiebaggrund og blødt lys fra øverst venstre med sammenhængende kontaktskygger. Kopiér ikke løvværk eller jord fra billede A, den arkivariske baggrund fra billede B eller et rektangulært stykke stof fra billede C. Ingen halsbånd, kostume, ekstra dyr, ekstra møbler, tekst, ramme eller collagepaneler.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

ChatGPT > Muse > Gemini

ChatGPT giver det klart mest trofaste svar på prompten.

Stolen i ChatGPT-resultatet bevarer det støvede, slidte udseende fra den oprindelige stol.

Muse bevarer stolens retning og detaljer perfekt, men dens farve er for lys.

Gemini har den samme alt for lyse farve, og den drejer også stolen forkert mod kameraet, så den rangerer sidst.

13

Sæt min datter på et skibjerg i Hokkaido

Prompt (oversat fra engelsk)

Brug Billede B som det grundlæggende destinationsfotografi, og brug kun Billede A som identitetsreference for min datter. Lav et overbevisende familierejsefotografi, hvor den samme unge pige fra Billede A placeres på skibakken i snevejr i Billede B, med Hokkaidos Mount Yotei, horisont, skibaner og blå vinterhimmel bevaret præcist. Vis hele hendes krop i forgrunden til venstre, smilende naturligt mod kameraet, iført en aldersvarende rød skijakke, marineblå skibukser, sorte handsker, hvide skistøvler og en creme-farvet strikket hue, der efterlader hendes ansigt helt synligt. Placer to børnestore ski parallelt under hendes støvler og en stok i hver hånd. Tilpas bjergets lys, kameraets højde, skala, den friske kolde luft, kontaktskygger i sneen og det reflekterede blå lys. Bevar hendes alder, ansigt, øjenfarve, hårgrænse og genkendelige udtryk; gør hende ikke voksen og pynt hende ikke. Ændr ikke bjergsilhuetten, tilføj ikke bygninger, opfind ikke tekst, dupliker ikke personer og lav ikke en collage. Returnér Billede Bs liggende format og billedformat.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

ChatGPT > Gemini > Muse

Alle tre modeller laver et overbevisende skifotografi og bevarer pigens genkendelige identitet. De har dog alle svært ved at gengive støvlerne og skiene korrekt.

ChatGPT vinder for rent gengivne ski og en naturlig skygge på pigens ansigt. Bagenden af skiene er dog tydeligvis for kort.

Gemini har svært ved at gengive skiens bageste del, og den højre stok er desuden meget længere end den venstre.

Muse har også svært ved at gengive skiene, og skyggen omkring pigens ansigt er unaturlig.

14

Udskift min gamle kæreste med en ny

Prompt (oversat fra engelsk)

Brug Billede A som det grundlæggende fotografi. Erstat kun den voksne kvinde, der sidder bag manden på scooteren, med den voksne kvinde fra Billede B. Bevar den nye kvindes genkendelige ansigt, øjne, næse, mund, hudfarve og lange mørke hår, men tilpas hende naturligt til den oprindelige passagerers siddestilling, skala og blik. Hun skal bære den oprindelige passagerers creme-farvede cardigan og beige nederdel og holde det samme tolinsede kamera i samme position med naturlige hænder. Medtag ikke Billede Bs kegleformede hat, røde tørklæde, flag, gade eller baggrund. Hold manden helt uændret – inklusive hans ansigt, hår, blå stribede skjorte, hænder og kørestilling – og bevar scooteren, det forkromede stativ, brostenene, landemærkebygningen, portene, planterne, skilte, skygger, beskæring og dybdeskarphed fra Billede A. Tilpas den eksisterende middagssol og kontaktskygger, så det ser ud som ét uredigeret rejsefotografi. Ændr ikke andre personer eller genstande, tilføj ikke smykker eller tekst, dupliker ikke lemmer, slør ikke ansigter og lav ikke en collage. Returnér Billede As liggende billedformat.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Dom

Gemini > ChatGPT > Muse

Både Gemini og ChatGPT klarer ansigtsudskiftningen rimeligt. Hudtonen er unaturlig på begge billeder. Gemini vinder, fordi pigen ser ned og er mere i overensstemmelse med den oprindelige stilling.

Muse fejlede fuldstændig i at udskifte ansigtet på det andet portræt, så det er et klart fiasko.

Endelig stilling

Hvilken billedmodel vinder?

For at holde det enkelt tildeler vi tre point for hver førsteplads (delt ved uafgjort) og ét point for andenpladser.

Vinder af tekst-til-billede

ChatGPT Images 2.5

ChatGPT Images 2.5 vinder genereringsdelen med 9,5 point, foran Gemini Nano Banana 2 med 9 point og Muse Image 1.0 med 7,5 point.

Vindere af billedredigering

Muse Image 1.0 og Gemini Nano Banana 2

Muse Image 1.0 og Gemini Nano Banana 2 deler sejren i redigering med 9,5 point hver, lige foran ChatGPT Images 2.5 med 9 point.

Samlede vindere

ChatGPT Images 2.5 og Gemini Nano Banana 2

ChatGPT Images 2.5 og Gemini Nano Banana 2 deler den samlede sejr med 18,5 point hver. Muse Image 1.0 følger lige efter med 17 point.

Prøv det selv

Opret og rediger billeder med AI

Vi har udvalgt en række prompts, så disse billedmodeller bliver endnu nemmere at bruge – se hvordan

Udforsk billedoprettelse