Bildgenereringsriktmärke

Hur bra är Metas Muse Image jämfört med Gemini Nano Banana 2 och ChatGPT Images 2.5?

Sju ursprungliga utvärderingar av text-till-bild, följda av sju utvärderingar av bildredigering med fasta källbilder och prompter.

Muse Image 1.0Gemini Nano Banana 2ChatGPT Images 2.5

01

Testfall

Sex röda trombonner

Prompt (översatt från engelska)

Huvudsaklig begäran: Sex röda basuner till höger om fyra tutter av glas som hoppar över en blå lama. Stil/medium: tydlig, mycket lättläst studioillustration Komposition/bildram: en sammanhängande kvadratisk scen; visa varje objekt helt; gör relationerna till höger om och hoppar över entydiga Begränsningar: exakt sex röda basuner, exakt fyra transparenta sköldpaddor av glas, exakt en blå lama; inga extra objekt; ingen text, siffror, etiketter, ramar, paneler eller vattenmärke.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Gemini > ChatGPT > Muse

Gemini är den enda modellen som ritar exakt sex trombonor. ChatGPT ritar sex trombonor men visar felaktigt fem sköldpaddor, medan Muse ritar åtta trombonor och fem sköldpaddor.

Gemini visar starkast följsamhet till de begärda antalen.

02

Testfall

Rollomkastning och avvikande egenskaper

Prompt (översatt från engelska)

Skapa en enda bred, filmisk gårdsscen som vänder på välkända roller utan att bli en collage. I mitten kryper en astronaut i en komplett vit rymddräkt på händer och knän, medan exakt en kastanjebrun häst sitter grensle över astronautens livsuppehållande ryggsäck och tydligt rider på astronauten; visa inte astronauten ridande på hästen. Till vänster skrämmer en liten blå fågel aggressivt en halmskrämma, som lutar bakåt med uppsträckta armar. Till höger betraktar en klarrosa giraff scenen bakom ett lågt staket. Alla motiv ska vara helt synliga, anatomiskt läsbara och tydligt åtskilda i rummet; ingen text eller vattenmärke.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

ChatGPT ≥ Gemini > Muse

ChatGPT är den enda modellen som visar den blå fågeln aktivt skrämma halmgubben. I de andra bilderna stämmer riktningen på halmgubbens fall inte överens med fågelns anflygning.

Muse hamnar bakom Gemini på grund av sin dåliga rumsliga åtskillnad. Gemini är den enda bilden som förmedlar övertygande djup.

03

Testfall

Spegelgeometri, händer och smycken

Prompt (översatt från engelska)

Skapa en fotorealistisk kvadratisk toalettbordsscen utformad för att testa spegelgeometri och händer. En kvinna står framför en stor vertikal spegel och höjer sin faktiska vänstra hand, handflatan mot glaset; dess spegelbild måste synas på spegelns högra sida och visa samma handflata. Hennes faktiska vänstra hand bär exakt tre ringar – röd sten på pekfingret, slät guld på långfingret, blå sten på ringfingret – medan hennes faktiska högra handled ensam bär ett silverarmband. Placera en grön kopp till vänster om spegeln och en röd kopp till höger om den; deras speglade positioner måste vara omvända. Visa totalt tio naturliga fingrar på de verkliga händerna, konsekventa speglade händer, inga extra smycken, ingen text eller vattenmärke.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Muse > Gemini > ChatGPT

Muse följer instruktionerna exakt för båda händerna.

Gemini höjer inte vänster hand, och den placerar alla smycken på höger hand.

ChatGPT har en extra hand på höger sida, vilket är onaturligt och skrämmande

04

Testfall

Typografi, diakritiska tecken och en böjd baslinje

Prompt (översatt från engelska)

Skapa en fotorealistisk gatukonstfotografi på en sammanhängande röd tegelvägg. Över mitten uppåt målar du den exakta meningen „BE EXCELLENT TO EACH OTHER“ med stora vita blockbokstäver, perfekt stavad en gång. Under den, på en tydligt böjd turkos baslinje, skriver du exakt „Crème brûlée — déjà vu!“ med båda accenterna, tankstrecket, gemener och utropstecknet intakta. Till höger ska det finnas graffiti av en grön utomjording i svart smoking och röd fluga. I förgrunden placerar du en gul brandpost på den vänstra trottoaren och en liten affisch längst till höger med texten exakt „eXit 7½“. Ingen annan läsbar text, inga dubblerade bokstäver, inget vattenmärke och inga collagepaneler.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

ChatGPT > Muse > Gemini

ChatGPT följer kraven exakt.

Muse använder fel accent och skriver „brûlée“ med „û“.

Gemini hittar på en gata till vänster och ett hörn av en vägg till höger, vilket strider mot den begärda enda sammanhängande väggen.

05

Testfall

Köksuppgifter och djupt bakgrundsläge

Prompt (översatt från engelska)

Skapa en fotografi med djup skärpa och filmisk känsla inuti ett professionellt kök i rostfritt stål. I mitten i förgrunden håller en kock svart tång i höger hand över en panna med exakt två biffar, medan vänster hand håller i pannans handtag. Till vänster vänder en souschef röda tomater, gröna blad och gula paprikor i en glasskål. I bakgrunden hackar, anrättar och öppnar exakt tre medarbetare var för sig en ugn. Häng fyra kopparkastruller ovanför dem, i avtagande storlek från vänster till höger. En beställningslapp ovanför serveringsdisken ska vara exakt texten "TABLE 7". Visa korrekta händer och inga extra personer eller någon extra text.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Gemini > Muse > ChatGPT

Gemini skapar den starkaste känslan av rumsligt djup och placerar beställningslappen på en rimlig plats.

Muse skapar ett orimligt tredimensionellt rum, och medarbetaren som öppnar ugnen verkar ha smält ihop med kocken i förgrunden.

ChatGPT har den mest omöjliga 3D-rymden. Kastrullerna verkar ligga lika långt bort som kocken, men de är mycket mindre än normalt. Bild­ens vänstra och högra sida visar olika djup (de tre medarbetarna ser mycket längre bort ut än vad vänstra sidan antyder).

06

Testfall

Genomskinlighet, skymning och ljus

Prompt (översatt från engelska)

Skapa ett fysiskt trovärdigt studiostilleben på ett matt grått golv. Placera en genomskinlig glaskub bakom en glänsande röd sfär men framför en gul kon. Sfären skymmer delvis kuben, och kuben skymmer delvis konen, medan alla silhuetter förblir identifierbara. Häng exakt två blå kulor lodrätt inne i kuben. Längst till vänster ordnar du tre små silverpyramider i en rad från fram till bak. Längst till höger överlappar du fyra gröna ringar som en kedja utan att de smälter samman. Belys allt uppifrån vänster så att varje skugga faller nedåt och åt höger. Ingen text eller extra former.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Muse = ChatGPT > Gemini

Muse gör ett godtagbart jobb, men den röda sfären visar reflexer på båda sidor, vilket felaktigt antyder en andra ljuskälla till höger.

ChatGPT har ett liknande problem, även om problemet med den andra ljuskällan är mindre tydligt. Å andra sidan är dess kub mer förvrängd.

Gemini har bara tre ringar, och kulorna inuti glaskuben har orimliga reflexer.

07

Testfall

Flerspråkig nattmarknad med bindningar

Prompt (översatt från engelska)

Skapa en sammanhängande fotorealistisk nattmarknadsscen med tre stånd från vänster till höger. Det blå bokståndets vita skylt ska vara exakt texten "LIBROS"; det röda tebodens krämfärgade skylt ska vara exakt "茶"; det gröna brödståndets svarta skylt ska vara exakt "خبز". Häng exakt fem röda lyktor ovanför enbart det mellersta ståndet. Dess vänsterhänta försäljare häller ur en silverkanna som hålls i vänster hand i koppar beställda i ordningen blå, vit och sedan gul. Placera ett barn i lila kappa längst fram, mellan en fläckig hund till vänster och en randig katt till höger. Bevara alla skriftsystem, antal, färger och bindningar; ingen annan läsbar text.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

ChatGPT = Muse = Gemini

Alla modeller fångar den livliga, fotorealistiska atmosfären på en nattmarknad.

Gemini placerar lyktorna korrekt ovanför det mellersta ståndet, medan Muse och ChatGPT placerar dem inne i stånden.

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

Bildredigering

Källbild + prompt

08

Ta bort ett objekt från en komplex scen

Prompt (översatt från engelska)

Redigera bild A och använd den som grundfotografi. Ta bort endast den stora svarta cykeln som dominerar förgrunden i mitten: cykeln med det silverfärgade styret, svart sadel, svart kedjeskydd och det blanka silverfärgade framskärmen. Återskapa delarna som den döljer – den gröna cykeln bakom den, den målade tegelväggen, murfogarna, graffitistreck, kantstenen och gatstenarna – så att de ser sammanhängande och fysiskt rimliga ut. Behåll alla andra cyklar, varje kvarvarande graffitimarkering, beskärningen, kamerapositionen, solljuset, skuggorna, strukturen och fotografiskt korn oförändrade. Lägg inte till objekt, text eller oskärpa, inga upprepade hjulekrar och ingen synlig retuscheringslapp. Returnera samma liggande format och bildförhållande som bild A.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Muse > ChatGPT > Gemini

Muse drar korrekt slutsatsen att framhjulet på den kvarvarande cykeln i mitten borde vara silverfärgat, vilket placerar den precis före ChatGPT.

ChatGPT lämnar också en onaturlig brytning längs nedre delen av graffitin.

Gemini misslyckas helt med att ta bort cykeln.

09

Materialmedveten selektiv omfärgning

Prompt (översatt från engelska)

Redigera bild A och använd den som grundfotografi. Ändra endast bilens synliga rödmålade yttre metallpaneler – inklusive dörren, framskärmen, motorhuskanten, bakre kvartspanelen och den lilla röda upphöjda karosspanelen ovanför takkanten – till en djup brittisk racinggrön metallisk färg. Den nya färgen måste behålla de ursprungliga panelfogarna, reflexerna och trädreflektionerna. Färgändra eller designa inte om det bruna vinylertaket, kromlisterna, speglarna, glaset, det svarta gummit, dörrhandtaget, låset, antennen, emblemet, interiören, föraren, buketten eller bakgrunden. Ändra inte bilmodellen eller geometrin. Bevara den ursprungliga beskärningen, skärpedjupet, belysningen och bildförhållandet; lägg inte till text, logotyp eller objekt.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Muse = Gemini > ChatGPT

Muse lägger till oönskad skärpning på Ranchero-emblemet, men dess reflektion av gräset är mer trogen originalbilden.

Gemini skärper grässkuggan men lämnar emblemet oförändrat.

ChatGPT skärpte Ranchero-emblemet och tillämpade kraftig skärpning på skuggan, så det hamnar sist.

10

Global ombelysning utan strukturell eller textmässig förskjutning

Prompt (översatt från engelska)

Redigera bild A och använd den som grundfotografi. Ändra scenen från mulen dagsljus till realistisk blå timme strax efter regn. Gör himlen till en klar, djup kobolt­blå skymningshimmel; tänd varma inomhus- och belysning under takskyddet; låt de varma ljusen och det befintliga lila stationsbandet subtilt reflekteras i det redan våta gatstensbeläggningen. Bevara exakt samma kameraposition, vidvinkelperspektiv, byggnadsgeometri, skyddstak, pelare, entréer, beläggningens layout, det lila bandet och det läsbara vita ordet ”Woolwich”. Behåll varje befintlig person, bom, affisch och skylt på sin ursprungliga plats och lägg inte till eller ta bort något. Skriv inte om, översätt eller hitta på text. Behåll realistiskt dynamiskt omfång – ingen neonfantasistil – och returnera samma liggande format och bildförhållande.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Gemini > Muse > ChatGPT

Alla tre modellerna gör ett godtagbart jobb med att bevara den ovanliga kameravinkeln, perspektivet och texten samtidigt som de skapar ett blött golv.

Gemini är den enda modellen som använder korrekt belysning, eftersom både Muse och ChatGPT hittar på lampor som inte fanns i originalbilden.

ChatGPT-lamporna är på fel plats, och den skapar en extra lampa i trädet till vänster, så den hamnar sist.

11

Exakt produktöverföring till ett möblerat rum

Prompt (översatt från engelska)

Använd bild A som bas för rummet och bild B enbart som möbelreferens. I bild A, ersätt endast den smala, ljusgröna klädda fåtöljen i mitten bakom, placerad mellan de två starka fönstren bak och delvis bakom den blå soffan, med exakt den blå-och-guldfärgade fåtöljen från bild B. Bevara bild B:s karakteristiska fyrkantiga blå rygg och sits, den förgyllda skurna träramen, öppna armstöd, tofsfrans och smala ben. Placera den på den ursprungliga fåtöljens golvposition och i samma betraktningsvinkel, i trovärdig rumsskala; matcha det varma fönsterljuset, golvkontaktskuggan, perspektivet och eventuell naturlig kantöverlappning. Ändra inte den blå soffan, soffbordet, mattan, den inbyggda fönstersittplatsen, lamporna, fönstren, ljuskronan, träväggarna eller någon annan del av bild A. Behåll inte bild B:s grå museibakgrund. Returnera bild A:s ursprungliga liggande bildram och bildformat; inga extra möbler, ingen text och ingen kollagekant.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Muse > Gemini = ChatGPT

Muse är den enda modellen som placerar den ändrade fåtöljen i sin ursprungliga orientering, medan de två andra vrider den för långt åt höger.

12

Identitet, struktur och texturbindning från tre referenser

Prompt (översatt från engelska)

Skapa ett kvadratiskt, fotorealistiskt redaktionellt studioporträtt med alla tre referenserna och strikt rollfördelning. Placera samma grå tabbykatt från bild A sittande upprätt och tittande lite åt vänster på den exakta vingfåtöljen från bild B. Bevara kattens ansikte, grön-gula ögon, mörka pannstrimmor, grå tickad päls, örats form och den långa ringade svansen. Bevara bild B:s höga vingade rygg, rullade armstöd, breda sits, böjda framben och mörka nedre tvärslåar, men ersätt endast dess klädsel med det exakta Strawberry Thief-textilet från bild C: marinblå botten, spegelvända trastar, röda jordgubbar, blå blad och rosa blommor, i en skala där åtminstone två hela fåglar syns över fåtöljen. Använd en sömlös varmgrå studiobakgrund och mjukt ljus uppifrån vänster med sammanhängande kontaktskuggor. Kopiera inte lövverk eller mark från bild A, inte arkivbakgrunden från bild B eller ett rektangulärt tygprov från bild C. Ingen krage, ingen kostym, inget extra djur, inga extra möbler, ingen text, ingen kant och inga kollagepaneler.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

ChatGPT > Muse > Gemini

ChatGPT ger klart det mest trogna svaret på prompten.

Fåtöljen i ChatGPT-resultatet behåller det dammiga, slitna utseendet från originalfåtöljen.

Muse bevarar fåtöljens orientering och detaljer perfekt, men färgen är för ljus.

Gemini har samma för ljusa färg, och den vrider dessutom fåtöljen felaktigt mot kameran, så den hamnar sist.

13

Sätt min dotter på ett skidberg i Hokkaido

Prompt (översatt från engelska)

Använd bild B som basfoto för destinationen och endast bild A som identitetsreferens för min dotter. Skapa en övertygande familjeresefotografi där samma unga flicka från bild A placeras på den snötäckta skidbacken i bild B, med Hokkaidos Mount Yotei, horisont, skidpister och blå vinterhimmel bevarade exakt. Visa hela hennes kropp i den vänstra förgrunden, leende naturligt mot kameran, klädd i en åldersanpassad röd skidjacka, marinblå snöbyxor, svarta handskar, vita skidstövlar och en krämfärgad stickad mössa som lämnar hennes ansikte helt synligt. Placera två barnstora skidor parallellt under hennes stövlar och en stav i varje hand. Matcha bergsljuset, kamerahöjden, skalan, den kyliga luften, snökontaktskuggorna och det reflekterade blå ljuset. Bevara hennes ålder, ansikte, ögonfärg, hårfäste och igenkännbara uttryck; gör henne inte äldre eller vackrare. Ändra inte bergssilhuetten, lägg inte till byggnader, hitta inte på text, duplicera inte personer och skapa ingen collage. Returnera bild B:s liggande bildram och bildformat.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

ChatGPT > Gemini > Muse

Alla tre modellerna skapar ett övertygande skidfotografi och bevarar flickans igenkännbara identitet. De har dock alla svårt att återge stövlar och skidor korrekt.

ChatGPT vinner för välrenderade skidor och en naturlig skugga i flickans ansikte. Skidornas bakre delar är dock uppenbart för korta.

Gemini har svårt att återge skidornas bakre del, och dessutom är den högra staven betydligt längre än den vänstra.

Muse har också svårt att återge skidorna, och skuggan runt flickans ansikte är onaturlig.

14

Byt ut min gamla flickvän mot en ny

Prompt (översatt från engelska)

Använd bild A som basfoto. Ersätt endast den vuxna kvinnan som sitter bakom mannen på skotern med den vuxna kvinnan från bild B. Bevara den nya kvinnans igenkännbara ansikte, ögon, näsa, mun, hudton och långa mörka hår, men anpassa henne naturligt till den ursprungliga passagerarens sittande ställning, skala och blick. Hon ska bära den ursprungliga passagerarens krämfärgade kofta och beige kjol och hålla i samma tvillinglinskamera i samma position med trovärdiga händer. För inte över bild B:s kon­iska hatt, röda halsduk, flagga, gata eller bakgrund. Behåll mannen helt oförändrad, inklusive hans ansikte, hår, blårandiga skjorta, händer och körställning, och bevara skotern, kromhållaren, kullersten, landmärkesbyggnaden, grindar, växter, skyltar, skuggor, beskärning och skärpedjup från bild A. Matcha den befintliga middagssolen och kontaktskuggorna så att detta ser ut som ett enda oredigerat resefoto. Ändra inte några andra personer eller föremål, lägg inte till smycken eller text, duplicera inte lemmar, sudda inte ut ansikten och skapa ingen collage. Returnera bild A:s liggande bildformat.

Muse Image 1.0
Gemini Nano Banana 2
ChatGPT Images 2.5
Omdöme

Gemini > ChatGPT > Muse

Både Gemini och ChatGPT gör ett rimligt jobb med att byta ansikte. Hudtonen är onaturlig i båda bilderna. Gemini vinner eftersom flickan tittar ner och stämmer bättre överens med den ursprungliga posen.

Muse misslyckades helt med att byta ansiktet på det andra porträttet, så det är ett totalt misslyckande.

Slutlig sammanställning

Vilken bildmodell vinner?

För enkelhetens skull ger vi tre poäng för varje förstaplacering (delas vid lika resultat) och en poäng för andraplaceringar.

Vinnare i text-till-bild

ChatGPT Images 2.5

ChatGPT Images 2.5 vinner genereringsdelen med 9,5 poäng, före Gemini Nano Banana 2 med 9 poäng och Muse Image 1.0 med 7,5 poäng.

Vinnare i bildredigering

Muse Image 1.0 och Gemini Nano Banana 2

Muse Image 1.0 och Gemini Nano Banana 2 delar segern i bildredigering med 9,5 poäng var, strax före ChatGPT Images 2.5 med 9 poäng.

Totalvinnare

ChatGPT Images 2.5 och Gemini Nano Banana 2

ChatGPT Images 2.5 och Gemini Nano Banana 2 delar totalsegern med 18,5 poäng var. Muse Image 1.0 kommer strax efter med 17 poäng.

Prova själv

Skapa och redigera bilder med AI

Vi har valt ut ett urval av prompter för att göra dessa bildmodeller ännu enklare att använda – se hur

Utforska bildskapande