國產文生圖第一次在總分榜上壓過 GPT:ArtArk 拿 95.14,圖文一致性滿分

11 月 10 日,SuperCLUE 更新了 2026 年 11 月的文生圖基準榜。這次補測塞進來五款模型,其中一款叫 ArtArk,來自一家叫進化智能的公司,第一次上榜就拿了 95.14 分,排在總榜第一。
第二是 GPT Image 2.5 Sunburst,94.27。第三是商湯的 SenseNova U1 Pro,93.81。
「國產模型登頂」這個說法在中文科技媒體上已經用濫了,每隔兩個月就有人登一次。所以這條新聞真正值得看的地方在分數表的結構,名次本身說明不了什麼。ArtArk 的圖像品質單項只有 87.92 分,是前十名裡最低的那一檔,比 GPT Image 2.5 Flare 的 90.76 低將近三分。它靠別的項把總分拉了回來。
那個 100 分是什麼
榜單把文生圖拆成六項:圖像品質、圖文一致性、漢字生成、現實復現、創作與推理、複雜資訊佈局。
ArtArk 在「圖文一致性」這一項拿了 100 分。二十五個參評模型裡,只有它一個滿分。第二名是 Flare 的 93.94。
圖文一致性考的是聽話。畫得美不美,這裡不計分。題目會給一堆可驗證的約束:畫面裡有幾個人、誰站在誰左邊、桌上擺的是五個紅蘋果還是一個、招牌上寫的是哪幾個字、光從哪個方向來。模型得把這些一條不漏地落進畫面,還要讓畫面看著自然。這項拿滿分,意味著它在這種「逐條對賬」式的任務上幾乎不犯錯。
換個說法:它不一定是最會畫畫的。它是最不會自作主張的。

這個能力在展覽和社交平台上不值錢,在貨架前值錢。電商主圖要求產品顏色、logo 位置、包裝文案一個不錯;品牌海報要求那句 slogan 一個字不能改;房地產效果圖要求戶型、朝向、家具數量對上圖紙。這些活以前不敢交給模型,就是因為模型太愛發揮。一個滿分的一致性分數,等於告訴採購方:你可以開始試了。
短板的形狀
反過來看它弱的地方,同樣清楚。
圖像品質 87.92,是它的最低項,也是唯一低於 90 的。這個分數在榜單裡大概排在中游,意味著出圖的細膩度、質感、光影層次跟頂級模型有肉眼可見的差距。
漢字生成 97.02,比 Sunburst 的 97.25 略低,但已經很接近。現實復現 96.02,同樣略低於 Sunburst 的 96.49。創作與推理 96.47,低於 GPT-Image-2 的 96.81。複雜資訊佈局 93.38,被 SenseNova U1 Pro 的 95.80 甩開兩分多。
看出來了嗎:它在「執行」這一側全面領先,在「審美」這一側全面落後。這是一個偏科的畫像,而且偏得很誠實。
榜單本身也沒打算掩飾這一點。它把 25 個模型畫進一張四象限圖,橫軸是場景應用能力,縱軸是通用能力,ArtArk 和 Sunburst、U1 Pro、Qwen-Image-3.0-Pro 一起落在「卓越領導者」那一格,但落點靠右下,離「技術領跑者」的角更遠。
前五名差 1.91 分,這件事比第一名更麻煩
Sunburst 94.27,ArtArk 95.14,中間差了 0.87。整個前五名的最高分和最低分只差 1.91。
三年前的同類型榜單,頭部和腰部差十幾分是常態,第一名基本沒有懸念。現在這個差距已經掉到了一次評測的噪聲範圍裡,榜單自己也承認,國內模型分差一分以內算並列。按這個規則,ArtArk、Sunburst、U1 Pro 三個其實該算一檔。
分差縮小帶來一個實際問題:採購時看總分已經沒用了。你得看分項。
這輪的分項冠軍散得很開。漢字生成和現實復現的最高分都在 Sunburst 手上。複雜資訊佈局是 SenseNova U1 Pro 的 95.80。創作與推理的最高分屬於上一代的 GPT-Image-2,96.81,比今年的兩個新版本都高。圖文一致性歸 ArtArk。
一個榜單出現四個不同的「最強」,說明這一代模型已經不再沿著同一條梯子往上爬了。各家的路線分化得很快:有人在補語意執行,有人在補畫面質感,有人在補版面組織。選模型這件事正在從「選最好的那個」變成「選最匹配的那個」。
版本迭代的速度
Nano Banana 這條線值得單獨看一眼。2.1 版本比 2 高了 2.74 分,其中圖文一致性提升 9.09 分,複雜資訊佈局提升 6.87 分。同時它的圖像品質、現實復現、創作與推理三項幾乎沒有變化。
這種提升曲線很不尋常。通常一個模型換代,各項都會均勻漲一點;一項漲九分兩項不動,說明這次迭代是定點打擊,專門補了上一代最弱的語意對齊。谷歌顯然也讀到了同一份評測報告。
反過來看,ArtArk 這種「一致性拉滿、品質墊底」的結構也有風險。一致性是可以靠工程和訓練資料快速補齊的,質感不行,質感背後是審美判斷和資料分佈,得慢慢磨。別人追上來可能只要一個季度。
一句話的結論
這張榜單真正的資訊藏在名次後面:文生圖的評價重心已經挪位了。把圖畫好看這件事,頭部二十幾個模型都做到了及格線以上;能不能嚴格執行一句複雜的話,正在成為分水嶺。
對做圖的人來說,這意味著工作方式要變。以前是許願,抽十張挑一張;現在可以寫需求,像下單一樣寫清楚約束,然後驗收。模型越聽話,人在提示詞上省下的力就越多,在判斷上花的力就越多。因為當所有模型都能給出「好看」的時候,只有你知道哪一張是對的。