# Qwen-Image-2.1 公开评测集实测

把 **Qwen-Image-2.1** 和另外两个能跑到的图像模型拉到同一台机器、同一张卡、同一份题单上对打：
**题面一字未改**，全部取自公开评测集（GenEval / DPG-Bench / LongText-Bench），同 seed。
另外做了一轮「宣传 vs 实测」的**差距归因**：官方宣传的分数和我们的实测为什么对不上。

> **一句话结论**：差距主要不在模型，在口径。官方推荐管线是「**提示词增强器 + 2K/40 步 + 长英文描述**」，
> 我们首轮用的是「**原始短题面 + 1K/20 步**」——同一道题、同分辨率、同 seed，只把题面改写成官方增强器那种长描述，
> 两道丢物体的失败题**当场都过了**。

English abstract: a 3-way, single-GPU comparison of Qwen-Image-2.1 against SenseNova-U1.5 and a
4-step INT4 FLUX.2-klein deployment, using the *original* prompt text of GenEval / DPG-Bench /
LongText-Bench (18 prompts, 75 images, seed 42), plus an ablation showing that most of the gap to
the official showcase comes from **prompt format**, not resolution: rewriting GenEval's terse
prompts into enhancer-style long descriptions fixed 2/2 object-dropping failures at the same
resolution and seed.

📄 **[English version → README.en.md](README.en.md)** ｜ 🌐 **[网页版报告（结论速览 + 六领域联系表）→ https://wangsheng1991.github.io/qwen-image-2.1-bench/](https://wangsheng1991.github.io/qwen-image-2.1-bench/)**

## 结论速览

| | Qwen-Image-2.1 | SenseNova-U1.5 | FLUX.2-klein-KV |
|---|---|---|---|
| 形态 | 7B DiT（视觉生成部分）+ Qwen3-VL 文本编码器，RGBA VAE | 8B+8B MoT，8 步 + 8-step LoRA | 9B 蒸馏 + INT4 KV，4 步 |
| 1024² 单张（中位） | 52.1 s（20 步） | 9.8 s | **1.6 s** |
| 2048² 单张 | 102–111 s | **13 s** | 不支持（≤1536） |
| 文字渲染 · 字符准确率（OCR） | 74.6% | **86.5%** | 40.8% |
| 文字渲染 · 逐行命中 | 25/35 | **26/35** | 4/35 |
| 其中中文长文本逐行命中 | **18/20** | **18/20** | 0/20 |
| 其中英文长文本逐行命中 | 7/15 | **8/15** | 4/15 |
| GenEval 组合题（7 题） | **4/7** | 7/7 | 7/7 |
| DPG-Bench 长描述（4 题） | 2 好 / 2 有瑕疵 | **4 好** | **4 好** |
| 原生透明 RGBA | **✅ 独有** | ✗ | ✗ |

## 题单与出图

题面原文在 [`prompts.json`](prompts.json)，来源：

| 来源 | 题数 | 地址 |
|---|---|---|
| GenEval | 7（counting×2、colors、position、color_attr、two_object、single_object） | <https://github.com/djghosh13/geneval>（`evaluation_metadata.jsonl`） |
| DPG-Bench | 4（entity / attribute / relation / global） | <https://github.com/TencentQQGYLab/ELLA>（`dpg_bench.csv`） |
| LongText-Bench | 6（英 3 + 中 3：招牌 / 黑板 / 海报 / 幻灯片） | <https://huggingface.co/datasets/X-Omni/LongText-Bench> |
| Qwen 官方模型卡 | 1（原生透明 RGBA） | Qwen-Image-2.1 README |

### GenEval（7 题，原题面）

![GenEval 三家并排](images/compare/geneval-3way.jpg)

Qwen 的三次翻车：`a photo of two clocks` 只画一个钟；`a photo of a purple wine glass and a black
apple` 把黑苹果整个丢掉；`a photo of a bench` 在 1024² 下结构崩坏。
另一头两个对手 7/7 全过。

### DPG-Bench（4 题，原题面）

![DPG-Bench 三家并排](images/compare/dpg-3way.jpg)

### LongText-Bench（6 题，原题面）

![LongText-Bench 三家并排](images/compare/longtext-3way.jpg)

长文本是 Qwen 与 SenseNova 的主场（FLUX 中文整段乱码、英文拼错字）。Qwen 的典型毛病是
**在版面里凭空生成整段假字**：像黑板菜单这种密集小字，它会写出「看起来像英文但一个词都不对」的内容。

### 原生透明 RGBA（Qwen 独有）

![原生透明](images/compare/bonus-rgba.jpg)

## 宣传 vs 实测：差距从哪来

官方博客的卖点里三个是**编辑**（最多 10 张参考图、圈选/涂抹/掩码、人像商品保真）与原生透明，
「小模强效」给的是它自家 **Qwen-Image-Bench 总分 60.28（第 7 名）**——同一张榜上 FLUX 2 Max = 55.33、
FLUX 2 Pro = 54.57，宣传语气的来源就是这个 5.7 分的差。而那张榜**没有 GenEval / DPG 分项**，
和我们「7 题过 4 题」不是同一个量。

官方 README 的 `Prompt Rewriting` 一节写得很直白：

> “For best results, we recommend using the official **prompt rewriting models** to expand short
> prompts into detailed, high-quality descriptions.”

默认推理参数也明写 `num_inference_steps=40`、`2048×2048`、`guidance-scale 1`。**我们首轮一样都没按**。

### 消融：只改题面，其余全不动

同一台机器、同一张卡、2048²、20 步、seed 42。左列是 GenEval 原题面，右列是按官方增强器风格写的长描述
（**注意：不是**官方增强器的真实输出，那个 20 GB 的 Qwen3.5-VL 9B 检查点没有部署，这是人工对齐风格的替身）。

![只改题面](images/round2/prompt-rewrite.jpg)

- `a photo of two clocks` → 原题面在 2048² 下**照旧只画一个钟**；长描述 → 正好两个钟。
- `a photo of a purple wine glass and a black apple` → 原题面丢苹果；长描述 → 两个都在，颜色绑定也对。

**结论：这类失败是「短请求不吃」，不是「不会画」。** GenEval 的题面是为自动打分器设计的极简句式，
恰好是官方管线里最不利的输入形态。

### 分辨率/步数修好了什么

![2K 复测](images/round2/2k-retest.jpg)

「一张长椅」在 1024² 结构崩坏，2048² 正常 —— 这类**结构性失败**确实是配置问题。

把 4 道长文本题按官方配方（2048²/40 步）重跑，并加上 SenseNova 2048² 对照：

![官方配方复跑](images/round2/official-recipe.jpg)

| LongText-Bench 原题 | Qwen 1024²/20 步 | Qwen 2048²/40 步（官方配方） | SenseNova 2048² |
|---|---|---|---|
| 英文 · 黑板菜单长文本 | 20.5% · 2/7 | **13.7% · 3/7** | 63.4% · 3/7 |
| 英文 · 音乐节海报 | 94.4% · 4/5 | 80.6% · 2/5 | 73.3% · 1/5 |
| 中文 · 幻灯片长文本 | 81.5% · 12/12 | 81.1% · 12/12 | 76.9% · 11/12 |
| 中文 · 音乐节海报 | 90.2% · 3/5 | **98.6% · 4/5** | 97.3% · 4/5 |
| **平均（字符准确率 · 逐行命中）** | **71.7% · 72.4%** | **68.5% · 72.4%** | **77.7% · 65.5%** |

度量方式：RapidOCR 读出图里的文字，与题目要求文本逐字比对；字符准确率 = 1 − 编辑距离/参考长度，
逐行命中 = 该行相似度 ≥ 0.85。
**注意**：2K 图的字号更小、字体更花，OCR 跨分辨率不完全可比（海报那张 94.4%→80.6% 就是被字体风格吃掉的），
所以这里只能说「**没看到提升**」，不能反过来说 2K 更差。代价倒是实打实：2048²/40 步 **172 s/张** vs 1024²/20 步 52 s/张。

### 归因汇总

| 差距来源 | 贡献 | 证据 |
|---|---|---|
| **缺官方提示词增强器、用原始短题面** | 最大 | 消融 2/2 修复（本仓库 `images/round2/prompt-rewrite.jpg`） |
| **口径不同**：自家复合总分 vs 单点通过率 | 大 | 官方榜是总分且无 GenEval/DPG 分项，60.28 与「7 题过 4 题」量纲不可换算 |
| **对手不同**：INT4 蒸馏 4 步 vs 榜上满血 FLUX | 中 | 榜上 FLUX 2 Pro = 54.57，本仓库对打的 klein-KV 不在榜上 |
| **抽样与打分口径** | 中 | 每题 1 张、单 seed、n=4~7；GenEval 官方是 553 题 × 4 张 + Mask2Former 自动打分，本仓库组合题是人眼判读 |
| **分辨率/步数** | 结构性失败大、文字类小 | 长椅 1K 崩 / 2K 正常；长文本指标 71.7% → 68.5%，没看到提升 |

## 垂直领域实测（建筑 / 室内 / 人像 / App·UI / 商品 / 游戏图标 / 动漫 / 漫画 / 插画）

公共榜单考的是通用能力，和「这个活到底该用哪个模型」对不上。所以另起一套 **26 道垂直题面**——
**自建、不是公开榜单**，但每题都写明考点与判定项（[`prompts-vertical.json`](prompts-vertical.json)），分 9 个领域。
三家各跑两档分辨率：统一的 1024²（可横向比）+ 各家推荐分辨率（Qwen / SenseNova 2048²、FLUX 1536），共 **156 张**。

### 按领域给结论

| 领域 | 题数 | 推荐 | 关键发现 |
|---|---|---|---|
| 建筑·外景 | 3 | 三家都能用 | 商业级氛围图三家都出得来。差别在细节：**SenseNova 1024 和 FLUX 1536 会在玻璃幕墙上「幻觉」出大字号招牌**（`ARCHITECTURE` / `NEAC`），Qwen 没有这个毛病 |
| 建筑·室内 | 3 | **SenseNova** | 空间与灯光层次最稳。Qwen 在 1024² 会丢掉氛围约束：夜景卧室题出成了白天 |
| 人像 | 4 | **SenseNova**（特写）/ 三家都行（合影、全身） | 老年人特写这种高频细节题差距最大：SenseNova 的皱纹、胡须、毛细血管是照片级的，Qwen 明显更平滑。五人合影三家都给了 5 张不同的脸，手指无可见崩坏 |
| App·UI | 4 | **SenseNova** | 只有它在 1024² 就把中文界面写对（12/12 条命中）。Qwen 在 1024² 会把整张 mockup **缩成中间一小块并留幽灵重影**，2048² 才恢复（命中 5/12 → 11/12，字符准确率 63.0% → 86.4%）。FLUX 中文全错 |
| 商品·电商 | 2 | 三家都可用 | 白底精修与场景图都能直接交付。Qwen 在 1024² 漏了「两只瓶子」，但标签文字它最准（100%） |
| 游戏·图标 | 2 | Qwen（单个图标） | 单个图标三家都能出商业级；**「12 个风格一致的线性图标」三家全崩**——数量、线宽、风格都不统一 |
| 动漫·二次元 | 4 | **Qwen / SenseNova**（FLUX 出局） | 番剧海报：Qwen 与 SenseNova 把中文主标题、副标题、播出信息、制作署名**全写对**（OCR 命中 4/4、字符 100%，Qwen 两档都满分）；FLUX 整行乱码（0/4）。角色立绘、双人雨夜场景三家都能出；**Q版六格表情包三家都过了**（6 格齐全、表情互不重复），与「12 个线性图标」那题形成对比，差别只在 SenseNova 的 3×2 格与白描边最规整，Qwen 格子间距散、FLUX 的角色设计会漂 |
| 漫画·分镜 | 2 | **SenseNova** | 四格漫画：只有 SenseNova 1024² 把四句中文台词**放进对应画格**（100% · 4/4）；Qwen 四句台词都写出来了（命中 4/4）但**配对搞乱**——台词跑到错的格子里、还夹乱码，字符准确率只有 34.8%；FLUX 全乱（0/4）。黑白动作分镜页三家都能出「5 格 + 速度线 + 眼睛特写」，SenseNova 的分格最规整，Qwen 的格子有歪斜留白 |
| 插画·绘本 | 2 | **SenseNova**（水墨）/ Qwen 或 SenseNova（绘本） | 绘本跨页：Qwen 两档都是 100%（还自带翻开的书页立体感），SenseNova 也对，FLUX 乱码。国风水墨：SenseNova 的浓淡层次与点景最好；**Qwen 两档都「太淡」**——留白过头，山体几乎看不见 |

### 带文字题目的客观打分（OCR）

| 题目 | 档位 | Qwen-Image-2.1 | SenseNova-U1.5 | FLUX.2-klein-KV |
|---|---|---|---|---|
| `ui-mobile-home-zh`（中文健康 App 首页） | 1024² | 63.0% · 5/12 | **80.9% · 12/12** | 38.0% · 2/12 |
| | 原生 | **86.4% · 11/12** | 82.6% · 12/12 | 33.0% · 2/12 |
| `ui-login-en`（英文登录页） | 1024² | 85.3% · 6/6 | **96.8% · 6/6** | 77.9% · 5/6 |
| | 原生 | 96.0% · 5/6 | **99.2% · 6/6** | 83.0% · 6/6 |
| `ui-dashboard-dark`（深色数据看板） | 1024² | 29.8% · 13/14 | 13.3% · 13/14 | 17.1% · 12/14 |
| | 原生 | 34.1% · 13/14 | 24.4% · 13/14 | 22.2% · 11/14 |
| `ui-appstore-three`（三屏商店图） | 1024² | **33.3% · 4/4** | 22.4% · 4/4 | 22.4% · 3/4 |
| | 原生 | 23.8% · 4/4 | 18.2% · 3/4 | 14.4% · 3/4 |
| `product-skincare-white`（白底瓶身标签） | 1024² | **100% · 3/3** | 66.7% · 3/3 | 72.1% · 3/3 |
| | 原生 | 66.7% · 3/3 | 66.7% · 3/3 | **100% · 3/3** |
| `anime-keyvisual-zh`（番剧海报：主标题/副标题/播出/制作） | 1024² | **100% · 4/4** | **100% · 4/4** | 57.8% · 0/4 |
| | 原生 | **100% · 4/4** | 98.0% · 4/4 | 55.8% · 0/4 |
| `comic-four-panel-zh`（四格漫画的中文对白） | 1024² | 34.8% · 4/4 | **100% · 4/4** | 22.9% · 0/4 |
| | 原生 | 33.3% · 4/4 | 81.1% · 4/4 | 14.6% · 0/4 |
| `book-illust-spread`（绘本跨页的一行正文） | 1024² | **100% · 1/1** | **100% · 1/1** | 21.1% · 0/1 |
| | 原生 | **100% · 1/1** | 90.9% · 1/1 | 13.3% · 0/1 |
| **平均（8 道文字题）** | 1024² | 68.3% · 83.3% | 72.5% · **97.9%** | 41.2% · 52.1% |
| | 原生 | 67.5% · 93.8% | 70.1% · **95.8%** | 42.0% · 52.1% |

口径与公开榜单那轮完全一致（同一份 RapidOCR 打分脚本）。三点必须说明：

- 深色看板那题**字符准确率三家都低（13–34%）**，因为模型会自己编出一屏表格数据；
  命中率（11–13/14）才反映「要求写的那些东西有没有写对」。所以**看 UI 能力看命中率，别看字符准确率**。
- 四格漫画那题正好反过来示范了这一条：**Qwen 命中 4/4，字符准确率却只有 34.8%**——四句台词
  它都写出来了，但配到了错的画格、还夹着乱码字；字符准确率低说明「字错了」，命中率高说明
  「话说了但位置不对」。这题要两个指标一起看。
- 两档分辨率的文字密度不同，跨分辨率不要直接比字符准确率。

### 耗时（首轮 18 题中位）

| | Qwen-Image-2.1 | SenseNova-U1.5 | FLUX.2-klein-KV |
|---|---|---|---|
| 1024² 中位 | 53.2 s | 9.8 s | **1.5 s** |
| 原生分辨率中位 | 113.1 s（2048²） | 13.2 s（2048²） | **3.8 s**（1536²） |

**新增 8 道题的耗时另算，别和上表比**：跑它们的时候 3 号卡被农场任务占着，Qwen 那臂改到借来的
1 号卡上跑，并且 2048² 全部、1024² 三张用的是更省显存的 `sequential` offload 档——单张 **97 s（1024²）
/ 208 s（2048²）**，是首轮 `model` 档的近 2 倍。offload 档只改权重换进换出的时机、不改采样计算，
同 seed 下出图质量不受影响（新增题的文字命中与首轮同量级，见上表），但**耗时不可比**，所以不进上表。
SenseNova 9.9 s / 12.9 s、FLUX 1.5 s / 3.7 s 是同一口径，可以直接并入
（见 `results/results-vertical-timings.csv`，156 行逐题耗时）。

### 九个领域各一张图（3 家 × 2 档分辨率）

建筑·外景：

![建筑外景](images/vertical/by-domain/architecture-exterior.jpg)

建筑·室内：

![建筑室内](images/vertical/by-domain/architecture-interior.jpg)

人像：

![人像](images/vertical/by-domain/portrait.jpg)

App·UI：

![App UI](images/vertical/by-domain/app-ui.jpg)

商品·电商：

![商品](images/vertical/by-domain/product.jpg)

游戏·图标：

![游戏图标](images/vertical/by-domain/game-icon.jpg)

动漫·二次元：

![动漫](images/vertical/by-domain/anime.jpg)

漫画·分镜：

![漫画](images/vertical/by-domain/comic.jpg)

插画·绘本：

![插画](images/vertical/by-domain/illustration.jpg)

单图在 `images/vertical/<分辨率>/<模型>/<题号>.jpg`。

### 选型矩阵

| 场景 | 推荐 | 理由 |
|---|---|---|
| 建筑效果图（要氛围与材质） | **SenseNova** | 黄昏/夜景的光最准；但它会往玻璃幕墙上写幻觉招牌，出图后要过一眼 |
| 室内效果图 | **SenseNova** | 空间关系与灯光层次最稳 |
| 人像特写（要真实皮肤） | **SenseNova** | 高频细节差距明显，Qwen 偏平滑 |
| 合影 / 全身 | 三家都行 | 比例正常、脸各不相同 |
| App / 网页 UI 稿（含中文） | **SenseNova** | 1024² 就能用，且比 Qwen 快 5.4 倍 |
| App / 网页 UI 稿（纯英文） | Qwen @2048²，或 SenseNova | Qwen 的英文标注最干净，但 1024² 下会缩成小块留重影 |
| 商品白底图 | 三家都行 | 需求写清楚就够 |
| 游戏单图标 | Qwen | 造型与光效最立体 |
| 成套图标 / 严格一致的多元素 | **都不行** | 会退化成「一堆各画各的」，需要后处理或换专用模型 |
| 番剧 / 游戏宣传海报（含中文大标题） | **Qwen 或 SenseNova** | 两家的中文标题层级都到位（OCR 4/4）；FLUX 的中文整行乱码，不要用它出中文海报 |
| Q版表情包 / 贴纸组（6 格以内） | **SenseNova** | 三家都能出，SenseNova 的格子、白描边、表情差异最规整；Qwen 间距散，FLUX 角色设计会漂 |
| 四格漫画（带中文对白） | **SenseNova** | 只有它把台词放进对应画格；Qwen 台词会串格还夹乱码，FLUX 全乱 |
| 黑白动作分镜页（无对白） | 三家都能出 | 区别在分格是否规整：SenseNova > FLUX > Qwen |
| 儿童绘本跨页（带一行正文） | **Qwen 或 SenseNova** | 文字都对；Qwen 还会额外给出「翻开的书页」立体感 |
| 国风水墨山水 | **SenseNova** | 浓淡层次与点景最稳；Qwen 两档都太淡，留白过头 |

## 复现

前置：两个 OpenAI 形状的图像接口（`POST /v1/images/generations`，字段 `prompt` / `width` / `height` /
`steps` / `seed` / `response_format`）。路径与端点都走环境变量，不改代码。

```bash
pip install pillow rapidocr-onnxruntime     # rapidocr 只给文字题打分用
export BENCH_ROOT=$PWD                      # 题单 prompts.json 所在目录，也是输出根
export QWEN_URL=http://127.0.0.1:8500       # 被测模型 A
export SENSE_URL=http://127.0.0.1:8400      # 被测模型 B

python3 scripts/eval_run.py --size 1024                  # 首轮：三家同题同 seed，落 out/<model>/
python3 scripts/eval2k.py                                # 翻车题抬到 2048² 复测
python3 scripts/ocr_score.py                             # 文字题 OCR 客观打分
python3 scripts/eval_fair.py                             # 官方配方（2048²/40 步）复跑
python3 scripts/rewrite_ablation.py                      # 只改题面的消融
python3 scripts/pack_deliver.py                          # 出对比大图 + 整理成可直接发人的交付包

python3 scripts/vertical_eval.py --size 1024 --models qwen,sense   # 垂直套件：统一 1024² 档
python3 scripts/vertical_eval.py --size 2048 --models qwen,sense   # 垂直套件：各家推荐分辨率
python3 scripts/ocr_vertical.py                                    # 垂直套件文字题打分
python3 scripts/pack_vertical.py                                   # 出九个领域的并排联系表
```

`pack_vertical.py` 的领域名是中文，标题字体要带 CJK 字形，否则标签渲染成方块：
`PACK_FONT=/path/to/NotoSansCJK-Bold.ttc PACK_FONT_INDEX=0 python3 scripts/pack_vertical.py`。

FLUX 那一臂要直接跑管线（`scripts/flux_eval.py`，需要 nunchaku 与 INT4 KV 权重，路径用
`FLUX_KV_ROOT` / `FLUX_TE_PATH` 指），因为它部署的线上服务只开了编辑接口：

```bash
python3 scripts/flux_eval.py --prompts prompts-vertical.json --size 1536 --out out_vertical/1536/flux
```

## 已知局限（请连同结论一起看）

- 每题**只出 1 张、单 seed**，是抽样体检不是榜单成绩；n=4~7 时 ±1 题就是 ±14%。
- 组合题与长描述题**由人眼判读**，不是官方 GenEval 的 Mask2Former / DPG 的 mPLUG+CLIP 自动打分。
- 消融臂的「长描述」是人工模仿官方增强器风格写的，**不是**官方增强器（微调 Qwen3.5-VL 9B）的真实输出。
- 三家没跑在完全相同的步数上：各自用服务默认（Qwen 20 / SenseNova 8 / FLUX 4）。这是「各自最佳配置」的口径，
  不是「同预算」的口径；Qwen 的 40 步对照见 `results/results-fair.json`。
- 垂直套件那 26 道题是**自建**的，不是公开榜单；它是「这个活该用谁」的选型参考，同样每题只出 1 张。
- 垂直套件里有 8 道题是**第二轮补的**：跑它们时 3 号卡被农场任务占着，Qwen 那臂借 1 号卡并以
  更省显存的 `sequential` offload 档跑完（出图正常，耗时不可比，见上一节）。其余两家两轮同口径。

## 目录

```
index.html                   网页版报告（GitHub Pages，含结论速览 + 九领域联系表）
prompts.json                 公开题面原文（18 题，含来源与要求渲染的文字）
prompts-vertical.json        自建垂直题面（26 题 × 9 领域，每题带考点与判定项）
results/                     逐次运行的 JSON 记录（含 OCR 打分）；timings.csv 是逐题耗时（从运行日志重建）
results/logs/                原始运行日志（含失败与重试）
results/logs-vertical/       垂直套件的运行日志（v-* 首轮 / v2-* 新增题，含等农场空卡的记录）
results/results-vertical-*   垂直套件的耗时（156 行）与 OCR 结果（口径同上面那一轮）
images/compare/              三家同题并排大图（GenEval / DPG / LongText / 透明）
images/round2/               2K 复测、官方配方复跑、题面消融
images/1k-1024/<模型>/       首轮单图（文件名 = 题号）
images/2k-retest/  official-recipe/  prompt-rewrite/
images/vertical/<档位>/<模型>/  垂直套件单图（1024/2048/1536）
images/vertical/by-domain/   九个领域各一张 3 家 × 2 档并排
scripts/                     评测、打分、消融、打包脚本
scripts/make_deck.py         离线兜底：把 slides/slides.md 出成可编辑 PPTX（不装 npm 也能用）
slides/slides.md             中文演示稿源文件（12 页，Slidev，可出网页/PDF/PPTX/PNG）
slides/README.md             Slidev 出稿步骤与两个坑（图片软链、中文字体）
slides/dist/                 已出好的成品：图片版 PPT、可编辑 PPT、逐页 PNG
blog/                        实测笔记（docsify，零构建；线上在 /blog/ 路径）
```

## 对外分享

| 用途 | 链接 |
|---|---|
| 网页版报告 | <https://wangsheng1991.github.io/qwen-image-2.1-bench/> |
| 实测笔记（博客） | <https://wangsheng1991.github.io/qwen-image-2.1-bench/blog/> |
| 演示稿 · 图片版 PPT（12 页） | [`slides/dist/qwen-image-2.1-deck.pptx`](slides/dist/qwen-image-2.1-deck.pptx) |
| 演示稿 · 可编辑 PPT | [`slides/dist/qwen-image-2.1-deck-editable.pptx`](slides/dist/qwen-image-2.1-deck-editable.pptx) |
| 演示稿 · 逐页 PNG（1960×1104） | [`slides/dist/png/`](slides/dist/png) |
| 社交分享卡（1280×640） | [`images/social-preview-dark.png`](images/social-preview-dark.png) ｜ [浅色版](images/social-preview-light.png) |

演示稿源文件是 `slides/slides.md`，用 Slidev 出稿（出稿步骤与两个坑见 [`slides/README.md`](slides/README.md)）；
`scripts/make_deck.py` 是不装 npm 时的离线兜底。
分享卡由 [socialify](https://socialify.git.ci) 依仓库描述生成（改描述后要加 `&v=N` 破缓存）。

## License

代码 MIT；评测出图与文档 CC BY 4.0 —— 引用请注明本仓库。
评测对象为第三方模型，商标与模型版权归各自所有者；结论仅代表本次抽样。