撰文 | 高晓阳
编辑 | 郝鑫
11月9日和10日，字节Seed与MiniMax先后发布新一代图像模型Seedream 5.5和MiniMax H3-Image。前者主打百轮编辑稳定性、原生透明素材及图层拆分；后者侧重10秒生成16MP大图、开放权重及高性价比。
通过统一提示词与素材进行四项同台对比及独有能力验证，得出以下核心结论：
一、写实已非分水岭。两者人像与街景均能乱真，差异仅在于审美取向：MiniMax偏向“街头抓拍”，Seedream偏向“电影剧照”。“谁更真”不再是用户决策的关键。
二、文字渲染是胜负手。在十种语言共20行文字的测试中，Seedream正确率为19/20，MiniMax为12/20。对于多语言海报及出海物料制作，这一差距具有决定性影响。
三、多图理解逻辑不同。两者各完成5项指令。MiniMax更忠于参考图，适合素材复刻；Seedream更忠于文字指令，适合按需改造。
四、交付能力优于像素堆叠。MiniMax生成的16MP大图近处细节丰富，但远处人群易模糊；Seedream支持一次准确拆分图层并自动补全背景，更贴合设计师工作流。
综合建议：若以中英文为主，追求高分辨率与低成本，选MiniMax；若涉及多语言、需反复改图及分层编辑，Seedream更为稳妥。
路线分化：一个拼尺寸，一个拼可控
两款新模型的核心卖点几乎无重叠，技术路线差异显著。
MiniMax H3-Image：更大、更快、更便宜
衍生自H3模型，支持文生图、图像参考及编辑。官方数据显示，其可在10秒内生成4096×4096（约16MP）图像，速度为主流水平的5倍，价格为同档产品的50%-70%。该模型宣称具备开源模型中最强的指令遵循能力，支持最多16张参考图，并已开放权重。
Seedream 5.5：改得稳、可进生产线
三大核心升级：一是多轮编辑保持非编辑区域像素级不变（支持连续100轮）；二是原生RGBA透明素材，最多输出100层；三是提升写实质感与文字渲染，严重文字崩坏率低至0.4%。
实测对比：真实感难分高下，文字见真章
测试选取写实、文字、多图理解三个方向共四个案例，并对独家功能单独验证。所有对比使用同一提示词，单次生成取第一张结果。参考图由第三方模型GPT Image 2.6生成，以防数据污染。需注意，MiniMax默认输出约1680万像素，Seedream为230万-420万像素，分辨率差异理论上对MiniMax有利。
1. 早餐摊人像：风格各异，各具特色
提示词要求“手机随手拍”逆光早餐摊场景。两者主体均无明显AI痕迹。
Seedream呈现标准电影感，浅景深、金色轮廓光及蒸汽层次分明，人物年龄贴合，但未执行“随手拍”要求，构图过于精致。
MiniMax更接近真实街拍，广角构图随意，皮肤纹理清晰。瑕疵在于人物显老，且背景招牌汉字无法辨认。
2. 雨夜大排档：物理一致性考验
两者均正确书写“老陈烧烤”。Seedream在物理细节上更严谨，如炉火映橙色烟雾、湿地反光等。
MiniMax画面冲击力强，霓虹与倒影抢眼，但将“刚下过雨”误判为“正在下雨”，烟雾未受火光染色，整体后期调色感较重。
3. 多语言欢迎墙：Seedream优势明显
测试包含简繁中文、英日韩法德俄阿泰十种语言共20行文字。
Seedream正确19行，仅泰文大字一个辅音错误，其余长尾文字处理准确。
MiniMax正确12行，错误集中在非通用语种。日文、韩文出现拼写错误，俄文语义偏差（“左边”变为“荣耀”），阿拉伯文及泰文存在字母错误或乱码。鉴于其高分辨率，错误原因主要在于模型对长尾文字掌握不足。
4. 六图合一：指令遵循vs参考忠实
要求结合6张参考图特征。两者均未串图，但在细节取舍上方向相反。
Seedream忠于文字指令，为手提包增加肩带以符合“肩背”要求，但姿势还原不全。色调克制，更具真实感。
MiniMax忠于参考图，姿势还原完整，但包仍为手提状态。色调青橙对比强烈。
5. MiniMax高分辨率测试：细节分布不均
生成5472×3072像素春运场景，包含6个彩蛋。大部分细节准确，仅泡面桶文字漏字。放大后，前景细节经得起推敲，但远处人群出现融化感，人脸细节不足。
6. Seedream图层拆分：一次性精准交付
将电影海报拆分为人物、风筝、片名、小字、光晕、背景六层。Seedream一次成功，保留发丝、风筝线等细节。背景层自动补全抠除区域，无痕衔接，极大提升了设计师后续编排效率。
结语：交付能力成为新护城河
测试表明，写实能力已成标配，不再构成竞争壁垒。真正的差距在于图片的“可用性与交付能力”。写错字的海报无法商用，而准确的长尾文字渲染、便捷的图层拆分，能将输出从“成品图”升级为“可编辑素材”。
MiniMax走基础设施路线，凭借分辨率、速度、价格及开放权重扩大覆盖面，依赖社区补齐短板。
Seedream走生产工具路线，通过多轮编辑、透明素材及图层拆分，深度嵌入电商、广告及设计团队的日常流程。
未来图像模型的较量，将聚焦于谁能写得对、改得准、拆得开，将一次性生成转化为可交付的工作成果。
微信号｜TMTweb
公众号｜光子星球
别忘了扫码关注我们！