要在画面里直接排中文字，目前我用下来最能打的是通义的 Qwen-Image。
标题、招牌、海报字这类带中文的场景，它不容易糊，也很少缺笔画，我后期P字的活省了一大截。中文字这块一直是老大难，所以趁手头项目在做横向对比，把几个主流文生图模型都过了一遍，这点差距挺明显。
FLUX 走的是流匹配那套架构，强项在整体质感和对复杂描述的理解，画面控制感强，但要它写规整的中文就有点勉强了。
所以我现在分工用：要中文字的交给 Qwen-Image，纯画面氛围和控制交给 FLUX。也在做横评的朋友可以说说，除了中文字你们还看重哪些维度，排序是怎样的。