越来越怀疑现在满天飞的图像生成评测榜。所谓最流行的那套打分标准，看着精致、有分数有排名，实际上可能是一种误导——它衡量的东西和我们真正在意的出图质量未必是一回事。
问题出在几个地方。一是打分维度和真实使用脱节，榜上高分的模型放到具体活里未必顺手；二是不少评测用的 prompt 和场景高度趋同，模型只要在这些套路上过拟合就能刷分；三是主观投票很容易被出图的第一眼观感带跑，而观感好不等于可控、不等于能改。
我自己的做法是不看总榜，按活挑：做电商图看细节和文字，做概念图看构图和风格控制，各留一小组自己的私测 prompt 反复对比。榜单当个粗筛可以，真要选生产力工具还得自己跑一遍。