Google: Gemini 2.5 Flash Image (Nano Banana) 在「时空错位」的评测结果
这是该 AI 模型在此测试用例上的详细评测结果。
基本信息
- 模型名称：Google: Gemini 2.5 Flash Image (Nano Banana)
- 用例名称：时空错位
- 测试类型：图像生成
- 评测维度：创意表达
用户提示词（User Prompt）
这是用户给 AI 模型的具体任务要求：
生成一张图片：一个古罗马士兵站在现代地铁站台上，他穿着完整的盔甲，手持长矛和盾牌，正在看地铁线路图。旁边有几个用手机拍照的乘客，地铁站内有明亮的LED灯光和电子显示屏。
任务要求
AI 模型需要满足以下要求：
- 古罗马士兵须穿戴可辨认的完整古罗马式盔甲（包括头盔与胸甲），同时手持长矛（或标枪）与盾牌，武器与护具须同时出现在画面中
- 场景须设定在现代地铁站台，画面中需有至少一项明确的站台设施（如站台边缘/安全门、轨道、电子显示屏或LED灯光照明）
- 士兵须呈现出正在查看地铁线路图的姿态，线路图须在画面中可见，且士兵的视线或身体朝向指向该图示
- 画面中须出现至少2名身着现代服装的乘客，且其中至少1名乘客须有明显的举起手机拍照的动作
- 图像整体无严重生成缺陷，包括：无明显肢体畸形（如多余手指、扭曲四肢）、无大面积文字乱码、无严重人脸扭曲
评测结果
综合得分
该模型在此用例的得分为：78.8 分（满分 100 分），已通过
基础难度评测结果
- 得分：78.8 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
图片内容描述（由 AI 生成，供你参考）
图中展示了一个充满超现实感的现代地铁站场景。画面右侧，一名身着全套古罗马百夫长盔甲的士兵正站在墙边，专注地查看一张发光的地铁线路图。他头戴红色羽饰头盔，手持长矛，身前立着一面绘有金色图案的大型红色盾牌。画面左侧，五名穿着现代休闲服饰的年轻人正排成一排，兴致勃勃地举起手机对着这名士兵拍照。背景是一列正在进站的地铁和蓝白相间的瓷砖墙面，整体色调偏冷，光影对比鲜明。 画面中存在明显的 AI 生成缺陷：最左侧男子的左手手指比例失调且扭曲，与其持握手机的姿势不符；中间几位年轻人的手部与手机融合模糊，细节缺失；背景中的地铁线路图和广告牌上的文字均为无法辨认的乱码；此外，士兵左手扶着盾牌的位置透视略显生硬，长矛底部与地面的接触点缺乏合理的阴影表现。
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这是一张完成度较高的时空错位场景图像，核心创意执行到位，古罗马士兵与现代地铁站台的五项关键要求基本全部满足。图像最大的成功在于叙事完整性——士兵、线路图、拍照乘客三者构成了完整的戏剧性场景，幽默感自然流露。主要短板集中在两点：其一是士兵「查看线路图」的姿态说服力不足（视线方向偏离），其二是电子显示屏文字乱码这一AI生成的固有缺陷。光影融合整体可信但存在细微割裂。综合而言，这是一张接近优秀的AI生成图像，在语义完成度和艺术表现力上均有较强表现，视觉融合度是相对最弱的一环。 【GEMINI】这张图片在宏观构图上成功完成了提示词的要求，创造了有趣的视觉反差。然而，作为专业评审，不能忽视其在微观细节上的大量崩坏。特别是 AI 在处理复杂手部动作和现代电子产品（手机）时的无力感，以及士兵武器持握的物理逻辑错误，使得图像经不起推敲。光影融合度处于平均水平，未能达到以假乱真的程度。 【KIMI】该图像完成了提示词的基础要求，但在关键动作姿态（「正在查看」）上存在语义偏差，士兵更像摆拍而非真实互动。视觉融合度受限于阴影与比例问题，艺术表现力因表情单一和色调保守而未能充分发挥时空错位的戏剧潜力。属于「基本合格但缺乏惊喜」的AI生成作品，在严格评审下暴露出生成模型对复杂动作语义理解的局限性。
进阶难度评测结果
- 得分：79.3 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
图片内容描述（由 AI 生成，供你参考）
图中展现了一个充满蒸汽朋克风格的史前冒险场景。画面中央是一艘巨大的复古飞艇，它结合了金属气囊与木质船身的构造，底部长有四条细长的机械支架，正悬停在茂密的丛林上方。背景中，一座火山正在喷发，浓烟滚滚，天空中翱翔着几只翼龙。地面上，几头三角龙在棕榈树间漫步，两名身着19世纪探险装束的男子正观察着这些生物。整体色调呈现出怀旧的古铜色与暗绿色，营造出一种奇幻的科幻氛围。 画面中存在明显的 AI 生成缺陷：飞艇上的乘客面部模糊且扭曲，肢体结构不清晰；飞艇下方的机械支架与地面的接触逻辑混乱，支架末端呈现出不规则的星形结构，且与环境的透视关系略显生硬；右下角探险家指向前方的右手手指数量异常且形态模糊；此外，部分植物的叶片纹理在边缘处出现了不自然的融合。
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这是一张完成度相当高的蒸汽朋克×侏罗纪时空错位场景图。提示词的七项核心要求几乎全部达标，飞艇机械细节、船员服装、史前生物种类、活火山远景均准确还原，时代错位的戏剧张力通过构图设计得到有效表达。主要瑕疵集中在飞艇降落状态的物理逻辑（步行腿与地面关系模糊）和局部比例失调上，这是AI生成复杂机械场景时的典型短板。整体而言，这张图像在语义还原和艺术表现上均属上乘，是一张具有商业插画水准的AI生成作品。 【GEMINI】这是一幅氛围感极佳但经不起细节推敲的作品。图像在宏观构图和色调氛围上精准捕捉了提示词的意图，但在微观执行上暴露了 AI 生成的典型弊端：透视逻辑崩坏（起落架与生物的比例关系）以及人体结构畸形（右下角人物手部）。飞艇作为核心元素，缺乏机械联动感，更像是一个拼凑的金属壳。整体达到了及格线以上的视觉效果，但在专业评审眼中，其空间逻辑错误是致命伤。 【KIMI】该图像完成了提示词的基础要求，但作为「时空错位」主题测试，其核心价值——维多利亚工业文明与侏罗纪原始自然的戏剧性碰撞——被平庸的视觉调和所消解。飞艇机械腿的臆造设计、光影一致性的断裂、以及人物情感的缺失，暴露出AI在复杂叙事场景中的逻辑短板。建议将此类图像定位为「商业插画及格线」而非「概念艺术精品」。
困难难度评测结果
- 得分：71.4 分
- 通过状态：已通过
模型生成产物
该模型生成了以下图片：
图片内容描述（由 AI 生成，供你参考）
图中展示了一个融合了古典主义与赛博朋克风格的未来都市街道。画面中心，一群穿着红金相间、华丽欧洲宫廷大裙摆的女性和穿着深色拉夫领服饰的男性正在潮湿的街道上行进。他们的面部被发光的几何全息投影覆盖，仿佛戴着数字面具。街道两旁是高耸入云的摩天大楼，挂满了色彩斑斓的霓虹灯牌和巨大的电子屏幕，空中悬浮着黑色的飞行汽车和带有显示屏的机械装置。整体色调以深蓝、霓虹粉和金红色为主，营造出一种超现实的压抑与繁华感。 画面中存在明显的 AI 生成缺陷：街道两旁的霓虹灯牌文字均为无法辨认的乱码或扭曲字符；部分人物的手部线条模糊，与身体比例失调；空中悬浮装置的结构逻辑混乱，缺乏真实的物理支撑感；背景中远处的人群细节呈现出块状模糊，透视关系在建筑深处略显生硬。
注：图片内容暂不支持屏幕阅读器朗读。您可通过上方链接在浏览器中查看原图，后续我们将持续完善这部分的无障碍支持。
AI 评审点评
以下是 AI 评审对该模型输出的点评：
【CLAUDE】这张图像在宏观层面成功呈现了「赛博朋克城市+文艺复兴舞会」的时空错位概念，视觉冲击力较强，核心元素覆盖率约70%。但在关键细节的落实上存在多处明显缺口：无人机几何图案要求实质上未完成，服饰科技配饰融合度不足，前景人物与背景的光影逻辑割裂是最突出的视觉融合问题。中景人群的AI瑕疵和主要人物面部的缺失削弱了宫廷舞会的叙事感。整体属于「概念成立、执行不精」的水准，距离提示词的完整实现仍有明显差距。 【GEMINI】这是一张视觉冲击力较强的作品，在宏观构图和色彩运用上精准捕捉了提示词的意图。但在微观执行上，作为挑剔的评审员，我必须指出其在「达芬奇机械」这一核心文化符号上的缺位，以及 AI 常见的手部畸形和文字乱码问题。风格融合停留在元素堆砌层面，缺乏深度的物理光影交互。 【KIMI】该图像属于「概念堆砌型」AI生成——提示词中的关键词（赛博朋克、文艺复兴、全息、霓虹）被机械组合，但核心创意「达芬奇机械与未来科技融合」「无人机几何图案」完全落空。视觉层面，光影逻辑与物理真实性的缺失导致时空错位感沦为廉价拼贴。作为「测试模型创造时空错位场景」的任务，其失败在于：模型无法理解「融合」需基于功能与美学逻辑，而非元素并置。建议评分区间60-70，严格体现与高质量执行的差距。
相关链接
您可以通过以下链接查看更多相关内容：
