[控场AI]
· 4 分钟阅读· 2,107 字

GPT-6.2雨夜街角绘图实测:四款模型谁更胜一筹?

GPT-6.2雨夜街角绘图实测:四款模型谁更胜一筹?

GPT-6.2双模型雨夜SVG对决:Sore提速,Astra增质降价。

B站UP主用Codex平台让四款AI模型在Ultra模式下绘制同一幅雨夜霓虹街角SVG插画,对比GPT-6.1与6.2两代Sore和Astra的表现。结果显示,6.2 Sore用时16分26秒,比6.1 Sore的20分08秒快3分42秒,人物动作更贴近‘刚刚看见彼此’的瞬间;6.2 Astra用时13分30秒,比6.1 Astra的11分25秒慢2分05秒,但街景细节更丰富。成本方面,Astra API单价下调20%,按一万输入两万输出计算费用从1.1美元降至0.88美元。实验体现了GPT-6.2差异化定位:Sore重效率,Astra重质量,用户可按需选择。

一场雨夜街角的模型对决

当同一个绘图指令交给四款不同的AI模型,会得到怎样不同的视觉诠释?B站UP主用Codex平台发起了一场有趣的实验:让四款模型在Ultra模式下绘制同一个“雨夜霓虹街角,两人各撑一把伞刚刚看见彼此”的SVG插画。这四张图不仅展示了模型间的风格差异,也折射出GPT-6.2升级带来的实际变化。

按画面中一万输入两万输出的势力用量计算

SVG插画生成:SVG(可缩放矢量图形)是一种基于XML的矢量图像格式,与常见的位图(如JPEG、PNG)不同,它通过数学路径描述图形,放大不失真。在AI绘图领域,要求模型生成SVG代码而非直接输出像素图,实质是考察模型的代码生成与空间推理能力:模型需理解提示词中的物体关系(如两人各撑一把伞、街角霓虹),并将其转化为坐标、路径和样式规则。这种‘用代码画画’的方式,比直接生成图片更依赖模型对结构的把握,也更容易暴露不同模型在细节规划上的差异。

Ultra模式:在部分AI平台中,Ultra模式通常指一种增强推理或高质量输出模式,可能会调用更复杂的内部流程或更大的计算预算,以提升生成结果的精细度。本文实验中统一开启Ultra模式,旨在让四款模型在相同的高质量设定下比拼,使风格差异更多反映模型本身的设计取向,而非模式切换带来的波动。

模型定位与成本解析

GPT-6.2此次带来了两款新模型:Astra和Sore。根据官方介绍,Astra面向文档、表格和编程等复杂项目,强调专业成果的交付质量;Sore则面向日常工作,强调处理多步骤任务的效率。在成本方面,Astra的标准API输入和输出单价均下调了20%,每百万输入Token从10美元降至8美元,输出从50美元降至40美元。按画面中一万输入两万输出的用量计算,费用从1.1美元降到0.88美元。Sore沿用上一代API单价,每百万输入Token两美元,输出10美元。第三方AA的MirrorMix档题组估算中,当题耗时从23.5分钟降到8.5分钟,加权平均成本从1.27美元降到1.01美元。这些数据快照日期为11月19日。

四款各跑一次

Token与API计价:Token是语言模型处理文本的基本单位,可理解为词或词片段。API按每百万Token的输入和输出分别计价,是业界通行做法。输入Token指用户发送的提示词等内容,输出Token指模型生成的回复。本文中‘一万输入两万输出’即一次任务消耗1万输入Token和2万输出Token,据此可算出单次成本。Astra标准API输入单价从每百万10美元降至8美元,输出从50美元降至40美元,降幅均为20%,因此总费用从1.1美元降至0.88美元。理解Token计价有助于横向比较不同模型的性价比。

四款模型表现对比

实验统一开启Astra模式,要求模型用代码绘制SVG插画。四张图中,A和B是两代Sore,C和D是两代Astra。

Sore组:速度提升明显

A图来自6.1 Sore,用了20分钟08秒;B图来自6.2 Sore,用了16分26秒。两图都描绘了两人在街道中央停下,左右两侧冷暖霓虹在地面铺开反光。但细节上,A图人物更像停下来,B图男生迈步女生回头,街道从店铺转角向后延伸,更贴近“刚刚触碰的瞬间”。

更像刚刚触碰的瞬间

Astra组:细节更丰富

C图来自GPT-6 Astra,用了11分钟25秒;D图来自6.2 Astra,用了13分钟30秒。C图中青嗓和粉嗓呼应两侧霓虹,人物更靠近镜头,背景流出一条向内的霓虹原生的小巷;D图中唱片行、单车和湿地上的水光让街角多了不少细节。

单车和湿地上的水光

速度与质量的权衡

这一轮Sore新款更快,Astra新款更慢。时间取自Codex显示的单次交付记录,每款各跑一次。就这道雨夜插话题,UP主认为6.2的人物动作和街景细节更合心意。

从实验可以看出,GPT-6.2在Sore模型上显著提升了处理效率,同时降低了Astra的成本。尽管Astra的绘图速度有所下降,但细节表现力更强,更适合对质量要求高的场景。这种差异化定位让用户可以根据任务需求灵活选择。

单次交付记录的局限:文中时间取自Codex显示的单次交付记录,每款模型各跑一次。单次样本容易受网络、负载等随机因素影响,不能完全代表模型的稳定性能。但结合四款模型在相同任务下的表现,仍可看出趋势:Sore新款提速、Astra新款增质,与官方定位(Sore重效率、Astra重质量)相互印证。若需更严谨的结论,应进行多次重复实验并取平均值。

结语

四款模型的雨夜街角作品各有千秋,你更喜欢哪一张?欢迎在评论区留下你的想法。

分享:

相关推荐