像考试一样
给每个模型同一套题，再按答案打分。
GenEval · VBench先固定问题
所有模型接受同一条提示词，才能比较“谁做得更好”。一条好题目只测一个清楚的能力。
- TRY“画两个物体，并让红球在蓝盒子左边。”
- CHECK位置、颜色、数量都能单独判断。
Rubric / 图像生成
四档表现，每一档都写清楚“看见什么才算”。点击左侧 pipeline 查看每一步。
| 评价维度 | 4 优秀 | 3 良好 | 2 及格 | 1 不足 |
|---|---|---|---|---|
| 提示词遵循 | 物体、属性、关系全对 | 大部分正确 | 漏掉一项 | 主题都变了 |
| 画面质量 | 清晰、自然、无明显瑕疵 | 小瑕疵不影响使用 | 有明显错误 | 无法使用 |
| 文字渲染 | 拼写正确且清楚 | 少量小错 | 能猜出意思 | 乱码或缺失 |
3.4当前示例平均分 / 4.0
跑一次示例评估
切换模式，看看同一套 Rubric 思路如何适配不同媒体。
宽松严格