指令遵循
INSTRUCTION ALIGNMENT核验生成图像是否准确还原 Prompt 中的主体、场景、风格、数量关系与环境要求；主体缺失、场景偏差或风格不符均需记录。
01TEXT TO IMAGE
文生图评测
为准确掌握生图功能在业界真实水平，建立公平、可量化、可复用的评测体系，系统比较不同模型在文生图与图片编辑方面的能力。
EVALUATION FRAMEWORK
文生图评测体系
建立公平、可量化、可复用的评测体系，系统比较不同模型在文生图与图片编辑方面的能力，覆盖 120 条文生图数据与 79 条图生图数据。
画面质量
IMAGE QUALITY综合评估清晰度、构图、光影、色彩统一性与主体细节，同时检查模糊、噪点、压缩感、畸变及低质纹理。
创造性
CREATIVITY判断生成结果的丰富度、想象力和视觉表现力，关注画面是否在满足指令的前提下呈现独特视角或艺术张力。
原图保持（图生图）
SOURCE PRESERVATION评估编辑前后原图主体、结构和风格的一致性，确保修改限定在指令范围内，未越界改动无关区域。
视觉质量（图生图）
EDIT QUALITY检查编辑区域的融合自然度、边缘处理和整体协调性，关注融合不自然、目标选择错误与编辑越界等问题。
PROBLEM TAGS
具体问题标签
光影偏差
色彩失真
结构比例错误
构图不当
编辑越界
目标选择错误
融合不自然
SCORING STANDARD
分档 Rubric 评分
完全符合
指令还原准确，画面质量优秀，创造性与原图保持均达到预期。
基本符合
存在轻微偏差或局部质量问题，但不影响整体理解与使用。
明显不符合
核心主体、指令遵循或画面质量存在严重问题，影响结果可用性。
EVALUATION WORKFLOW
从构建到验收的全流程
小规模构建
按 Prompt 长度、主体数量、环境复杂度划分简单、中等、困难三级，初步构建测试集。
试评测
开展小批量试评测，验证维度可操作性，调整 Rubric 并对齐评分尺度。
全量构建
形成 120 条文生图数据与 79 条图生图数据，覆盖多类型多难度任务。
双盲评分
采用双盲独立评分、组内拉齐与逐条全检机制；争议数据注明争议维度并打回重估。
验收与输出
输出可比较结果与问题分布分析，为模型选型、任务分配与采购接入提供决策依据。