测评AI模特别光看榜单：自己动手测的完整方法

测评AI模特这件事，我的态度很直接：市面上的"综合评分榜"一个都别信。九月我拿三款工具给秋装出图，同一段提示词，工具A在连衣裙上直接可用率71%，工具B只有52%。换个男装Polo衫再跑，A掉到48%，B反倒冲到76%。榜单上A明明排在B前面。品类一换，整个排名翻过来。

所以榜单只能告诉你"这个工具还活着"，告诉不了你这个工具适不适合你的货。想拿到能拍板的结论，就得自己测，而且测法要提前定死，不然测到一半就会滑向"我感觉这个挺好"，白忙。

测什么：五个维度开测前写死

出图速度、单张成本、直接可用率、平均修图工时、高难度场景表现，五个维度够用。维度不提前写死，测着测着就变成凭印象打分，那不如不测。

每个维度的口径要抠清楚。速度从点下生成键开始计时，到图完全出完为止，排队和预热时间都算进去。成本分两种算法：按张计价的直接用标价；包月的拿月费除以你当月实际出图量，别用官方送的那个"理论额度"。直接可用率最容易做手脚——我的口径是零修图、裁都不裁、直接能上架的比例，改一个像素就算降档。

修图工时单独立一项，因为很多工具的图属于"能救"，能救不等于能用。救一张花二十分钟，折成工时钱比实拍棚租还贵，这种账不算清楚，选型就是自欺。高难度场景再单列一组：手部特写、镜面反光面料、深色背景，这三类是翻车重灾区，普通品类测得再顺，这三关过不了就上不了主力链接。

样本怎么配：三十张起步，难度掺着来

每款工具至少跑30张，盖3个以上品类，简单款和高翻车款都要混进去。只拿好出图的款式测，谁家数据都漂亮，等于白测。

我九月的配比：10款服装，连衣裙、针织衫、薄外套、男装裤装都挑几款，每款跑3张不同姿势和背景。里面故意埋雷——手插兜的姿势、亮面羽绒服、黑底白裙这种高对比组合，各占三成。每张图最多重试3次，重试次数照样记录，这个数字本身就是重要维度：一款平均要重试2.6次才出能看的图的工具，跑量的日子会很难受。

高难度那几关怎么调，我之前写过一篇挑战AI模特：动态、反光、多人同框高难度出图实测，可以先照里面的调法给每款工具一次公平机会，别拿裸提示词测完就说人家不行。

我跑出来的三组数字

同一批30张样本，三款工具的直接可用率是57%、40%、63%，综合成本一算排序全变了。单看可用率选工具，大概率选到最贵的那个。

具体数字摆出来。工具A按张计价1.8元，出图约18秒，30张里直接可用17张、修一修能用9张、废4张，平均每张重试1.8次，能救的图平均修6分钟。工具B包月199元，我当月出了600张，折下来每张0.33元，出图约35秒，直接可用12张，平均修11分钟，重试2.6次。工具C是本地部署，单张电费加折旧约0.2元，出图45秒，直接可用19张，但手部特写那组10张废了7张。

中间岔一句：测之前我以为本地部署必赢，毕竟单张两毛钱。跑完才发现，手部崩掉的那几张，返工重画的时间把便宜全吃回去了。数字没算之前，直觉经常是反的。

定工具前，把美工时薪算进去

选型看两笔账：单张综合成本，和修图时间折进去的隐性成本。美工时薪按30元算，修11分钟就是5.5元，包月的便宜立刻被吃掉。

拿这个口径重算：B工具图钱看着最便宜，可修图工时折进去，每张综合成本到了5.8元左右，反而最贵。C单张最省，但手部那组废片率太高，上主力链接前还得人工兜底。我最后留下A当主力、B补量，C只跑背景简单的平铺款。这个组合跑了三周，没再出现"图挺漂亮但交付跟不上"的情况。

测完还有一步别漏：素材归档。不然下个季度换工具想对比历史数据，全靠翻聊天记录找图，找齐能找到你怀疑人生。归档那套流程我单独整理过一篇，整理模特AI出图素材的归档办法：命名、分级、备份一套流程，照着做，下次测评直接调库对比。

回到开头那句：榜单解决不了采购决策，因为榜单不知道你卖什么。五个维度、三十张样本、统一口径，两天跑完一轮。工具会一直换版本，这套测法不会过时——下个季度有新工具出来，接着用它再测一轮就行。

常见问题

30张样本会不会太少，结论不稳？

看大方向够了，我自己会跑两轮取平均再稳一点。要是测完要给老板交正式选型报告，建议翻倍到60张，重点品类再单独加测20张。

包月和按张计价，临界点在哪里？

我算过自己的账：月出图量过了150张，包月开始比按张划算。低于这个量就按张买，包月费会烂在账户里。

本地部署值得入吗？

量大、显卡好、有人会调参，三样凑齐才划算。我的笔记本显卡一般，一张要45秒，手部还老崩，量小的团队不如按张买省心。

测评时图片分辨率要统一吗？

必须统一，我一直用1536×2048。一款用高清一款用标清，速度和瑕疵数量都没有可比性，测了等于白测。

延伸阅读

• ai更换模特实测：一件针织衫换了11版才敢上架——重试次数多到什么程度算正常，这篇有更极端的案例。