開源評測基準+統一裁判，T2I終於有套能打的評分體系了，真實度和創意還是分水嶺啊

阿里Qwen團隊開源繪圖評測基準Qwen-Image-Bench及統一視覺裁判Q-Judger，用於評估文本到圖像（T2I）能力。涵蓋畫質、美學、畫面对齊、真實度與創意等5維，設23子能力、56項指標；含1000個中英雙語提示詞。80名專業評審盲審，數據超13萬對標註，裁判與人類打分吻合度達92%。首批18家模型中GPT Image 2居首，頂尖模型在真實度與創意維度仍是拉開差距的關鍵，畫手、重力、光影等細節仍是普遍瓶頸。