开源评测基准+统一裁判，T2I终于有套能打的评分体系了，真实度和创意还是分水岭啊

阿里Qwen团队开源绘图评测基准Qwen-Image-Bench及统一视觉裁判Q-Judger，用于评估文本到图像（T2I）能力。涵盖画质、美学、画面对齐、真实度与创意等5维，设23子能力、56项指标；含1000个中英双语提示词。80名专业评审盲审，数据超13万对标注，裁判与人类打分吻合度达92%。首批18家模型中GPT Image 2居首，顶尖模型在真实度与创意维度仍是拉开差距的关键，画手、重力、光影等细节仍是普遍瓶颈。