用的词是一位美丽的车模穿着银色短裙，站在车展的展车前摆出一个pose 。图1，2是gpt，第二张要求模特换成全身照，波浪长发。图3，4是谷歌的，第二张要求换成蓝色露背长裙坐在黑色行政轿车的车引擎盖上。gpt效果被谷歌吊着打，而且gpt慢的一笔还是1k小图，谷歌嗖嗖的快，全是2k的大图。。
实测下来，大模型公司还是有些东西，指令遵循和理解明显高于flux，而且谷歌手部几乎不会崩坏，即使是复杂动作拿玻璃杯这样的都几乎完美，估计他们的图像模型参数量肯定远大于flux这样的12b吧