讓 Claude 指揮三個 AI 訂閱生圖：Codex、Antigravity、Grok 35 組盲測

這次的玩法：讓 Claude 當總指揮

上一篇〈Krea2 微調模型大亂鬥〉我用 35 組 prompt 測了本地的開源模型。這次同一套 prompt 不換，換一個玩法：我把整件事交給 Claude，讓它寫好腳本，去指揮我電腦裡另外三個 AI 的命令列工具生圖——

• Codex（ChatGPT 訂閱附的）
• Antigravity（Gemini 訂閱附的）
• Grok

這三家都是訂閱裡本來就附的功能，不用再另外付 API 的錢。整個晚上 Claude 自己跑完 105 張圖，我隔天起來看結果就好。

不過先說它們共同的限制：都不能固定 seed、也不能指定精確的圖片尺寸。所以這輪沒辦法像上一篇那樣同 seed 逐張對照，比的是：同一段 prompt，誰交出來的圖更好。

快速結論

• Codex 最聽話：prompt 裡寫的每一個要求，它幾乎都會做到。要幫客戶做圖、每個細節都不能漏的時候，選它最保險。
• Antigravity 出圖最快（20 秒一張），但不穩定：35 張裡有 4 張莫名其妙畫壞，變成一堆色塊。神奇的是，同樣的 prompt 重新生一次就完全正常，而且品質很好。查了才知道它背後是新的輕量模型 gemini-3.1-flash-image。
• Grok 是我心中的黑馬：盲測時我把 8 組的票投給它。但它有個壞習慣——愛在圖裡加沒人要求的文字（雜誌刊頭、船名、品牌字），而且常常拼錯。
• 我的「好看」評分和 Claude 的「聽話」評分，一致率 68%。意見不同的 16 組有個共同點：全部都是 Claude 選 Codex、而我把票投給別家。

測試方式

• 同一套 35 組 prompt：涵蓋插畫、攝影、人像、商業廣告、超現實等風格，跟上一篇開源模型測試用的完全相同。
• 每組每家只生一張：不重生、不挑圖。對三家都公平，也最接近平常「隨手請它出一張圖」的真實體驗。
• 我先盲測：Claude 做了一個打分頁面，我在不知道它怎麼評的情況下，每組選出我主觀覺得最好看的一張。
• Claude 用另一套標準評：它逐項核對 prompt——該有的東西有沒有畫出來、位置對不對、指定的風格像不像。選完才互相對答案。

兩份成績單

兩邊的排名順序一樣：Codex 第一、Grok 第二、Antigravity 第三。但票數差很多。

有趣的是意見不同的那 16 組：每一組都是 Claude 選 Codex，而我選了別家，反過來的情況只有一組。想了想其實很合理——Claude 在幫 prompt 打勾，Codex 每個要求都做到，勾勾最多；但每個細節都做對，不代表那張圖就最好看。我有 6 組直接給平手，因為光看圖真的分不出高下，差距是在逐項對答案的時候才拉開的。

反過來說也成立：Claude 願意把票投給 Codex 以外的那 5 組，其中 4 組我盲測時也選了同一家。連最挑剔的評審都改投別家的時候，那張圖通常是真的好。

35 組全部看圖

每張圖由左到右是 Codex、Antigravity、Grok。有感想的我寫幾句，其他的直接看圖。

#01 碼頭上的浣熊

Prompt 要求一個畫面塞三隻浣熊：釣到大魚的、偷三明治的、被釣線纏住的。三家都把三隻都畫出來了，但只有 Codex 同時做到「大魚離水、雙手握竿、水花飛濺」，毛髮和晨光也最細。這組我和 Claude 都選 Codex。

#02 沙漠巨獸白骨

#03 裂開的漆面具

#04 維多利亞槌球聚會

這組我給了「都不行」——三張都沒有真的長成 prompt 要的那種 19 世紀老插畫。

#05 向日葵編輯海報

#06 狼戰士雜誌封面

#07 雨街上的行人

我和 Claude 都選 Grok：整排街燈往遠處延伸、紫灰色的黎明天空、下襬沾著濕楓葉，它把整個氛圍做出來了。

#08 百葉窗光影人像

這組的重點是「百葉窗的光影要打在人的臉和身上」。只有 Grok 真的把條紋光影投在手臂和衣服上。Codex 那張其實最漂亮，但條紋只落在牆上，重點沒做到。我和 Claude 都投 Grok。

#09 打字機上的小貓

#10 草莓碗

#11 青銅面孔

Antigravity 這組畫壞了（變成扁平的色塊圖），是後面「翻車事件」的四張之一。

#12 蘭花遮眼

#13 巨鴉之首

#14 老漁夫

Prompt 指定要「像一幅顏料龜裂的老油畫」。Grok 交出來的真的是一張油畫——厚厚的筆觸、刮痕、剝落的顏料；Codex 畫得最精緻，但本質上是一張超寫實的黑白照片，題目要的質感沒做到。這裡藏著 Codex 的一個固定弱點：你叫它畫畫，它常常忍不住給你拍照。

#15 銅紅短髮的女子

35 組裡唯一一組立場對調的：prompt 要求畫面裡要有墨水塗鴉和拼貼碎片，Antigravity 真的貼了報紙、畫了塗鴉線（最符合題目，Claude 選它）；但我盲測選了 Codex——它漏掉這些元素，可是畫得最美。

#16 沼澤先知

這組 prompt 寫得像規格書：五隻貓頭鷹排成半圓、其中一隻叼著鑰匙、傾倒的石盆⋯⋯全部指定死。只有 Codex 一項一項照做。要求寫得越細，它越強。

#17 復古旗袍與紙傘

#18 銅絲面紗

#19 霧中漁船

#20 亞麻襯衫青年

#21 地中海小巷

#22 溫柔凝視

#23 蒸汽龐克飛行員

#24 幾何狐狸與滿月

#25 四格側臉女士

題目要求四格從「寫實照片」一路變化到「抽象構成」。Codex 的四格變化最完整（Claude 選它）；我選了 Grok，它嚴格說沒答對題——四格都還是具象插畫——但每一格都順眼。Antigravity 第一次生成只交出色塊（也是翻車四張之一），重生成的版本反而是我心中全場最佳。

#26 機器人騎靈緹犬

#27 程式碼組成的臉

#28 屋頂上的佛朗明哥

#29 玻璃蓮花

Antigravity 的主場。題目要求從斜上方俯瞰巨大的水晶蓮花、四片翅膀的守護者、掌心的光流飄向遠方的艦隊——只有它把這整個故事串起來。動畫感的場景是它最拿手的。我和 Claude 都選它。

#30 貓頭鷹咕咕鐘

#31 街頭時尚抓拍

#32 香水廣告

商業攝影類（香水、美妝、運動、腕錶）幾乎都是 Codex 拿下。決定勝負的常常不是美感，而是「能不能直接拿去用」：水花剛好環繞瓶身、旁邊留白給文案、打光乾淨。這些寫在 prompt 裡的要求，它是真的當一回事。

#33 美妝雜誌封面

#34 運動品牌廣告

#35 腕錶廣告

Prompt 指定「緊貼手腕的特寫」。Codex 是唯一守規矩的，Claude 選它；但我選了 Antigravity 拉遠的半身構圖——它違反了題目，氛圍卻是三張裡最好的。幫客戶做圖的話 Codex 才對，自己欣賞的話，規則沒那麼重要。

Antigravity 的翻車事件：畫壞了，重生一次就好

批次跑完我發現 Antigravity 有 4 張很怪：有的變成一堆扁平色塊，有的近乎全黑。本來以為是某些題目它做不來，結果同樣四組 prompt 重新生一次——四張全部正常，其中兩張還好到可以跟該組的冠軍比（上圖：上排是第一次，下排是重新生成）。

所以這不是「哪類題目它不會」，而是大約一成多的機率隨機畫壞，跟題目無關。加上它一張只要 20 秒，正確的用法就是：同一個 prompt 連生兩三張，挑最好的那張。

順便把它的身分查清楚了：Antigravity 生圖實際用的模型是 gemini-3.1-flash-image（從執行紀錄裡查到的）——是速度優先的輕量新模型，不是大家熟悉的 Nano Banana Pro。這解釋了它為什麼快、也解釋了它為什麼不穩。

速度與尺寸

三家都不能固定 seed。需要固定 seed 做嚴謹比較、或需要精確控制尺寸的話，還是得用本地的開源模型。

所以怎麼選？

幾個要說明的限制

• 每組只生成一次，單次結果有運氣成分（Antigravity 的翻車事件就是證明）。
• 這三家都不能固定 seed，沒辦法做到嚴格的控制變因。
• 評審只有兩位：我（純主觀）和 Claude（照 prompt 程度）。你的眼光可能跟我們都不一樣——圖都放在上面了，歡迎自己選一輪。

相關文章

• Krea2 微調模型大亂鬥：官方 Turbo 對決四個社群微調，35 組同 seed 實測 — 同一套 prompt 測開源模型，可固定 seed 的嚴謹版
• Boogu Image 0.1 實測：開源文字渲染新標竿？ — 圖裡要有正確中文字的話，目前開源的 Boogu 最穩
• KREA 2 實測：中文 Prompt 能用嗎？四種官方 LoRA 風格全比較