四家開源 T2I 同題對決，外加一樁「拒繪」懸案：Ideogram 4 為什麼連浣熊釣魚都不畫？

這篇文章有兩條線

上一篇Krea2 微調模型大亂鬥之後，我把同一套 35 組 prompt、同一組 seed，拿去餵四個不同家族的開源 T2I 模型：

• Boogu Image 0.1 Turbo（10B，4 steps）
• Z-Image Turbo（6B，9 steps）
• Qwen Image 2512 + Lightning 4-step LoRA（20B）
• Ideogram 4（20 steps，雙模型 guidance）
• Krea2 Turbo 拿舊批同 seed 圖壓陣當參照組

第一條線是正常的評比。第二條線是意外——Ideogram 4 在 35 題裡拒繪了 6 題，而且被擋的全是無害題材。追查這件事的過程比評比本身還精彩，所以這篇的後半段是一份破案全記錄。

快速結論

• Qwen 2512 是本輪全能王：街拍、腕錶等商業題完成度最高、奇幻細節最豐、深膚色忠實，4 steps 就有這品質
• Boogu 是風格服從王：低多邊形、扁平動畫這些「圖形類」題目全場最忠實，但文字能力是雙面刃（會自己在廣告圖上排亂碼文案）
• Z-Image 是快手攝影師但讀題粗心：把「鯨魚骨架」畫成活鯨魚、深膚色自動調淺
• Ideogram 4 出圖上限極高，但自然語言 prompt 的拒繪率 17%——破案結論：它判的不是內容危險，是「格式陌生」，換成官方 JSON 格式後同 seed 拒繪率歸零
• 街拍、腕錶、香水這些商業題材，2026 年中的開源模型已經全員及格——差異戰場在風格題

測試方法：各家用各自官方採樣參數（所以比的是「同一份需求交給不同團隊」，不是同構圖對比），1024×1024，一個晚上 140 張全自動跑完。對照圖從左到右固定為 Boogu → Z-Image → Qwen 2512 → Ideogram 4 → Krea2 Turbo。

第一條線：四家風格速寫

黑白攝影題：全員及格，個性浮現

Prompt（節錄）：

A black and white photograph of a woman with light hair loosely braided, leaning forward to press her cheek against a wide wooden bowl heaped with ripe strawberries... natural daylight illuminating the scene with high contrast and grainy texture.

五家都乖乖交出黑白照（上一篇 Krea2 variant3 的紅草莓「叛變」在跨家族陣容裡沒有重演）。Boogu 的貼臉特寫最大膽，Qwen 的眼神接觸最有張力，Ideogram 的顆粒感最像底片。

Pulp 封面題：這種題材已經是共同技能

Prompt（節錄）：

Pulp noir illustration, retro sci-fi, desaturated tones, heavy shadowing, bold ink lines, cinematic lighting, frontier grit, vintage magazine cover. A towering, heavily muscled wolf figure - a barbarian titan in form - stands center stage... Beside him, a young male scout with wind-burned skin kneels on cracked, barren ground... In the foreground, a massive dented war-helm lies half-buried in grit.

五張都能直接當雜誌封面。這輪測試最大的感想之一：主流插畫風格已經是開源模型的共同技能，拉不開差距。

商業題：全員及格，水花見人見智

Prompt（節錄）：

A luxury commercial product photograph for a perfume campaign: a faceted glass bottle filled with pale amber liquid stands on a wet black marble slab, a crown of fine water droplets frozen mid-splash arcing around it... advertising-grade cleanliness and polish.

Qwen 的水花最有戲劇性，但那頂皇冠端端正正停在瓶蓋上，反而有點假——真實高速攝影抓到的水花不會這麼聽話。Z-Image 和 Krea2 的濺灑軌跡比較像真的。這題五家都及格，挑哪張見人見智；街拍和腕錶兩題 Qwen 的完成度倒是實打實略勝半籌。

美妝題：順便驗出膚色忠實度

Prompt（節錄）：

High-fashion beauty editorial close-up of a model with luminous deep-brown skin, slicked-back hair and sculpted cheekbones, eyes closed mid-blink, wearing glossy tangerine lips and a single line of silver foil across one eyelid; lit by a split of two colored gels, soft magenta from the left and cool cyan from the right...

Prompt 指定 deep-brown skin（深棕色皮膚）。Boogu、Qwen、Krea2 忠實呈現；Z-Image 自動把膚色調淺還加了濃妝——訓練資料偏差的現形時刻。至於 Ideogram 這格……第一次跑的時候它直接拒繪了這題。這就要進入第二條線了。

第二條線：Ideogram 4 拒繪懸案破案全記錄

案發：17% 拒繪率，受害者全是無辜題材

早上驗收批次結果，log 顯示 35/35 全部成功——但 Ideogram 的圖裡混著 6 張這種東西：

灰底白字「Image blocked by safety filter」。這是模型本身的安全訓練在拒絕生成（ComfyUI 官方特別註明：ComfyUI 端沒有任何過濾器，這是模型自己的行為，關不掉）。

被擋的 6 題是：浣熊釣魚鬧劇、鯨魚骨架曠野、維多利亞槌球派對、沼澤先知與貓頭鷹、美妝特寫、運動員起跑。

你沒看錯。浣熊釣魚。維多利亞淑女打槌球。這兩題被安全過濾器攔下來了，而同一批裡的黑暗奇幻獻祭儀式反而暢行無阻。拒繪的標準完全摸不著頭緒。

詭異升級：拒絕的字樣被畫進了作品裡

更奇怪的還在後面。另外兩題沒有被擋，但你仔細看生成的圖：

海報題（#05）：模型把「Image blocked by safaty filter」——注意還拼錯字——當成設計元素排進了版面。

青銅面孔題（#11）：雲海中央飄著「Imbice blocked by sataty filtter」。

拒絕的訊息滲漏進正常生成裡，而且拼得歪七扭八。這個線索很重要：如果是外掛的審查器攔截，只會出現標準占位圖；只有「拒絕」這個行為本身是模型學來的，才會像這樣跟生成內容攪和在一起、還帶著生成式的拼寫錯誤。

第一個假設：運氣不好？換 seed 重試

最直覺的假設是碰運氣——擴散模型的行為隨 seed 波動，換一顆也許就過了。把被擋的題目換 seed 重跑：

結果：美妝、鯨骨過了；浣熊、槌球、沼澤先知——還是被擋。

所以拒繪一部分是隨機的，但有些題目是「怎麼抽都不給畫」的死鎖。浣熊釣魚是什麼十惡不赦的題材嗎？假設一宣告破產。

線索：官方模型卡裡的一句話

翻社群討論，發現拒繪問題早就炸鍋了（官方 HF repo 有專門討論串，GitHub 也有正式 issue「Safety filter appears to generate false positives on benign prompts」）。其中一條線索反覆出現：用 JSON 格式寫 prompt 的人，幾乎不會被擋。

再回頭看官方工作流的說明，有一句話之前被我略過：

The model is trained on structured JSON captions (scene summary, style block, background, and optional per-object descriptions with bounding boxes)...

Ideogram 4 是用結構化 JSON 標註訓練的。我們餵給它的華麗自然語言長文，對它來說是分布外輸入——它根本沒怎麼見過這種格式的 prompt。

新假設成形：它拒絕的不是危險內容，是陌生格式。

決定性實驗：同一顆 seed，只換格式

把三題死鎖題＋兩題文字滲漏題改寫成官方 JSON caption 格式——內容一模一樣，seed 一顆都不換，唯一的變因是格式：

{
  "aspect_ratio": "1:1",
  "high_level_description": "A classic 1892 Victorian social realism illustration of four women in high-collared summer dresses and straw hats playing croquet on a garden lawn beside a glass conservatory...",
  "compositional_deconstruction": {
    "background": "A manicured Victorian garden lawn beside a white-framed glass conservatory, rose beds and clipped hedges behind, soft overcast daylight...",
    "elements": [
      { "type": "obj", "bbox": [180, 60, 900, 300], "desc": "A Victorian woman in a pale striped high-collared summer dress, bending mid-swing with her wooden croquet mallet..." },
      { "type": "obj", "bbox": [820, 300, 980, 700], "desc": "Croquet balls, iron wickets and a striped post arranged on the clipped lawn..." }
    ]
  }
}

結果：5/5 全過，零文字滲漏。

同一顆 seed。左邊是自然語言 prompt 的下場，右邊是 JSON 格式的產出——而且這張維多利亞槌球，我認為是 Ideogram 在整輪評比裡最好的圖之一。

全量驗證：35 題重跑，拒繪率歸零

為了排除小樣本僥倖，35 題全部轉成 JSON 格式重跑一輪（同 seed）：

35/35 成功，拒繪率 0%，零文字滲漏，28.8 分鐘。

自然語言直入：拒繪率 17%（6/35），其中 3 題換 seed 也救不回。JSON 直入：0/35。破案。

意外收穫：連風格服從性都變好了

JSON 重跑還揭露了一件事——格式問題影響的不只是拒繪。看低多邊形狐狸這題：

自然語言版的 Ideogram 畫了一隻寫實毛髮的狐狸（風格漂移）；JSON 版的切面感明顯回來了。表現主義漁夫題的憑空亂碼、貓頭鷹鐘的鐘面亂字，也全部在 JSON 版消失。

結構化輸入讓整個模型回到訓練分布內——受益的是全部行為，不只是安檢。

而 Ideogram 能出圖時的實力本來就是天花板級的。JSON 版的沼澤先知，油畫質感直接對標人類畫師：

破案結論與實務建議

1. Ideogram 4 的「安全過濾」很大程度是格式檢測器：自然語言長文=分布外輸入=拒繪＋文字滲漏＋風格漂移三連發。浣熊沒有問題，是你說話的方式有問題。
2. 用 Ideogram 4 一律先把 prompt 轉成官方 JSON caption 格式。官方工作流內建了「Caption Prompt Template」子圖（拿它的 system prompt 餵任何 LLM 都能轉），KJNodes 也有視覺化的 Prompt Builder 節點。
3. 轉了 JSON 之後它就是合格的批次模型：0/35 拒繪，還附贈 bbox 版面控制——多格構圖、精確排版是它獨有的能力。
4. 代價是速度：20 steps × 雙模型 guidance，比 4-step 的 Boogu/Qwen 慢五倍以上。

總結論：哪個場景用哪家？

Prompt（節錄）：

A poised fox stands alert in the foreground, rendered in geometric polygonal facets of deep crimson, rust, and sharp accents of ice blue and cream... the entire scene is executed in a mosaic-like digital painting technique with visible texture strokes mimicking hand-cut paper or fabric.

35 組測試 prompt 的完整原文在上一篇的附錄，歡迎自己跑一輪對照。

附錄：其餘 30 組完整對照圖

正文出現過的 5 組（#06 / #10 / #24 / #32 / #33）不再重複。每張由左至右固定為 Boogu → Z-Image → Qwen 2512 → Ideogram 4（JSON 版）→ Krea2 Turbo，底部標注題號，對應 prompt 原文見上一篇附錄。

模型下載

全部可在 Hugging Face 的 Comfy-Org 整理版取得（含 text encoder 與 VAE 指引）：

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 — 本篇的前傳，含 35 組 prompt 完整分享
• Boogu Image 0.1 實測：開源文字渲染新標竿？
• 開源 T2I 繁體中文渲染大評比
• Krea2 vs Midjourney 公平對比測試