同一段提示词，本地千问和Codex各画出了什么

朋友发来一段生图的提示词，五百多字。

架空的明朝，蒸汽时代。一台破损的蒸汽发动机喷着白汽和火花，远山是金属零件堆起来的，要有斧劈皴的笔意。街上跑着一群人：披斗篷的少年，一条黄狗，穿重甲的青年，骑三轮摩托的白胡子老头，车斗里坐着一位女子。路人里还有熊人、鹿人、鳄鱼人。

读下来，第一感觉是太长，太满，形容词太多。

常见的说法是，提示词要短，主体要少，画不出来的词要删。照这个思路，另写了一版精简版：路人只留两种，删掉「磅礴」「缤纷错乱」这类说感受的词，人物按位置从前往后一个个排好。

两版交给同一个模型，同样的尺寸，同样的随机种子，各出一张。

原版那张有气势：远山真像水墨画，街上挤满了人，火光、电流、飞艇、火车都在。错在几处细节：女子在地上跑，没坐进车斗；手枪拿在了别人手上；车上没有机枪。

精简版细节都对上了，女子坐进了车斗，机枪也架上了。可远山成了普通的灰石头，水墨味没了，场面也小了一圈。

整张看，原版好。

这一下让我重新想了一遍。模型画得好不好，跟提示词写得长不长关系不大，要看你想让它守住什么。

后来又拿同一套写法换了几个场景，再把同一段提示词同时交给两个模型：一个是千问Qwen-Image 2.1，装在自己的Mac Studio上；一个是Codex命令行里带的出图功能。两个模型比了五组。

结论是一句话：千问出气氛，Codex照单画细节。

长提示词不用删

千问吃得下很长的中文提示词。

朋友那段写法有个顺序。第一句定调：什么画风、什么题材、哪个时代。接着写画面中心的一样东西，用开裂、喷涌这类动作写。再借一个模型认得的画法来定质感，比如斧劈皴。然后专门安排对比，水墨对金属，暖色的火对蓝色的电。人物一个一个写，每人几样认得出的道具。最后写神态、视线、机位，再收一串氛围词。

「磅礴」「压迫感」这类说感受的词，单看画不出来。放在这样一段里，它们管的是整张图的分寸。删掉它们，画面就小了。

照这个顺序，换成九十年代香港旺角的雨夜、哥特风格的伦敦怪物狂欢夜、水墨的八仙过海，千问每一张的气氛都出来了：霓虹在湿地上的倒影，满月前飞过的女巫，泼墨的海浪。

细节要写成看得见的样子

千问的毛病在细节。

港片那张第一版，写了两个马仔，画出来四个；写了古惑仔手里转着打火机，画面里没有；写了阿婆拉铁闸、小贩收摊，一个也没画。

第二版只改了写法：「队伍最后只有两个马仔」，「左臂纹一条青色过肩龙，右手举着一只亮着火苗的银色打火机」，路人只留两个动作，分别写明在画面左边、右边。

这几处全改对了。

改不对的地方也有规律。比如「车门开着」这种状态，它画成关着的；改成「保镖一手扶着敞开的车门」，写成有人在做的动作，才有机会画对。一个人物身上给两件相近的武器，弩和猎枪，它会合成一件。中文招牌写三块，它挤成两块，「廳」还画乱了。「虾兵蟹将」它照字面画成了穿铠甲的士兵。张果老倒骑毛驴，写了两回，两回都画成正着骑。

千问守得住的，是写得具体、看得见、带位置的东西。

同一段提示词，Codex照单画

同一段八仙过海的提示词，一字不改，交给两个模型。

千问那张更像一幅水墨画，留白多，干净。Codex那张颜色铺得满，衣纹、花饰细得多。

差别在照不照着写：提示词里的虾兵，Codex画成了虾头人身、穿甲举戟；曹国舅手里的玉板，Codex画的是玉板，千问画成了一把短剑；吕洞宾背上的剑，Codex画了，千问那张看不出来。

再换四个场景，结果一样。

江南雨巷里撑油纸伞的女子。提示词写的是月白色旗袍。Codex画出了立领和盘扣，开衫上的毛线纹路也清楚；千问画成了一件白长衫，人背过身去，脸只露出半边。千问那张的雨更冷，更像电影里的一个镜头。

苏州家宴，四道菜。两边四道菜都画全了。千问的松鼠鳜鱼，鱼肉炸成一颗颗圆粒，像玉米；Codex的花刀翘起，淋着汁，撒着松子，像真的一盘菜。提示词写一双筷子，千问画了两双。

夏日海边小镇，女孩骑车冲下长坡。两边的画风都对。千问的路是平的，她往右骑，没有冲坡，也没有看海；Codex画出了下坡、低机位、坡道尽头的海，只是小镇画得像地中海边的。

Codex也会自己加东西

中文字这一组，两边都写对了。

九十年代上海弄堂口的报刊亭。提示词只要了三处字：招牌「弄堂书报」，报纸大标题「浦东开发开放」，纸条「冰汽水五角」。三处两边都对，一字不差。

Codex那张更热闹，也多出很多提示词里没有的字：报头、杂志封面、墙上的标语、门牌、汽水瓶标签。放大看，报头的「报」字写走了样，杂志名有两个字不对，汽水瓶标签是乱的。报纸上的配图是今天的陆家嘴，有上海中心大厦，九十年代还没有这座楼。

它照单画得准，也会顺手多画。多画的地方，出错的机会就多。

时间和成本

千问一张图约72到75秒，尺寸写多少出多少，在自己机器上跑，不限次数。

Codex一张图约96到159秒。提示词里不写比例，它自己定尺寸；写了「横构图16:9」，它就照着出。它用的是订阅额度，出多了要算账。

怎么选，怎么写

用了一天，我的用法是这样：

先用千问试写法，多出几版，看构图、气氛、画风对不对路，改提示词不心疼。

要每样细节都对的那一张，再交给Codex。人物多、道具多、有典故的，尤其如此。提示词里写明尺寸。

提示词照朋友那个顺序写：定调，中心，画法，对比，人物，神态和视线，机位，氛围。说感受的词留着。

要画对的细节，写成看得见、带位置的样子。状态写成有人在做的动作。一个人物只给一件武器，身上的道具不超过三四样。

中文字一张图里只写一两处，每处写明是哪几个字。用Codex时，画完放大看一遍有没有多出来的字。

两边都画不出的，比如倒骑，出图以后再改图。

下一次出图前，先把要画的东西按这个顺序写一遍，再决定交给哪个模型。

测试条件：千问Qwen-Image 2.1，在Mac Studio上用ComfyUI本地运行，1664×928，25步，随机种子1；Codex用其命令行自带的出图功能，尺寸由模型按提示词输出（写明16:9时为1672×941）。每组两边用同一段提示词，一字不改，各出一张，未挑图。所有测试在2026年10月1日完成。