研究与基准测试/2026-10-07/8 分钟英文 L3 掉到 42.86：蚂蚁参与的 UltraText 用 432 条提示测文字UltraText Bench 有 432 条中英提示、24 类场景。Q-Judger 打 0 到 100 的四维分，综合权重是 60/30/5/5。开放权重里 Boogu-Image-0.1-Base 综合 77.89。Qwen-Image-2512 的英文综合从 L1 的 86.50 掉到 L3 的 42.86。Z-Image-Turbo 清晰度比 Base 高 3.81，保真度低 14.76。
研究与基准测试/2026-07-06/9 分钟56 条能核对的尺子：通义用 Qwen-Image-Bench 评复杂文生图通义实验室的 Qwen-Image-Bench 用 56 条可核验规则、五根能力柱和 1000 条中英提示词评文生图。Q-Judger 基于 Qwen3.6-27B，和专家判断的 Spearman 相关是 0.92，但没有给出专家人数。
