Quantslant 四模型同題實測：H3-Image 最便宜，波蘭語 13 處錯、透明底 0/5

11 月 9 日的 Seedream 5.5 與 11 月 10 日的 H3-Image 只隔一天，兩家中國圖像模型撞在一起。Quantslant 11 月 12 日的文章做了一件很難得的事：用同一套提示詞、同一套計數方法，把這兩臺新機與作者此前測過的 Nano Banana 2.1、GPT-Image-2.6 放在同一張桌上比——六個類別，每個都有數字。測試在 11 月 10 日完成，文章 11 月 12 日 18:30（北京時間）發佈。結論很乾淨：H3-Image 是四臺裏最便宜的，也是文字、人臉與透明底上最弱的。

六項對照：總表

價格是作者實測時從各渠道成本欄讀出的數（Nano Banana 2.1 的 2K 價走 OpenRouter，GPT-Image-2.6 Sunburst medium 按 1024×1024 計，Seedream 5.5 用 WaveSpeedAI 的公開價）；分辨率與參考圖數量取自各家渠道目錄（截至 11 月 10 日）。橫線表示作者沒有測。

波蘭語：Nano Banana 完勝，H3 最弱

五道提示詞——麪包店招牌、海報、書封、菜單與一句全字母句，總共 389 個字符。Nano Banana 2.1 與 GPT-Image-2.6 幾乎零錯，Seedream 5.5 平均 3 處，H3-Image 平均 13 處。H3 最常見的錯是把波蘭貨幣符號 zł 寫成 zl，幾乎每個價格都錯。短標語一項同樣：30 張裏 H3 只有 17 張全對，Seedream 27 張，Nano Banana 30 張全對。結論：圖上要放非英語文字，別選 H3。

人臉：GPT-Image-2.6 居首，H3 有個 EXIF 陷阱

同一套流程、同一位被攝者（Waco，同意肖像用於教程）的 3 張照片、10 道提示詞，ArcFace 逐項打分：GPT-Image-2.6 0.729、Seedream 5.5 0.632、H3-Image 0.573、Nano Banana 2.1 0.508。H3 的人物與服裝保持得住，但臉只是「像」，不是「同一個人」。還有一個值得單獨記的坑：H3 首輪只拿到 0.273——相當於陌生人——因爲作者發的是手機照片，沒有先做 EXIF 旋轉，模型收到的臉是橫躺着的；其它幾家 API 會自己旋轉，H3 不會。旋轉後再測是 0.573。用 H3 做人臉參考圖，先把照片轉正。

透明底：Seedream 10/10，H3 0/5

H3-Image 沒有透明背景：文檔裏列爲不支持，實測 5 次全無；Seedream 5.5 交出 10 個帶真實 alpha 通道的文件（玻璃不透光除外）。要做產品摳圖，H3 得另接背景移除工具。作者沒有測 Nano Banana 與 GPT-Image-2.6 的透明底。

編輯：單次很好，鏈式掉隊

單次編輯 H3 表現很好：一瓶精華液放進六個場景，標籤六次全對。鏈式編輯（改上一輪的結果）就弱了：2–3 輪後標籤紙面起紋，5 輪後整圖過銳；同一測試裏 Seedream 5.5 乾淨地走完 8 輪。一次改到位用 H3 沒問題，要反覆改同一張圖，Seedream 更穩。

分辨率與多參考圖：H3 的主場

這一項 H3 沒有對手：16MP 直出不用超分，22–24 秒、$0.034；16 張參考圖的測試（空房間加 15 件物品）兩次嘗試都把 15 件物品全部畫進客廳。2K 單張 $0.023、13–17 秒，是四臺裏最便宜的，速度與 Nano Banana 2.1 相當。GPT-Image-2.6 高質量檔最慢，單張最高 43 秒。

怎麼選

作者的結論按用途分得很清楚：帶波蘭語這類變音文字的圖，選 Nano Banana 2.1（GPT-Image-2.6 備選）；要從幾張照片鎖定一張特定臉，選 GPT-Image-2.6；產品要透明底，選 Seedream 5.5；大圖、打印、多物品場景、一個產品多場景、預算有限，選 H3-Image。