AI入门补充第一课——生图（持续更新中）

最近经常有朋友问我几个问题：这么多 Agent 选哪个？还有就是生成图片怎么这么麻烦？我相信不久又有朋友会问我：这生图怎么这么模糊？生成的字怎么乱码？我让他生成这个角色，怎么他生成的别的角色？

这些都很值得说一下，我一个一个来。

首先，选哪个 Agent？

我认为：用 GPT 就去用 Codex（ChatGPT），用 GLM 就去用 ZCode，其他的都可以通融一下。

我这么推荐 ZCode 他竟然不给我广告费😠。不过前段时间 ZCode 爆出了偷用户数据的出生行为，而且现在其他几个大厂或多或少都在偷数据，可信的就只有开源的几个 Agent 了（不过 ZCode 目前爆这么大的雷而且开源了，短期应该不会那么明目张胆了）。

• DeepSeek、GLM、Kimi、Qwen 甚至 Grok 都可以使用 ZCode，做事更稳一些，也更通用一些（可能是因为 ZCode 以 opencode 为底子，所以挺通用的）
• GPT 就去用 Codex
• 至于什么 DSH、Kimi Code、Grok Build 都可以到后面觉得需要了再用

并没有说某个模型一定在某个客户端就好用，到另一个客户端就完全没法用。比如 DeepSeek 在 DSH 可能表现最好，但到 ZCode 可能更稳一些（做出来的东西“石山”的概率更小一点这个样子）。

不过如果你不怕麻烦，也可以试试给每个 Agent 配自己的专武，可能效果会更好一些。

市面上主要的生图模型

补充：不包括国模，虽然诸如 Qwen 生图和 Seedance 生图都非常不错，但是在市面上渠道最多的还是 gpt image 系列、谷歌 nanobanana 系列和老马的 grok 系列。

1. gpt-image 系列

这个系列在大多榜单眼里可以说是世界第一生图模型，原因很简单：

1. 生图质量稳定，不需要你手动大量调试提示词，他都能生成质量还可以的效果，可以说是最适合小白了；
2. 生图更加华丽，所以看起来更好看（不过也因此导致他 AI 感会浓一些）。

缺点也很明显：

1. 噪点太强，有很强的噪点鱼鳞感；
2. 太华丽导致 AI 味有点强。

gpt-image-2.5-sunbrust

新一代世界第一生图模型，相比 flare 生成更细致，相比 image2 质量更高、细节更多，支持 max 生图质量挡位。

gpt-image-2.5-flare

sunbrust 的加速版本，生成速度更快，不过质量稍微低一点。

gpt-image-2

老一派世界第一生图模型，清晰度高、质量高，还便宜，不过在逻辑和细节上不如 2.5，还是用 2.5 吧。

2. 谷歌 Gemini 系列

nanobanana pro

老牌世界顶尖生图模型，但是现在有点老了，不介绍了。

nanobanana 2

比 pro 新一点，便宜一点，但貌似质量还不如 pro。

总之等 2.5pro 出来我再介绍吧。

3. 老马 Grok 系列

grok-imagine-image-2

最高貌似只有 2k，然后生图质量整体不如 gpt-image 系列。但是尺度可能大一点：GPT 很多不能生成的（比如泳装）Grok 可能可以生成（当然只是大一点，想做不太好的东西这个模型也不行）。

依旧没太大值得看的，跳过。

4. NovelAI 系列

22 年那阵开始爆火的二次元人物 AI 绘图，大家可能还有印象，而那个就是 NovelAI 公司系列模型，如今已经进阶到了 V5 系列。

• 这个系列完全为二次元而制作，并不适合二次元画风以外的任何生图
• 生图没有限制（就是那个没有限制）
• 所以这个系列主要也还是用在酒馆或者二次元美图或者表情包上

诸如此类的。

而且很特殊的是：生图时可以直接指定某些画师风格、某些特定角色、调整某些参数等等，最后生图会根据参数弄出非常非常符合你期待的图。

不过这个生图需要专门的工具，比较复杂我也不太懂，需要的话我后面学了再介绍吧。

链接：https://nai.rinko.ai/sign-up?aff=IiMu

这个是一个公益站（没办法充值，只能靠签到领积分），可以免费生图试试。具体参数怎么调、怎么配置，大家自己摸索看看吧（生成小图应该是免费的，大家可以配置一下看看怎么样是不花积分）。

补充：上面的几个生图模型，等我后面用得多了再给大家介绍特点（主要还是用 gpt-image 系列，因为便宜加上上手容易）。

常见问题

我让 gpt-image-2 生成真寻这个角色的图，他怎么给我生成了个不知道是哪个的角色？

然后大家可能就会说这个模型怎么这么笨。其实这个问题很清楚：gpt-image-2 模型他作为生图模型，并不知道真寻是谁（主要是生图模型训练的时候可能并没有详细告诉他真寻是谁，只是说给你这个角色的这些数据，学习怎么画之类的）。

那该怎么解决这个问题呢？最简单的方法就是给他参考图，让他了解这个角色大概长什么样子就行了。

其次还有几个问题：每次都要我手动找图告诉他吗？不能自动找吗？生图不能批量生图吗？生图能更高分辨率吗？能更高质量吗？

这些问题我们都可以通过 Agent 解决

首先明确什么是分辨率——可以理解成清晰度，4K、2K、1K 和你看视频的 1080p、720p 是一样的，1K 你就当成是 1080p 就好理解了。

其次什么是质量——生图的时候可以选择 low、medium、high 甚至 xhigh、max 挡位的 quality（质量），其实就是细节度的问题。质量越高，花的越多、想的越多，生成的细节都更高（比如文字会更清晰，乱码情况会少一点）。

另外还有一个问题——为什么我让 ChatGPT 生图，他不给我生成？——因为生图需要生图模型，但是你给 Agent 选择了用某个模型（比如 gpt-5.6-sol），这就导致虽然你的 Key 里有生图模型，但是他没办法调用，因为你设置了用 gpt-5.6-sol 模型。（订阅账号可以是因为订阅账号内部用 imagegen 技能做了调整）

所以想让 Agent 生图，实际上只需要让 Agent 知道你的 Key 和 URL，然后通过你电脑向算力中心发起请求就行了。

教程：用 Cherry Studio 的 Agent 功能生图

补充：Cherry Studio 的聊天，在你和他说了非常非常多东西以后可能出现一直报错的问题，这个情况很正常，大概是因为你聊天太多以后他上下文超支了，然后超出上下文就会报错了（而且聊天竟然还没有上下文压缩，只有清除上下文，这个不太好，要注意一下）。

但是 Cherry Studio 不止有聊天，也有自己的 Agent 功能的！现在开始介绍一下这个 Agent 功能。

1. 进入工作栏目

2. 添加智能体并选择模型与权限

提示：Claude 适合工程，推荐 Claude 这个，其他俩不适合新人。权限如果给了完全访问，就不用再每次点同意执行了。

3. 设置工作场所

可以专门新开一个文件夹。

4. 进入文件夹，新建文本，按图写入自己的 Key 和 URL

补充：这里为什么要这样呢？因为你的 Agent 想要调用 API Key 和 URL，肯定需要连接到 API Key 和 URL；但我们之前提到过了，你给他设置模型以后他没办法连接到你之前设置的模型，所以我们这里直接新开一个地方告诉他应该用哪个 Key 和 URL 来进行生图（按理来说你直接把 Key 和 URL 发给他也行，但是模型大概率会告诉你自己不能这么干、太危险了、可能泄露 Key，所以还是这样更省心）。

5. 进行生图

跟他说你的 Key 和 URL 在哪里，然后你要选择什么模型、参数调多少（比如分辨率、质量、张数），生成的图片是什么样的。如果有特定的参考图，可以告诉他让他去找参考图，然后依据参考图生成图片。