文生图三国杀：百度开源、字节闭源、阿里跟进
Published on 2026-05-11
2025年中文文生图市场重演经典剧本：百度开源ERNIE-Image以8B参数和汉字渲染SOTA杀入，字节Seedream靠产品体验守住阵地，阿里Qwen-Image有声量缺存在感。三种商业哲学背后，开源与闭源的边界正在被重新定义。
文生图三国杀：百度开源、字节闭源、阿里跟进
2025年的中文文生图市场，正在重演一个熟悉的剧本——
百度说：我不跟你玩API套壳，我开源。 字节说：我不在乎开源，我在乎体验。 阿里说：我……先等等，我先看看你们谁赢。
这不是吐槽，是真实的战略分化。
三张牌，三种逻辑
先说数字。
SuperCLUE-Image最新测评里，18个国内外主流模型同台竞技，结果很有意思：
- GPT-Image-1.5（OpenAI）：77.63分，全球第一
- ERNIE-Image（百度）：76.37分，国内第一，全球第四，开源
- Qwen-Image-2.0-Pro（阿里）：75.68分，国内第二
- Seedream-5.0-lite（字节）：75.65分，国内第三
几分之差，实际体验差距普通用户感知不到。但背后的商业逻辑，差距大了去了。
百度：最意外的那条鲶鱼
说实话，ERNIE-Image开源这件事，我一开始没当回事。
百度文心一贯的调性——发布时惊天动地，实际用起来差口气。但这次参数一出来，圈子里真安静了几秒：
8B参数，消费级显卡24GB显存跑得动。
什么概念？Stable Diffusion刚出来的时候，4B参数的模型已经让很多人喊"消费级AI绘图时代来了"。现在百度直接把这个门槛砍到了"一张显卡"级别。
更狠的是文字渲染。
文生图领域，中文文字渲染一直是国产模型的死穴——汉字笔画复杂、排版要求高，稍不注意就变成"鬼画符"。之前国内能稳定生成清晰汉字的，只有几家商业闭源方案。
ERNIE-Image在LongText-Bench汉字渲染专项上拿了开源模型第一，和NanoBanana这些商业模型站在同一梯队。
开源 + 低门槛 + 中文强项 = 百度在文生图这局里，突然成了一条真正的鲶鱼。
而且是那种你没法用"国产套壳"来敷衍的鲶鱼。
字节：不做第一个，但做体验最好的
百度的策略是"开源打开发者"，字节的策略完全不同。
Seedream 5.0的技术能力在测评里不是最顶的，但在实际使用场景里的口碑，往往比测评数字更有说服力。
字节做产品的逻辑从来都是：不在论文里赢你，在用户手里赢你。
Seedream在以下几件事上做得扎实：
Prompt理解。 中文Prompt的理解程度，直接决定用户体验。字节有豆包大模型在语言理解上的积累做底子，这块是强项。
风格一致性。 二次元、写实、胶片风切换的稳定性，决定了它能不能被用在正经的商业场景里。
产品化程度。 Seedream和豆包App的整合，让它从"技术能力"变成了"用户可感知的功能"。普通人打开豆包，输入一句话，生成图片，这个路径比调API优雅太多了。
字节的问题在于：它是闭源的。
对于想本地部署、想微调、想做二次开发的团队来说，Seedream是一堵墙。但对于绝大多数只想"生成一张好图"的普通用户来说，这堵墙不存在。
阿里：起了个大早，赶了个晚集
Qwen系列在LLM领域是绝对的头部玩家。文生图这边，Qwen-Image-2.0-Pro的测评成绩也不差，75.68分，国产第二。
但问题在于声量。
你去问一个普通技术人：Qwen-Image和ERNIE-Image哪个好？大概率得到的回答是"呃……Qwen也有文生图吗？"
这才是阿里真实处境的写照——有产品，有技术，但在用户心智里缺席。
背后的原因多方面：Qwen的核心声量在LLM领域，团队优先级和资源分配决定了文生图不是主赛道；产品化路径不够直接；社区运营和开发者生态的搭建也相对滞后。
但话说回来，75.68分说明底子不差。阿里缺的只是时间和投入的优先级。
一旦文生图被提上战略级别，以阿里的资源，追上来不会太慢。
三种商业哲学的碰撞
如果把这三家公司比作武侠小说里的人物，大致是这样：
百度——突然拿到了本门派的《九阴真经》，直接开源给江湖人士修炼。一开始还有人怀疑是不是残卷，等真有人跑起来发现能用，整个江湖的格局就变了。
字节——我不管江湖怎么评价，我自己练我的辟邪剑法。用户用脚投票，我靠产品体验说话。赚的是"不想折腾，直接能用"的那批人。
阿里——门派底蕴深厚，但这次出手慢了半拍。真打起来未必输，但错过了一战成名的窗口期。
开源 vs 闭源：这次真的重要吗？
过去聊开源和闭源，很多人会说"一样用"。
ERNIE-Image之后，这个说法可以休矣。
开源模型做到8B参数、汉字渲染SOTA、消费级显卡可跑，这意味着：
- 开发者可以本地调试，不用付API费用
- 企业可以私有部署，数据不出域
- 社区可以微调改进，生态会快速成长
而闭源模型的核心优势，从"我能做你做不了"，收缩到了"我做得更稳定、更省心"这一个点上。
这个收缩，对用户是好事。竞争加剧，闭源模型的价格和体验压力也会更大。
结局未定，但格局初定
中文文生图的第一波洗牌，结论大概是：
百度拿下了开发者和极客圈的口碑。 字节拿下了普通用户的产品体验。 阿里还需要证明自己真的想赢。
GPT-Image-1.5的77.63分依然是个标杆，但那是另一个故事了。
对于普通用户而言，一个最直接的结论是：
2025年，中文AI绘图，不再需要翻墙了。
相关模型链接：
- ERNIE-Image开源：https://huggingface.co/baidu/ERNIE-Image
- Seedream 5.0：豆包App内直接体验
- Qwen-Image-2.0-Pro：阿里云ModelScope平台