OpenRouter ra mắt bộ công cụ đánh giá toàn diện cho 39 mô hình tạo ảnh

Không giống như việc chọn một mô hình văn bản vốn có rất nhiều tiêu chuẩn đánh giá LLM, việc chọn một mô hình hình ảnh đôi khi mang lại cảm giác tùy hứng. Các mẫu đầu ra thường được chọn lọc kỹ lưỡng để bắt mắt, và các phương pháp đánh giá kiểu "LLM-as-a-judge" vẫn chưa thể nắm bắt được những chi tiết mà con người có thể nhận ra ngay lập tức. Mặc dù điểm số trên bảng xếp hạng (arena scores) có hữu ích, nhưng chúng chỉ đánh giá xem mọi người ưa thích kết quả đầu ra nào hơn là khả năng thực tế của mô hình đó.

Hôm nay, chúng tôi ra mắt Visual Image Benchmarks để giúp bạn nhanh chóng đánh giá năng lực của tất cả các mô hình hình ảnh mà chúng tôi cung cấp (tính đến tháng 8 năm 2026 là 39 mô hình). Chúng tôi đã chọn lọc một bộ các câu lệnh (prompt) đầy thách thức, được thiết kế để phân biệt năng lực giữa các mô hình và hiển thị mọi kết quả trong một lưới có tính năng sắp xếp theo giá cả và thời gian tạo ảnh.

Các câu lệnh được thiết kế để kiểm tra giới hạn năng lực của các mô hình hình ảnh

Mỗi thử thách được thiết kế để phân biệt năng lực của các mô hình hình ảnh. Ban đầu, chúng tôi đã nhóm chúng thành bảy nhóm chính:

Các câu lệnh được viết để bạn có thể đánh giá trực quan ngay lập tức. Ví dụ, liệu một mô hình có thể tuân theo chỉ dẫn để rót đầy một ly rượu vang hay không?

Nhiều đánh giá trực quan và các phương thức (modality) bổ sung sẽ sớm ra mắt

Việc đánh giá các mô hình video và âm thanh để hiểu rõ chất lượng và năng lực của chúng cũng khó khăn tương tự. Chúng tôi dự định mở rộng công cụ này sang các phương thức khác, đồng thời cập nhật liên tục với tất cả các mô hình hình ảnh mới mà chúng tôi bổ sung.

Hãy khám phá các tiêu chuẩn đánh giá hình ảnh của chúng tôi ngay hôm nay! Nếu bạn có bất kỳ câu lệnh nào có thể thách thức các mô hình trong đợt tới, hãy chia sẻ với chúng tôi tại kênh #feedback trên Discord.

Tạo hình ảnh thông qua OpenRouter API và Chat

Sau khi đã đánh giá các mô hình thông qua các tiêu chuẩn này, hãy thử nghiệm chúng với các câu lệnh của riêng bạn thông qua API tạo hình ảnh hoặc Chat để xem chúng thể hiện như thế nào với nội dung của bạn.