Один промпт, 20 генераторов и DeepSeek V4.1-Flash в роли судьи. Японский автор попросил модель оценить парад на Красной площади с Т-14 «Армата» и Т-34-85. Исторический танк генераторы показали увереннее. У современного Т-14 часто пропадала главная особенность — необитаемая башня.
Это тест автора блога, а не независимое исследование и не экспертиза военных специалистов. Он собрал изображения, передал их DeepSeek и опубликовал рейтинг. Для креаторов тут есть рабочая идея: дать модели чек-лист и попросить отсеять варианты, которые не попали в задачу.
DeepSeek V4.1-Flash сравнила 20 генераторов
Промпт задавал генераторам непростую сцену. В одном кадре должны были оказаться два танка разных эпох — современный Т-14 и советский Т-34-85. Автор перечислил характерные признаки каждой машины, запретил смешивать детали и добавил узнаваемые ориентиры Красной площади.
DeepSeek проверяла, различаются ли танки, считываются ли эпоха и место, не превратился ли один танк в гибрид. Автор попросил не снижать оценку за детали, которых не видно, и не додумывать отсутствующее.
Мне нравится такой способ проверки. Если попросить модель выбрать «лучшую картинку», она может принять эффектность за точность. Здесь критерии заданы заранее — уже похоже на рабочий отбор, а не на голосование за самый кинематографичный кадр.
В итоговом рейтинге первое место разделили MiniMax и Yuanbao — обе системы получили пять звёзд. По четыре звезды набрали ChatGPT, Copilot, Gemini, MetaAI, Doubao, Wenxin, Perplexity и Qianwen. Dola, AliceAI, Zhipu Qingyan с подробным промптом и Qwen получили по три звезды.
Claude SVG, Kimi SVG и Zhipu Qingyan с сокращённым запросом оказались в группе с двумя звёздами. Vibe, freedomGPT и venice AI получили по одной. По оценке автора, детали двух машин там смешались, и получились «загадочные танки».
Внутри рейтинга оценки отдельных изображений тоже разошлись. У MiniMax автор выбрал изображение 2 за исторические детали Т-34-85, у Yuanbao — изображение 4 за общий баланс. У Dola лучшими посчитал изображения 2 и 4. Это оценки автора и DeepSeek, а не независимая экспертиза каждого кадра.
Почему Т-34-85 получается лучше, чем Т-14
Т-34-85 многим генераторам удалось сделать узнаваемым: наклонная броня, округлая башня, характерные катки. В одном варианте DeepSeek заметила, что катков будто бы шесть вместо пяти. Такую ошибку легко добавить в чек-лист.
С Т-14 было сложнее. Главный визуальный признак в задании — необитаемая башня. По сводке автора, корректно передать её не смог ни один генератор. Одни модели делали современный танк похожим на Т-72 или Т-90. Другие теряли угловатые формы и характерные детали.
Похоже, генераторам проще работать с объектами, которые часто встречаются в изображениях. Т-34-85 — знакомый исторический образ. Для Т-14 мало написать «современный танк»: модели нужно удержать конкретную конструкцию, а не подменить её усреднённым вариантом.
В этом сравнении Zhipu Qingyan получила три звезды с подробным запросом и две — с сокращённым. Это результат одного теста, не универсальное правило. Но для редких объектов полезно перечислить видимые отличия и назвать похожие варианты, с которыми их нельзя путать. В этом случае автор указал Т-72, Т-80 и Т-90.
В исходной публикации DeepSeek также отметила: фон и композиция могут выглядеть убедительно, даже когда детали объектов неточны. Поэтому общей оценки «похоже» мало. Я бы проверял отдельно объект, его отличительные признаки, окружение, эпоху и смешение деталей.
Как использовать DeepSeek V4.1-Flash для отбора кадров
DeepSeek выпустила V4.1-Flash 10 сентября 2026 года. Компания заявляет о нативном понимании изображений: модель принимает картинки для анализа, но сама их не генерирует. В API актуальная модель вызывается именем deepseek-flash. Генератор создаёт варианты, V4.1-Flash помогает их разобрать.
Для начала хватит 4–8 кадров или вариантов раскадровки. Загрузите их вместе с критериями и попросите оценить каждый пункт отдельно, а затем поставить общую оценку со звёздами. Например, можно проверить, различимы ли персонажи, совпадает ли одежда с референсом и считывается ли нужная локация.
Попросите модель опираться только на видимое. Если деталь неразличима, пусть так и напишет, а не угадывает. Ещё полезнее попросить указать место ошибки. Тогда вместо общего «не очень» вы получите список для следующей итерации промпта.
В сравнении использовали один запрос для генерации сцены и отдельные инструкции для оценщика. Ниже — исходный промпт о параде. Его можно адаптировать: заменить танки и локацию, сохранив список признаков, запреты на смешение объектов и критерии реалистичности.
Сгенерируй фотореалистичную фотографию военного парада на Красной площади в Москве.
На Красной площади одновременно движутся два разных танка:
1. Современный российский основной боевой танк Т-14 «Армата».
Он должен иметь характерный необитаемый башенный модуль Т-14, современный корпус, длинную 125-мм пушку, современные прицельные приборы и характерную компоновку платформы «Армата».
Не превращать Т-14 в Т-72, Т-80 или Т-90.
2. Исторический советский средний танк Т-34-85 времён Второй мировой войны.
Он должен иметь характерный корпус Т-34, наклонные броневые листы, пять больших опорных катков, классическую башню Т-34-85 и длинную 85-мм пушку.
Т-34-85 должен выглядеть как настоящий исторический танк, а не как современная машина.
Оба танка должны быть легко различимы и находиться в одном кадре.
Т-14 и Т-34-85 должны сохранять реальные конструктивные особенности своих оригинальных машин.
Не смешивать детали двух танков.
Место действия — Красная площадь в Москве.
На заднем плане хорошо видны Кремлёвская стена, Спасская башня и характерная архитектура Красной площади.
Танки движутся по площади во время торжественного парада.
Стиль: максимально реалистичная профессиональная репортажная фотография, настоящая военная техника, натуральные материалы, реалистичный металл, резина и гусеницы, естественный дневной свет, физически правдоподобные тени, высокая детализация, объектив профессиональной фотокамеры, небольшая глубина резкости, документальная фотография.
Это постановочная художественная сцена, а не изображение конкретного реально состоявшегося парада.
Не использовать аниме, иллюстрацию, 3D-рендер, концепт-арт или мультяшный стиль.Из чего собран промт
- формат生成红场阅兵的照片
Сгенерируй фотореалистичную фотографию военного парада на Красной площади в Москве. - сцена红场上同时行进两辆不同的坦克
На Красной площади одновременно движутся два разных танка: - персонажи现代俄罗斯T-14坦克，无人炮塔，禁止变成其他型号
1. Современный российский основной боевой танк Т-14 «Армата». Он должен иметь характерный необитаемый башенный модуль Т-14, современный корпус, длинную 125-мм пушку, современные прицельные приборы и характерную компоновку платформы «Армата». Не превращать Т-14 в Т-72, Т-80 или Т-90. - персонажи历史苏联T-34-85坦克，二战外观
2. Исторический советский средний танк Т-34-85 времён Второй мировой войны. Он должен иметь характерный корпус Т-34, наклонные броневые листы, пять больших опорных катков, классическую башню Т-34-85 и длинную 85-мм пушку. Т-34-85 должен выглядеть как настоящий исторический танк, а не как современн - сцена两辆坦克清晰可辨，保持各自特征，不混合
Оба танка должны быть легко различимы и находиться в одном кадре. Т-14 и Т-34-85 должны сохранять реальные конструктивные особенности своих оригинальных машин. Не смешивать детали двух танков. - сцена红场，克里姆林宫墙，斯帕斯卡亚塔，阅兵
Место действия — Красная площадь в Москве. На заднем плане хорошо видны Кремлёвская стена, Спасская башня и характерная архитектура Красной площади. Танки движутся по площади во время торжественного парада. - стиль超写实新闻摄影风格，自然光，高细节
Стиль: максимально реалистичная профессиональная репортажная фотография, настоящая военная техника, натуральные материалы, реалистичный металл, резина и гусеницы, естественный дневной свет, физически правдоподобные тени, высокая детализация, объектив профессиональной фотокамеры, небольшая глубина ре - негатив禁止动漫、插画、3D渲染等风格
Не использовать аниме, иллюстрацию, 3D-рендер, концепт-арт или мультяшный стиль.
Промпт для генерации изображения; русский язык. Его можно вставлять как есть, меняя объекты и локацию под свою задачу.
В статье также приведены отдельные инструкции на японском для модели-оценщика. Они задают шкалу от одной до пяти звёзд и просят разделять видимые факты и предположения. Ниже — исходный текст. Чтобы повторить японский тест, его можно использовать без изменений.
あなたには、複数の画像生成AIが同一のプロンプトから生成した画像を比較する「簡易審査員」を担当してもらいます。 あなたは画像生成AIではなく、今回の企画では画像認識・画像理解側の役割です。 したがって、専門家のような細部の軍事考証や、画像に存在しない情報の推測をする必要はありません。 画像を実際に確認したうえで、★1～★5の5段階で総合評価してください。 ★5：指定内容が非常によく表現されている ★4：概ね指定内容どおりに表現されている ★3：指定内容は伝わるが、いくつか問題がある ★2：指定内容の再現がかなり不十分 ★1：指定内容とは大きく異なる 指定された複数の対象を、それぞれ別のものとして描き分けられているか ・T-14 ArmataとT-34-85が別々の戦車として描かれているか ・T-14らしい現代的な外観になっているか ・T-34-85らしい第二次世界大戦期の外観になっているか ・赤の広場とパレードという状況が伝わるか ・2種類の戦車の特徴が混ざって「謎の戦車」になっていないか 画像を実際に見て確認できることと、一般的な知識から「こうなっているかもしれない」と推測することを明確に区別してください。 画像を見て確認できない問題を、推測だけで減点しないでください。 「このモデルはおそらく内部構造を理解していないので、乗員配置も間違っているはずだ」 また、細かな軍事考証について確信が持てない場合は、無理に断定しないでください。 例えば、細部に多少の不正確さがあっても、 「T-14とT-34-85が赤の広場をパレードしている画像」 として明確に成立しているなら、過度に低く評価しないでください。 逆に、非常に美しく迫力のある画像でも、 指定した戦車とは別の戦車になっていたり、2種類の戦車が混ざっていたりする場合は、その点を評価に反映してください。 ・画像の美しさだけで評価しない ・画像の迫力だけで評価しない ・モデル名を知っていることと、画像として正確に再現できていることを混同しない ・プロンプトに書かれていたから「描けている」と判断しない ・実際の画像を確認して判断する ・画像にない情報を推測して減点しない ・確信のない細部について断定しない ・他のAIとの優劣を過度に論じず、まず★1～5の評価を出す
Японский язык; инструкции для модели, оценивающей изображения. Их можно вставлять без изменений.
Где такая проверка может ошибиться
Оценка нейросети не делает сравнение объективным бенчмарком. Рейтинг построен на конкретных изображениях и одном промпте. Он помогает сориентироваться, но не доказывает, что одна модель всегда лучше другой или справится с любой визуальной задачей.
Для первого прогона оставьте чек-лист коротким и поставьте главные требования в начало запроса. Попросите оценивать каждый кадр отдельно, описывать видимую ошибку и отмечать сомнение, если нужного признака не видно. Пусть модель отсеет очевидные промахи, а финальный выбор останется за вами.
Убедительная картинка ещё не гарантирует точного попадания в задачу. Сначала проверяем признаки, потом выбираем кадр.
Мои генерации и визуальные тесты собрал в работах
Источники
Introducing DeepSeek-V4.1-Flash: smarter, faster, more efficient
Источникnote.com
