哪个 AI 生图模型最会写字？12 张受控输出实测

12 张受控结果给出的短答案

在 2026 年 9 月 3 日这轮实测里，GPT Image 的整体排版控制最稳：它单独赢下 MAKE IDEAS / VISIBLE 海报和单行 OPEN 24/7，又在 MAKE / ROOM 与 LESS NOISE. / MORE SIGNAL. 两题和 Nano Banana Pro 并列。Nano Banana Pro 没写错任何字符，也守住了四题的指定换行，只是两次把平面海报做成了实物卡片，或让图形碰到了裁切边。Midjourney V8.2 对英文单词与标点的保留比很多人预想得好，但四题里有三题擅自改了行结构。

因此，这轮真正拉开差距的已经不是「会不会拼字」，而是会不会把文字当成版面约束。12 张结果都包含了所需字符，没有多出可读的品牌、日期或 Logo；问题出现在换行、满版色场、留白与「不要 mockup」这些指令能否同时成立。

为什么图库语料回答不了这道题

固定在 8 月 5 日的语料里共有 9,599 条合格已发布提示词。51.7% 的 GPT Image 提示词要求文字或排版，Nano Banana Pro 是 21.8%，Midjourney 是 7.9%。这是很强的任务分流信号：用户确实更常把文字活交给 GPT Image；但它不是成功率。不同用户用了不同提示词、不同版本，也各自选择了要发布的结果。

所以本文用信息增益 D——小规模受控实验——补上这个证据缺口，同时保留页面后半段来自信息增益 A 的真实提示词与作品。完整语料与统计方法见《9,599 条真实 AI 生图提示词里到底写了什么》。需求分布告诉我们什么值得测，同输入结果才告诉我们某个日期究竟发生了什么。

如果你要看排版之外的能力，可以接着读同提示词三模型实测和当前 AI 生图模型总对比。

测试方法与复现条件

四条 brief 分别拆出四种常见故障：固定两行的短语、超大双词堆叠、数字与斜杠、带句号的两句话。每一道题交给三个模型的提示词正文完全相同。

每个任务都通过同一条 APIMart 传输链路提交一次，不重抽，也不从结果里挑一张最顺眼的。上游一次返回多个候选时，证据脚本按固定规则保留第一张。本页把图片统一转换成 1200 × 1600 的 WebP 方便并排展示，没有修字，也没有重排版。

第一题来自证据运行 20260903t073722z-514b0ccedd，其余三题来自 20260903t075625z-514b0ccedd。仓库内的 manifest 为每个任务保留了原始提示词、模型路线、参数、输出哈希与完成回执。

独立视觉评审按四项五分制记录：

• 文字准确：字母、数字、标点是否齐全且顺序正确。
• 换行准确：词组是否留在指定行。
• 无额外元素：是否避开了禁止的 mockup、边框、符号或可读副文案。
• 版面遵循：颜色、层级、留白、对齐和辅助图形是否符合 brief。

分数让判断可以复查，但它仍是视觉评审，不是精确到小数点的实验室测量。

测试一：精确短语与固定两行层级

第一条 brief 要求第一行是 MAKE IDEAS，第二行是 VISIBLE；同时限定一个钴蓝方块、一条朱红细线、大面积留白，而且明确禁止实物海报 mockup。

Create a vertical 3:4 contemporary editorial poster on a warm off-white paper field. Set exactly the two-line headline "MAKE IDEAS" on line one and "VISIBLE" on line two, preserving spelling, capitalization, and word order. Use bold black grotesque lettering, a small cobalt-blue square, one thin vermilion rule, generous negative space, crisp alignment, and subtle printed-paper grain. The quoted headline must be the only readable text. Do not add a logo, signature, date, mockup frame, extra letters, or brand mark.

这一题 GPT Image 胜出。 Nano Banana Pro 的拼写与词组结构完全正确，问题只是钴蓝方块没有守住指定留白。Midjourney 保住了所有字母和词序，却把两行标题拆成 MAKE、IDEAS、VISIBLE 三行，还加了多条红线和纸张投影。

测试二：超大双词与严格左对齐

这题故意降低拼写难度，把压力放到空间纪律上：两个常用词、固定换行、严格左边缘、宽留白，以及右下角唯一一个橙色圆。

Create a vertical 3:4 typographic poster with exactly "MAKE" on the first line and "ROOM" on the second line. Use oversized condensed black sans-serif letters on pale gray paper, one small safety-orange circle in the lower-right corner, a strict left edge, wide margins, and subtle screen-print texture. The two quoted words must be the only readable text, with exact spelling and capitalization. No logo, signature, date, border, extra glyphs, or photographic objects.

Nano Banana Pro 与 GPT Image 并列。 两张的审美选择不同，但都守住了不可妥协的结构：上 MAKE、下 ROOM，且没有额外可读文字。Midjourney 也通过了文字与换行检查；扣分来自左侧那道没有要求的深色边缘，它让画面像一张实体纸或带边框的印刷品。

测试三：数字、斜杠与单行锁定

数字和标点最怕「差不多」。营业时间若变成 24/1，或半句被挤到下一行，再漂亮也不能交付。

Create a vertical 3:4 wayfinding-style poster whose only readable text is exactly "OPEN 24/7" on one line. Use crisp navy-blue geometric sans-serif lettering centered on a lemon-yellow field, with a thin white rectangular keyline and generous empty space. Preserve the slash and every numeral exactly. No logo, icon, business name, secondary copy, date, signature, texture that obscures the letters, or additional marks.

这是 GPT Image 赢得最清楚的一题。 它把 OPEN 24/7 留在同一行，居中放在黄色色场里，然后就停手了。Nano Banana Pro 保留了精确字符串，却把「海报」理解成放在桌面上的实体卡片。Midjourney 连斜杠都没有写错，但破坏了明确的单行锁，还在黄色海报外加了一圈海军蓝背景。

测试四：两个句号与一句一行

最后一题检查模型是否会把标点和语义分组也当成正文。两个句号都不能少，每个完整意思也必须留在同一行。

Create a vertical 3:4 editorial poster with exactly "LESS NOISE." on the first line and "MORE SIGNAL." on the second line. Preserve both periods, spelling, capitalization, word order, and line break. Use a deep ink-blue background, warm-white serif lettering, a single thin mint-green waveform crossing the lower third without touching the words, and restrained paper grain. The quoted sentence must be the only readable text. No logo, signature, extra letters, labels, numbers, or mockup frame.

Nano Banana Pro 与 GPT Image 并列。 两者都守住了完整句子、标点与两行层级。Midjourney 没漏任何字符，却把两个句子各自再拆一次，形成四行，并在两句话之间插入一条额外的短横线。

逐字转录与通过或部分通过

下表中的 ↵ 表示画面中真实发生的换行，不是生成图里出现的字符。「通过」表示文字和指定行结构都成立；「部分通过」直接写出可见偏差，不把问题藏进一个总分里。

这组结果真正教会我们的提示词写法

四条提示词都用了同一套有效骨架：

1. 用引号框住必须出现的原文。
2. 明说 exactly，并逐项锁定拼写、大小写、标点与词序。
3. 用自然语言分配每一行，不要默认模型知道斜杠是不是换行符。
4. 说明引号内文案必须是画面里唯一可读文字。
5. 辅助图形只给一两个，然后明确排除常见的 Logo、日期、签名、边框和 mockup。

这比「做一张很酷的现代海报，上面写……」有效，因为它把文字当作不可变内容，把字体类别、颜色与几何图形留给艺术指导。完整逻辑可以继续看提示词工程完整指南和结构化提示词模板。

可以把下面这段存成自己的基础模板：

Create a [RATIO] [ASSET TYPE]. Set exactly "[COPY]" on [ONE LINE / LINE ONE]
and "[COPY]" on [LINE TWO]. Preserve spelling, capitalization, punctuation,
word order and the specified line breaks. The quoted copy must be the only
readable text.

TYPE: [FONT CLASS, WEIGHT, CASE, COLOUR]
FIELD: [BACKGROUND COLOUR / MATERIAL]
LAYOUT: [ALIGNMENT, MARGINS, POSITION, HIERARCHY]
SUPPORTING ELEMENTS: [ONE OR TWO SHAPES, COLOURS, POSITIONS]

Do not add a logo, signature, date, border, mockup, extra glyph, secondary copy
or brand mark.

做缩略图时，还要让文字结构在小尺寸下依然成立；AI YouTube 缩略图指南讲的是这一层。如果文字必须随时可改，最稳的流程仍是先生成画面与负空间，再到设计工具里排最终文案。AI 生成的字终究是像素，不是源文件、字体授权、无障碍文本层或法律校对。

从真实图库继续拆解

上面的受控图故意做得简单。下面是真实发布过的复杂文字版面，可以打开卡片查看完整提示词与模型徽标。它们使用不同提示词，不是补充跑分，只用来展示难度范围。

科技教程缩略图及 UI 模型

GPT Image

提示词▾

一张简洁现代的 YouTube 缩略图，采用明亮的白色背景，视觉上分为左侧的粗体文字和右侧的半身演示者。在左侧，放置一个巨大的堆叠式标题，使用加粗的黑色无衬线大写字母，内容为 CLAUDE DESIGN，左对齐并分两行显示。在其下方，添加一个带有细微投影的大型圆角橙色横幅，内含加粗的白色大写文字，并带有橙色轮廓，内容为 IN 6 MINS。在标题附近，加入 2 个橙色星爆形状，一个较小，位于文字旁，另一个较大，位于远处的背景右侧。在左下象限，展示一个设计工具仪表盘的悬浮应用界面模型，面板呈柔和的灰白色，带有细边框、圆角和淡淡的阴影。界面左侧边栏应包含 4 个菜单项，标签分别为：“Recent”、“Your designs”、“Examples” 和 “Design systems”。主面板标题应显示为 “Recent”，并包含 3 个网格排列的“项目”卡片，标签分别为：“Thumio Design System”、“Thumio Startup” 和 “Design System”。在右半部分，展示一位胸部以上的写实风格年轻男性，身穿白色高领毛衣，留着凌乱的浅棕色头发和浅浅的胡茬，位置靠近镜头。他的脸部被一个覆盖大部分区域的纯棕色矩形占位符刻意遮挡。他的一只手指向左侧的界面面板，手指伸出。采用温暖的橙白品牌配色，高对比度，极简布局，精致的创作者经济缩略图风格，带有细微阴影，构图专为科技教程内容设计。

复制

一张 16:9 缩略图：逐字锁定的堆叠标题、人物裁切与纯色色场同时成立。在 LocalBanana 打开

极简汉堡漂浮食谱图

Nano Banana Pro

提示词▾

超简洁现代（食品名称）信息图，高端编辑风格。将成品作为主角展示——新鲜烘焙、切片、摆盘，以三分之四倾斜角度微微漂浮，配以柔和自然的工作室灯光和微妙投影。采用动态非线性布局，让食材、步骤和信息围绕汉堡流动，而非自上而下。
食材区：简洁矢量图标或迷你插图配以名称和用量，以簇状或圆形流动排列，与菜品视觉相连。
步骤区：带编号的面板，用箭头或线条形成逻辑路径，包含小型烹饪图标（刀、碗、烤箱、计时器）。使用柔和渐变或轻玻璃态面板。
可选信息：卡路里、准备时间、烹饪时间、份数、辛辣度以极简徽章或气泡形式显示在菜品附近。
风格融合生活美食摄影与编辑信息图设计——鲜艳自然色彩、现代无衬线字体、清晰层次、充足留白。极简纹理或渐变背景。输出1080×1080，超清晰，社交媒体优化，无水印。

复制

主物体周围环绕带标签的信息；阅读顺序本身就是提示词的一部分。在 LocalBanana 打开

超现实亲子时尚大片

Nano Banana Pro

提示词▾

超现实家庭时尚信息图表摄影，父亲、母亲和女儿穿着协调的休闲服装，以平衡的圆形爆炸构图排列。
悬浮元素围绕三人顺时针组织：
• 父亲：中性棒球帽、经典腕表、棉质圆领T恤、轻便休闲夹克、修身牛仔长裤、皮质腰带、踝袜、白色运动鞋。
• 母亲：柔软针织帽、极简金耳环、宽松棉质上衣、短款牛仔或亚麻夹克、高腰牛仔裤、皮质腰带、简洁运动鞋、结构感迷你手提包。
• 女儿：趣味发饰、柔软棉质T恤、浅色牛仔夹克、弹力牛仔裤、踝袜、柔和色运动鞋、迷你背包。
每件服装悬浮空中，以细点引导线连接回对应家庭成员。
极简编辑标签突出面料、颜色和材质细节（棉、牛仔、皮革、橡胶鞋底）。
干净工作室背景，带微妙渐变。
柔和漫射照明营造温暖、健康氛围。
高端生活方式编辑造型，超锐利对焦，自然肤色，8K品质，高端时尚目录美学。

复制

一张爆炸图式版面，带标签的元素被指定按固定顺时针位置排列。在 LocalBanana 打开

GPT Image

奢华足球海报

GPT Image

香港OL日常穿搭指南

Nano Banana Pro

极致清爽热量剖面信息图

还可以继续浏览 GPT Image 提示词库、Nano Banana 提示词库和 Midjourney 提示词库，或把本文四条提示词原样放进 LocalBanana 生成器复跑。

实际项目先用哪个模型

如果任务是短英文海报，而且换行不可变，在本轮相同条件下先试 GPT Image。它既保住了原文，又最少擅自加入展示形式。Nano Banana Pro 对字符与行结构同样可靠；当海报属于更大的参考图编辑或摄影流程时，它是很合理的第二路线。Midjourney V8.2 更适合视觉解释优先于严格排字网格的任务——本轮短文案基本都写对了，但它多次把换行当成建议。

这个结论比「哪个模型最好」窄得多。LocalBanana 的固定语料快照描述数千条真实任务如何分流，而本文只测 12 张受控输出。更完整的使用分野见 Nano Banana vs GPT Image，不同提示词工作流见 Nano Banana vs Midjourney。

真正做活动物料时，建议把最终文案交给最强的两条路线各跑三到五次，放大到 100% 校对，再把价格、说明或品牌主文案重做成可编辑字体。模型可以赢下一场测试，也仍然可能漏掉你店门口最重要的那一道斜杠。

常见问题

这轮测试里哪个 AI 生图模型写字最好？

GPT Image。它单独赢下四题中的两题，另外两题与 Nano Banana Pro 并列。两条路线在文字准确和指定换行上都平均 5/5；GPT Image 在避免额外元素与完整遵循版面方面得分更高。

Midjourney V8.2 有把单词拼错吗？

四张展示结果没有漏掉要求的字母、数字或句号，也没有凭空生成可读的品牌、日期或 Logo。它的主要问题是结构：三题改了指定换行，并加入 mockup 或装饰元素。所以「能写出单词」和「能执行锁定版式」必须分开评价。

这 12 张图能得出统计结论吗？

不能。这是 2026 年 9 月 3 日每条提示词、每个模型各一个候选，目的在于暴露可见故障并留下复现条件，不是估算稳定成功率。更长文案、其他语言、不同参数和重复运行都可能改变排序。

怎样让 AI 图片里的文字更准确？

给原文加引号，使用 “exactly”，明说大小写与标点，为每一行分配内容，再规定它必须是画面里唯一可读文字，并排除副文案、Logo、日期与签名。其余版面描述尽量简短，别把硬约束埋在形容词堆里。

生成出来的字可以直接拿去发布吗？

低风险场景可以，但必须检查原尺寸。价格、使用说明、无障碍关键信息、受监管表述与长期品牌资产，应该只让模型生成视觉方向，再用设计工具重排成可编辑文字。