画像生成モデル、1枚勝負で比べるとだいたい事故る。
同じプロンプトを1回ずつ投げて「こっちのモデルの方が強い」は、かなり危ない。得意ジャンルを引いただけかもしれない。
最低でも4ジャンルに分ける
写真は肌、レンズ感、照明、素材感。イラストは線、塗り、色設計、破綻の少なさ。漫画は複数コマ、同一人物の連続性、吹き出し周辺。複雑構図は複数人、前後関係、手足、指定した小物の位置を見る。
「最高の1枚」より失敗率を見る
当たり画像だけ保存すると、運用時に急に弱く見える。同条件を複数seedで回して、顔崩れ、手、余計な物体、構図無視が何回出るかを見る方が実用的。
プロンプト追従と絵の上手さは別
絵として綺麗でも「左手に赤い本、奥に青い椅子」が全部消えてたら、制作用途では困る。見栄えと指示追従を別採点にしておくとモデル選びが楽になる。
ComfyUIならworkflowごと残す
model名だけ残しても再現できない。checkpoint、VAE、sampler、scheduler、steps、CFG、解像度、LoRA、ControlNet、seedまで一緒に保存する。モデル比較というより、生成系全体の比較に近い。
自分ならこの6軸
①構図追従 ②人物の安定 ③細部 ④スタイル幅 ⑤失敗率 ⑥速度。用途によって重みを変える。漫画案件なら速度より連続性、広告写真なら素材感と指示追従を重くする。
万能モデル探しより「この仕事ならこのworkflow」の引き出しを増やす方が、結局つよい。