Imagen 2 vs Imagen Pro vs DALL-E 3: test comparativo
Tre modelli di generazione immagini messi alla prova con gli stessi prompt: testo con caratteri speciali, conteggio oggetti, mani, fotorealismo e altro.
👁 112 letture
La domanda che riceviamo più spesso sui generatori di immagini è: qual è il migliore in questo momento? La risposta “dipende” è vera ma inutile, quindi abbiamo fatto quello che facciamo di solito: stessi prompt a tre modelli, una sola generazione ciascuno, senza scegliere la più bella tra diversi tentativi. Quello che è uscito è uscito, e tutto è qui sotto affiancato.
I modelli: Imagen 2 e Imagen Pro di Google (entrambi di giugno) e DALL-E 3 di OpenAI (di aprile). Anticipando la domanda: un modello grafico più recente di OpenAI semplicemente non esiste, abbiamo controllato la lista dei modelli il 4 settembre e la posizione più recente di questa azienda è proprio questa. Abbiamo scelto sei compiti in modo che ognuno misurasse una capacità specifica, non un generico “bello”.
Compito 1: testo polacco con caratteri speciali
Ancora un anno fa questo era un test che ogni generatore falliva: le lettere ą, ę, ł, ś, ź finivano come trattini casuali o sparivano. Oggi tutti e tre i modelli hanno scritto “Zażółć gęślą jaźń“ senza errori, con ogni segno diacritico al suo posto. Le differenze sono solo stilistiche: Google ha aggiunto cornice e nastro adesivo, OpenAI ha fatto un foglio nudo. Questo problema può essere considerato risolto. Abbiamo testato in polacco.
Compito 2: esattamente quattro mele e due pere
Il conteggio è ancora un punto debole. Imagen 2 ha disegnato una quinta mela. Imagen Pro e DALL-E 3 hanno contato correttamente, anche se il modello OpenAI ha disposto la frutta in una griglia rigida due per tre, come se volesse facilitarsi il compito, mentre il modello Google le ha sparse naturalmente e non ha sbagliato comunque. Se l’immagine deve mostrare un numero specifico di qualsiasi cosa, il modello Google più economico è da scartare.
Compito 3: mani
Test classico, in cui i generatori una volta disegnavano un sesto dito. In tutte e tre le immagini le mani hanno il numero corretto di dita e una presa sensata del laccio. Imagen Pro ha dato l’inquadratura più fotografica con fango sulla scarpa, DALL-E 3 la più pulita, ma un po’ plasticosa. A questa risoluzione non vediamo errori di anatomia in nessuno.
Compito 4: Varsavia, tram, pioggia, crepuscolo
Qui si vede cosa sanno i modelli sulla Polonia. Imagen Pro ha inserito sullo sfondo il Palazzo della Cultura e un tram snodato nei colori di Varsavia, cioè una scena che riconoscerebbe chiunque sia stato nella capitale. Imagen 2 ha dato una strada in stile centro storico con insegne polacche leggibili. DALL-E 3 ha generato una carrozza d’epoca con tabella di direzione e palina della fermata, correttamente, ma senza punto di riferimento. Tutti e tre mantengono luce, pavé bagnato e riflessi a un livello che due anni fa era irraggiungibile.
Compito 5: illustrazione piatta, minimalismo, senza testo
Il prompt diceva esplicitamente: un faro, linea d’orizzonte sottile, molto spazio vuoto, nessun testo. Solo Imagen Pro l’ha eseguito alla lettera ed è uscita l’illustrazione più pulita di tutto il test. Imagen 2 ha aggiunto mare e rocce, DALL-E 3 ha inserito luna, stelle e un’isola rocciosa. Bello, ma nessuno l’aveva chiesto. Nel lavoro editoriale, dove l’illustrazione deve adattarsi a uno stile stabilito, l’obbedienza al prompt è più importante dell’inventiva.
Compito 6: diagramma con etichette polacche
Tre riquadri, due frecce, etichette “Prompt”, “Model”, “Odpowiedź“. Tutti e tre i modelli l’hanno fatto correttamente, con il carattere speciale nell’ultima parola. Differiscono solo nello stile: Google colora i riquadri, OpenAI dà contorni neri su bianco. I diagrammi con testo breve sono oggi sicuri con tutti. Abbiamo testato in polacco.
Tempo di generazione
| Modello | Più veloce | Più lento | Tipicamente |
|---|---|---|---|
| Imagen 2 | 8 s | 17 s | circa 12 s |
| Imagen Pro | 19 s | 28 s | circa 21 s |
| DALL-E 3 | 59 s | 97 s | circa 76 s |
Il modello OpenAI è stato da quattro a otto volte più lento di entrambi i modelli Google. Per un’immagine singola non fa differenza, per una serie di decine di illustrazioni è la differenza tra un quarto d’ora e un’ora.
Verdetto
Imagen Pro ha vinto questo test: ha contato la frutta, ha seguito il prompt sul minimalismo, ha dato la Varsavia più riconoscibile e non ha commesso alcun errore nel testo. Imagen 2 è il più veloce e basta per la maggior parte dei compiti, ma non dove conta il numero esatto di oggetti. DALL-E 3 fa immagini corrette e pulite, solo molto lentamente e con la tendenza ad aggiungere decorazioni che nessuno ha chiesto.
Una precisazione: sei compiti e una sola generazione ciascuno è una ricognizione, non una misura statistica. Mostra cosa è uscito al primo tentativo, perché è così che la maggior parte delle persone usa questi strumenti. Le tariffe attuali di tutti e tre i modelli sono sulle loro pagine in OpenRouter e cambiano più spesso di quanto riusciremmo ad aggiornarle qui.
Google · Le tue fontiPiù in alto su Google con un solo clicAggiungi alle fonti preferite →Aggiornamento 5 settembre: testo più lungo sul poster
Dopo il primo test abbiamo ricevuto la domanda se una frase con caratteri speciali non fosse troppo poco. Abbiamo quindi verificato un poster con titolo e quattro righe in polacco: “Cztery zasady dobrego promptu” (quattro regole per un buon prompt), e sotto “Podaj cel i odbiorcę“ (indica scopo e destinatario), “Dołącz przykład“ (allega esempio), “Określ długość i format“ (specifica lunghezza e formato), “Sprawdź źródła, zanim uwierzysz“ (verifica le fonti prima di credere). Otto parole con caratteri speciali, tra cui “źródła“ e “długość“, che tendono a disintegrarsi.
Tutti e tre i modelli hanno reso il testo completo senza un singolo errore nelle lettere e nei segni diacritici. Imagen 2 ha aggiunto punti elenco che non avevamo chiesto, Imagen Pro ha centrato il testo su un foglio stropicciato, DALL-E 3 l’ha allineato a sinistra su un foglio pulito. Tempi come prima: 8, 20 e 77 secondi. La conclusione del primo test si è solo rafforzata: il testo polacco nell’immagine, anche più lungo, ha smesso di essere un ostacolo per ognuno di questi tre generatori.
More on this from NITIDO
guide·Brain.fm: come usarlo per concentrazione, studio e sonnoBrain.fm funziona meglio quando l'attenzione sfugge per l'ambiente, non per mancanza di volontà. Ecco le situazioni in cui questa app dà i risultati migliori.