Mô hình ảnh nào thực sự nhận 6 ảnh tham chiếu? Chúng tôi đã chạy benchmark.

Các mô hình ảnh hiện đại nhận nhiều ảnh tham chiếu cộng với một prompt văn bản và ghép chúng thành một ảnh đầu ra duy nhất. Một prompt, N tham chiếu, một bố cục. Hữu ích cho visual novel, vật phẩm thương hiệu với nhân vật nhất quán, mockup sản phẩm, khung truyện tranh và mọi luồng cần dựng một cảnh từ các phần đã biết.

Bẫy là gần như mọi mô hình trên thị trường đều khoe làm được. Phần lớn không làm được. Có loại chỉ nhận 1 tham chiếu, có loại chỉ 4, có loại nhận đầu vào rồi âm thầm bỏ qua mọi thứ sau ảnh đầu tiên. Trên nữa, cùng một mô hình lại có hành vi khác nhau giữa các reseller vì hạn ngạch, biến thể slug và endpoint chưa nối. Vì vậy chúng tôi dựng benchmark.

Bộ fixture

Sáu tệp JPEG cố định bao quát một bố cục cảnh nhân vật điển hình: một phông nền quán rượu và năm chân dung nhân vật (một ở phía người dùng và bốn NPC). Cùng sáu tệp đó cho mỗi cặp (nhà cung cấp, mô hình), không viết lại theo từng kênh. Tổng tải trọng khoảng 500 KB trên sáu hình ảnh.

Prompt văn bản cũng cố định. Gọi tên từng nhân vật, tham chiếu từng ảnh theo chỉ mục và yêu cầu một bố cục duy nhất. Nguyên văn:

Compose a single anime-style illustration combining the six reference images: place Sara, the blonde girl with the side braid (image 01), inside the tavern (image 00), interacting with four NPCs - the blonde male hero Trevor (image 02), the bearded ranger Puck (image 03), the bald knight in gold armor (image 04), and the brunette adventurer woman (image 05). Preserve each character's distinctive appearance. Single output image.

Benchmark chạy ra sao

Với mọi cặp (provider, model) trong catalog: POST sáu fixture cộng prompt tới /v1/images/edits của kênh đó. Đậu = HTTP 200 kèm URL ảnh không rỗng hoặc payload base64 trong phản hồi. Trượt = không phải 200, thân rỗng hoặc sai hình dạng. Không chấm điểm thủ công. Benchmark có thể tái chạy theo yêu cầu và tự chạy lại mỗi khi có mô hình ảnh mới ở thượng nguồn.

Chúng tôi không chấm chất lượng hình ở đây. Lần chạy này trả lời duy nhất một câu hỏi: mô hình có nhận sáu ảnh tham chiếu cộng prompt và trả về một ảnh trên kênh cụ thể này, ngay lúc này hay không? Chấm chất lượng là một lần chạy riêng.

332 lần chạy kênh cho ra gì

Qua 8 reseller thượng nguồn, chúng tôi đã kiểm tra 136 mô hình ảnh duy nhất trong 332 lần chạy kênh. 54 mô hình có ít nhất một provider đã xác minh đậu. Bản chụp 2026-05-09.

Nhóm theo họ. Mô hình đã xác minh = SKU khác nhau trong họ có ít nhất một kênh đậu. Tổng provider đậu = tổng số cặp (mô hình, provider) trả 200 trong họ.

Mô hình đơn dẫn đầu theo số provider đậu. Nhiều provider đậu nghĩa là dư địa định tuyến tốt hơn: khi một thượng nguồn bị giới hạn hoặc hỏng, router còn lối khác tới chính mô hình đó.

Vì sao một mô hình đậu ở reseller này lại trượt ở reseller khác

Ba lý do thường gặp. Hết quota: key thượng nguồn của reseller đã đốt sạch quota ảnh trong ngày và giờ trả về 429. Biến thể slug: cùng một mô hình lõi lại lộ ra ở các reseller khác nhau dưới gpt-image-2, gpt-image-2-all, gpt-image-2-c và gpt-image-2-vip, nhưng chỉ một số slug thực sự nối tới backend hoạt động. Lệch endpoint: một số reseller công bố slug nhưng chưa bao giờ nối /v1/images/edits, nên request trả 404.

Đó là lý do chúng tôi kiểm tra liên tục và né các kênh trượt ngay trong lúc request. Một mô hình hôm nay đậu, ngày mai có thể bắt đầu trả 429 nếu reseller xoay thượng nguồn. Danh sách sẵn có tĩnh lỗi thời rất nhanh ở góc thị trường này.

maxImageInputs giờ có ở mọi mô hình

Mỗi mô hình ảnh trong catalog giờ mang trường maxImageInputs trong khối metadata. Mô hình đã đậu benchmark 6 tham chiếu được gắn maxImageInputs: 6. Cùng hình dạng đó được catalog UI, API và lớp định tuyến cùng dùng.

{
  "model": "gemini-3.1-flash-image-preview",
  "metadata": {
    "maxImageInputs": 6
  }
}

Nếu chỉ quan tâm mô hình nào nhận payload 6 ảnh, hãy lọc trên trường này. Mô hình mới sẽ nhận cùng tag ngay khi vượt qua cùng benchmark.

Dùng thử

Mọi mô hình ở trên đều dùng được qua một endpoint tương thích OpenAI. Chỉnh sửa ảnh đa tham chiếu được phơi ra đúng như thượng nguồn định nghĩa, không bọc thêm. Mang sáu ảnh và một prompt, router sẽ chọn provider hoạt động.

Lấy khóa API hoặc duyệt catalog ảnh để xem danh sách đã xác minh đầy đủ.