我们为什么没有换掉图像模型
有三个模型排名高于正在给《易林》作画的那一个，价格相同或相近。它四千零九十六幅画中有数千幅必须重画，所以付钱之前，我们拿三条繇辞把四个模型都测了一轮，最后原地不动。两个挑战者拒绝画其中一条繇辞。
《易林》共四千零九十六条四言繇辞——六十四卦与自身及其余六十三卦两两相配，各得一条。本站每一条都有一幅从它自己的字句生成的画，全部出自同一个模型 Z-Image Turbo，提示词逐条撰写。
后来文字变了。把繇辞从一部十八世纪写本上重新读出，替换了数千条沿袭自某电子版的读法；而依据一个已被推翻的读法画出来的画，画的就是别的东西。第十四卦第六十二条是最干净的例子：整幅牛群场景建立在「長牛」之上，而写本作「長生」——长寿。那幅画没有一处可以挽救。
候选者
三个挑战者，都可通过与现役模型相同的接口调用，在公开的文生图偏好排行榜上也都高于它：FLUX.2 Flash（Elo 1178，公开价格与现役相同）、FLUX.2 Turbo（1200，单幅贵六成）、Ideogram 4 Instant（1184）。现役的 Z-Image Turbo 是 1131——四者最末。
成本不是约束。按标价，四千零九十六幅整套下来，最便宜的约二十美元，最贵的约三十三美元。
测试
三条繇辞、四个模型、十二次生成、六美分。十二张图排不出模型高下，但能看出每个模型面对这部书的提示词会画成什么样，而这正是要紧的问题。
每一次生成都被完整记录：逐字的提示词、它所依据的写本读法、发往接口的请求、拆分为推理与传输的耗时、返回图像的 SHA-256，以及价格与 Elo 及其读取日期。
第一条就是全书第一条：
道陟多阪 胡言連蹇 譯瘖且聾 莫使道通 請謁不行 求事無功
道路攀上石坡，言语支离难通。通译又哑又聋，无人能使路明。求见不得其门，谋事终归无功。
第二条，舜自野中擢升大禹，命其治水：
舜升大禹 石夷之野 徵詣王闕 拜治水土
舜擢升大禹，起于石夷之野。召至王阙，受命治理水土。
四者都合格，也没有哪一个好到能改变什么。FLUX 的画面更密、更写实；Ideogram 更干净、更平；现役的那个居中。就这两条而言，取舍只是口味之争。
第三条繇辞
选第三条，是因为它属于那五十二条——几个月前，它们的提示词已经为了通过内容过滤而被软化过一次。这是一条讲怨恨的繇辞：
爪牙之士 怨毒祈父 轉憂與已 傷不及母
爪牙之士，怨毒及于其父；祸患反转归于自身，伤害不及于母。
它现役的提示词本就写得克制：刀锋停在半空；老者不屈而立；女子毫发无伤；伤害向内，落在武士自己攥紧的手上。那是一幅关于紧张而非暴力的画，并且是有意这样写的。
两个 FLUX 模型都拒绝了它。现役模型与 Ideogram 都毫无异议地出了图。拒绝以 HTTP 422 的形式返回，其消息文本毫无信息——理由在响应体里，因此只读状态行的批处理脚本会把它记成一次普通失败，然后继续往下跑。
于是，把整套语料迁到任一 FLUX 模型，都意味着要为其中不知多少条再做一轮提示词改写，把已经软化过一次的文字再软化一次，而且只能一次付费请求、一次发现。一条讲儿子怨恨父亲的繇辞，在这部书里绝非罕见题材。《易林》是汉代占卜诗：里面有战争、丧亡、刑戮、饥馑、猛兽和家门之祸，因为人们拿去问的正是这些事。
偏好排行榜是在模型产出过的图像上计算的，而这排除了它拒绝产出的那些。特定语料上的拒绝率，在聚合分数里根本不会出现。
两项用不上的优势
Ideogram 的名声建立在排版上——它比对手更擅长在图像内部渲染可读的文字。而这些图像里没有文字。繇辞排在画旁，用你正在阅读的那种语言排印。这项用不上的能力，代价却是实打实的：Ideogram 每次生成耗时十一秒，现役模型三秒半。
Z-Image 被称道的长处是照片般的自然感，而对这套语料来说那是负担。提示词是在一条禁止使用摄影词汇的规则下写的，恰恰是因为你一旦用了，模型就会照办。这里要的是水墨。一个更擅长「像照片」的模型，只是更擅长我们花力气去压制的那件事。
而这些画是成组浏览的，不是一幅一幅看的。打开一卦，你会同时看到六十四幅。在那里，整组的一致性比单幅的质量更要紧：六十四幅出自一手，读起来像一本书；六十三幅出自一手、一幅出自另一手，读起来像出了差错。由于只有过时的那些需要重做，任何迁移都只会是部分迁移——两个模型的产物并排摆在每一屏上。
决定
留在 Z-Image Turbo，用画了另外三千幅的那个模型去重画过时的那些。
实测耗时：现役模型平均推理 3.6 秒、传输 2.3 秒；FLUX.2 Flash 为 2.3 与 4.6；FLUX.2 Turbo 为 3.3 与 2.8；Ideogram 为 11.3 与 2.2。十二次生成中成功十次，而没成功的那两次正是定案所在。