通义万相 4.0 分：图视频双修，重心偏视频

通义万相在本站 AI绘画 类的五维口径下总分 4.0，与同批的 Seede AI 并列。它是本批能力面铺得宽的一款：图像与视频两类产出自同一处出来，参考图控制让产出更贴近已有风格或形象，指令式编辑可以对已有画面用自然语言下修改指令而不必从头重做，还能一次传入多份参考材料。要说清的是硬边界：官方说明里写着能力重心向视频倾斜，只做静态图的用户未必吃满它的价值；复杂组合需求仍要拆步处理，一次到位的成功率不算高。生态 3.50 高于混元生图，靠的是与阿里云生态衔接；产出仍是通用图片与视频格式，没有矢量导出。

先说结论

通义万相在本站 AI绘画 类的五维口径下总分 4.0（评测日期 2026-10-06），在本批六款里与 Seede AI 并列，排在莱诺鸟（4.1）之后。它在六款里的位置可以用一句话定住：它是本批能力面铺得宽的一款 —— 图像与视频两类产出自同一处出来，参考图控制与指令式编辑又把「改一改而不是重做」这条路留了下来。

而它的硬边界同样要写在结论里，因为它决定了 4.0 这个分数能不能落到你身上：它的官方说明里写着，能力重心向视频倾斜，只做静态图的用户未必吃满它的价值。 这句话不是说它做静态图做得差，是说你为它付的那部分代价里，有一部分买的是你用不到的能力。这是本篇要讲透的第一件事。

• 适合：同一套内容既要出图又要出视频片段的（风格可以在两类产出之间延续）；手上已有风格与形象、希望新产出贴着既有调性走的（参考图控制正是为此）；要在已有画面上做局部改动、不想从头重抽的（指令式编辑与细节保持）；要用中文写提示词描述本土题材的；以及想把生成能力接进业务系统、需要走接口调用的。
• 不适合：只做静态图、且不打算碰视频的（重心在视频那一侧，这部分价值吃不满）；指望一句话把复杂组合一次做成的（复杂组合需求仍要拆步处理，一次到位的成功率不算高）；需要矢量导出或可编辑设计稿、想继续改产出结构的（它给的是通用图片与视频格式）；以及非常看重「一次出图就能交」的（生成结果存在随机性，重要产出常需多轮筛选）。

4.0 分拆开是：可用性 5.00、核心能力 3.80、成本效率 4.00、生态集成 3.50、输出质量 3.40。最高的一格是可用性 5.00，最低的一格是输出质量 3.40。 但这两格都不是本篇的题眼 —— 题眼在能力那一格的「宽」，以及这份「宽」附带的取舍：宽是有代价的，代价写在上面那条硬边界里。

评测口径

AI绘画类按 可用性 25% · 核心能力 25% · 成本效率 20% · 生态集成 10% · 输出质量 20% 计分。这一组权重是绘画类专属的，与前面几批都不一样：批次 33 判「在既有仓库里改代码」，34 判「从零生成一个能跑的应用」，35 判「把站点立起来」，38 判「一段能交付出去的文字」；本批的产物是一张能用的图或一份可交付的设计稿。

权重随之调过：输出质量从写作类的 10% 提到 20%，生态集成则从 15% 压到 10%。生态 10% 是五维里最低的一维，这一点会贯穿本批全部六篇 —— 一款工具在生态上领先 0.3 分，落到总分上只有 0.03 分，几乎换不动名次；而可用性差 3.0 分，落到总分上是 0.75 分。所以本批名次的主要力气压在「能不能用」上，而不是「产出能不能带走」。

三处判据的落点：核心能力看从一段描述到成品完成到哪一步，含「某类需求做不了」这类硬边界；生态集成看产出能不能进既有工作流（矢量导出、接口、本地部署、供应链衔接）；输出质量看这张图能不能直接用 —— 精度、一致性、有无 AI 味、商用授权是否清楚。

表里每一格都能追回站内已核实的事实，不做记录之外的推断；档位划分与免费额度的边界会调整，以官网当期说明为准。

逐项打分

可用性（5.00 分 · 权重 25%）

四道关口它全过，而且过得干脆。网络：由阿里在境内提供服务，可直接访问，无需额外网络条件 —— 这一项记满。界面：原生简体中文，对本土题材与表达习惯的适配较好，这一项记加分。注册：阿里系账号可登录，与集团其他服务共用身份体系 —— 能用现有账号直接进，但这一项记 0（它没有把「不用注册」这一档做到位）。付费：提供免费试用额度，超出后按用量或订阅计费，另有云服务计价方式，支付路径可达，这一项记加分。

5.00 在本批是四款国产工具共有的档位 —— 这里要立刻说清一件事：同档不等于同类。 可用性这一维量的只有四件事：网络、语言、注册、付费。它回答的是「在大陆能不能顺顺当当地用起来」，不回答「它做的是什么」。同批的腾讯混元生图也是 5.00，但那款做的是通用文生图；莱诺鸟也是 5.00，走的是美妆与跨境的垂类链路；Seede AI也是 5.00，做的是把定稿文字排成版面。四款在这一格并列，是因为四款在大陆都能直接用，不是因为四款能互相替换。

核心能力（3.80 分 · 权重 25%）

这一格是它 4.0 分的主要来源，也是本篇最该展开的一格。 它铺在五层，五层里没有一层是「把文字变成图」就停住的。

双能力层：既能生成静态画面，也支持视频片段的生成与编辑。这一层的价值不在「两件事都能做」，而在风格可以在两类产出之间延续 —— 同一套视觉设定，静态封面与几秒的片头片段能出自同一处，不必在两个工具之间对齐一次调性。

参考层：可传入参考素材约束生成结果，让产出更贴近已有风格或形象；并且支持一次传入多份参考材料，用于处理较复杂的组合需求。这一层是它与纯文字生成拉开距离的地方 —— 纯文字生成只能靠描述去逼近你脑子里的样子，参考图控制是把「样子」本身递进去。

编辑层是它的两条硬货：指令式编辑 —— 对已有画面用自然语言下修改指令，不必从头重做；细节保持 —— 在编辑与扩展画面时，尽量维持原有像素与结构的一致性。这两条合起来解决的是同一个麻烦：出一版差不多的图之后，为了改一处细节又要重抽十次，而重抽出来的十张里，原来对的那部分可能又变了。指令改图把「改」和「重做」分开了。

输入层：能读取较复杂的输入材料（文档与网页解析），用于内容驱动型的生成。这让它的输入不只是「一句提示词」，而可以是一份材料。

语言层：提示词用中文描述即可，对本土题材与表达习惯的适配较好。

3.80 而不是更高，扣分扣在两条硬边界上，两条都得照实写。

第一条是重心问题：能力重心向视频倾斜，只做静态图的用户未必吃满它的价值。这条不是缺点陈述，是定位陈述 —— 它把两类能力放在同一处，资源的投放自然偏向更新、更难做的那一侧。判据是「从一段描述到成品完成到哪一步」，而对一个只出静态图的人来说，视频那一半的完成度对他不成立，所以这一半不算进他的账上。

第二条是成功率问题：复杂组合需求仍需要拆步处理，一次到位的成功率不算高。这句话要读准 —— 它不是说「做不了」，是说得拆开做：先定风格、再改局部、再扩展画面，一步一步走，比一口气把全部要求塞进一句话稳。多素材参考这一条能力就是为拆步准备的，能用多份材料分步约束，恰恰说明它把这件事按「分步」来设计。

这里有一处必须点破的对照：同批的腾讯混元生图做的是通用文生图，中文提示词直出、上手门槛低，但它没有参考图控制，也没有局部重绘。这是国产通用生图这两款之间的实质差异，不是措辞差异 —— 需要「贴着已有风格出图」或「在已有画面上改一处」，两款给的答案不一样。

成本效率（4.00 分 · 权重 20%）

4.00 判的是「这笔钱付不付得出去、起步要不要先花钱」，不是「它便不便宜」。 加的那一头：提供免费试用额度，起步阶段不必先付钱；付费路径可达，不必为了付钱先去解决境外卡。官方说明里也提到，超出免费额度后按用量或订阅计费，另有云服务计价方式 —— 也就是说，个人在网页上用、与走接口批量调用，是两套算法，这一点下面在生态那一格接着说。

减的那一头同样明确：免费额度有限，长期大量使用需转入付费。这条要和「生成结果存在随机性、重要产出常需多轮筛选」那条并着读 —— 随机性意味着同一道题你可能要跑好几轮，而每一轮都算额度。所以真正决定成本的不是单价，是「一轮命中率」：要求越具体、参考材料给得越足、越肯拆步，跑的轮数越少，免费额度撑得越久；反过来，想靠一句话一次到位，跑的轮数上去了，额度消耗得快，转付费的时间点会提前不少。这是它在成本这一格上最实在的一条建议。

生态集成（3.50 分 · 权重 10%）

3.50 高于同批腾讯混元生图的 3.20，原因要说准，不能说成「功能多」。

高的那一头是与阿里云生态衔接：需要走接口调用时，可直接接入其云服务。这一条的实质是「接入既有工作流的方式是可复用的」 —— 已经在用同一家云服务的团队，计费与权限体系是同一套，不用为这一个能力单独立一套账号、一套对账、一套权限。这属于接入成本层面的资产，与「它有多少个按钮」无关。

低的那一头同样要写清：产出仍是通用图片与视频格式，没有矢量导出，也没有可继续编辑的设计稿。 这句话的实践含义很具体 —— 你拿到的是一张成品图或一个片段，它的内部结构不跟着你走：想改一个图标的形状、想把某个元素单独挪位置、想把这张图放大到户外尺寸，都得回到生成这一环重新来，或者另找设计软件重画。对比同批Recraft那种矢量直出的产出（矢量格式可无损缩放并继续编辑），它给的是「能看的成品」，不是「能改的素材」。

还要把这个权重的含义讲透：生态只占 10%。 它这格的 3.50 比混元生图高 0.30，落到总分上只有 0.03 分。别把「生态分高」读成「总分会有优势」 —— 在本批这套权重下，生态是五维里说话声量最小的一维。

输出质量（3.40 分 · 权重 20%）

这是它五维里最低的一格，但这一格的分数要拆成两半读，两半方向相反。

加分的那一半来自可控性：参考图控制与指令式编辑，让产出的可控性比纯文字生成高 —— 这是官方说明里明写的。纯文字生成的每一次出图都是一次重新掷骰子，而参考图把掷骰子的范围收窄，指令式编辑把「重掷」换成「改」。再加上中文提示词理解到位，本土题材的描述更省事，这几条都落在「这张图能不能直接用」上。

扣分的那一半来自两处。一是额度：免费额度有限，长期大量使用需转付费 —— 这一条在成本那一格算过一次，在输出质量这一格还要算一次，因为它影响的是你能不能持续拿到这个水准的产出，而不是一次拿不拿得到。二是随机性：生成结果存在随机性，重要产出常需多轮筛选。这条是绘画类工具的通病，但落在判据上很实 —— 「需要多轮筛选」等于「不能假定第一版就能交」，重要物料要留出筛选与返工的时间。

3.40 因此是一个「可控但仍有随机性」的档位：它比纯文字生成好控，但没好控到可以一次定稿。

同类对比

这张表里先看可用性那一列：四款国产工具全是 5.00。 这一列并列不是巧合，也不该被读成「这四款差不多」—— 它量的是大陆能不能直接用的四道关口，四款都过，所以并列。真正的差别在能力那一列：莱诺鸟 4.00 是垂类链路铺得长（从 3D 包装一路到内容与供应链），通义万相 3.80 是面铺得宽（图 + 视频 + 编辑 + 多参考），混元生图 3.40 是把通用文生图这一件事做顺，Seede AI 3.60 是把定稿文字变成版面。四个数字背后是四件不同的事，不是同一件事的四个名次。

与腾讯混元生图的对照最值得单独说清，因为这两款最容易被当成一类。 两款都是国产通用生图，但通义万相有参考图控制与指令式编辑（局部重绘），混元生图没有 —— 这是一条硬的能力边界，不是措辞差别。混元生图的强项在另一端：中文提示词直出、上手门槛低、与混元体系内的文本对话能力互通，官方说明里也直说它「偏通用取向，单张作品的风格个性不如专精绘图工具强烈」，那是定位陈述。要「贴着已有风格出、在已有画面上改」，看通义万相；要「写一句中文就出图、越快越好」，看混元生图。

再看生态那一列：它 3.50 比混元生图高 0.30，是本列里差距很小的一处。 而这一列只占 10% —— 这 0.30 折算到总分是 0.03。所以这张表的正确读法是：名次主要由可用性与成本决定，生态那点差距几乎不参与排名。

输出质量那一列反而值得多看一眼：Recraft 3.70 是本批最高，通义万相 3.40 排在第二档。但那一列的分差换不回名次 —— Recraft 的质量优势在总分上只值 0.10 分，而它可用性那一格的劣势值 0.75 分。这就是本批这套权重的含义：画得好换不到名次，能用才换得到。

选法因此清楚：同一套内容图与视频都要、要贴着已有风格出、要在已有画面上改 —— 看通义万相；只写一句中文快速出图、不碰视频也不改图 —— 看 腾讯混元生图评测；手上已是定稿文字、要把它排成可编辑版面（不做创意画）—— 看 Seede AI 评测；做美妆或跨境、要 3D 包装一路到内容与供应链 —— 看 莱诺鸟评测；要能无损缩放、能接着改的矢量素材 —— 看 Recraft 评测，代价是网络与支付门槛。

常见问题

通义万相和腾讯混元生图能互相替代吗？

不能当成彼此的替换品看，这两款解的是同一片区域里的两道题。 两款都是国产通用生图、都能用中文提示词、在大陆都能直接打开 —— 这三点是它们看起来像一类的原因。但能力边界上有实质差别：通义万相有参考图控制与指令式编辑（局部重绘），混元生图没有。

这条差别决定了选型：手上已有风格或形象、要新产出贴着走，或者要在已有画面上改一处、不想从头重抽 —— 这两件事只有通义万相给得出解法；混元生图的强项在另一端，中文提示词直出、上手门槛低、与混元体系内的文本对话能力互通。反过来，只想要「写一句中文、立刻出一张能用的图」，混元生图那条路更短，通义万相为视频与编辑准备的那些能力在这道题上用不到。

站内给出的同类替代也是按用途分的，不是按名次分的：通义万相那边指向即梦、可灵 AI、Midjourney（图与视频方向）；混元生图那边指向通义万相、即梦、Liblib AI（通用生图方向）。两组指向只在一处交叉，其余各走各的 —— 这正是「不是同类替换」的证据。

我只做静态图，用通义万相是不是浪费？

这是本篇要照实回答的一条，答案是：你未必吃满它的价值，但它仍可能是合理选择，取决于你还要不要另外两样东西。

官方说明里写得很直白：能力重心向视频倾斜，只做静态图的用户未必吃满它的价值。 这句话的含义是，它的能力投入与更新节奏偏向视频那一侧，只为静态图来的用户，有一部分投入落不到自己身上。

但「未必吃满」不等于「不该用」，因为还有两样东西是只做静态图的人也用得上的：一是参考图控制 —— 手上已有风格或形象时，它比纯文字生成更贴；二是指令式编辑 —— 在已有画面上用自然语言下修改指令，不必从头重做，而且编辑与扩图时尽量维持原有像素与结构。如果你正是被这两件事卡住的（改一处就要重抽十次），那么即使完全不碰视频，它也成立。

真正不该选它的静态图场景是：既不需要贴着已有风格、也不需要在已有画面上改，只是想写一句提示词快速出图 —— 这三样能力你一样都用不上，重心偏视频这一条就变成了纯成本。这种用法下，走通用文生图那条路更合适。

有了参考图控制和指令式编辑，是不是就不用反复重抽了？

能少抽很多轮，但不能抽一轮就交 —— 这两句要分开说。

少抽的那一半是真的：参考图把生成的范围收窄，不用靠描述去逼近你脑子里的样子；指令式编辑把「改」和「重做」分开，改一处就不必整张重来；细节保持让编辑与扩图时尽量维持原有像素与结构。比起纯文字生成，这几条实实在在降低了「为了改一处而丢掉其他部分」的概率。

不能一轮交的那一半也是真的，扣在两处。一是硬边界：复杂组合需求仍需要拆步处理，一次到位的成功率不算高 —— 官方说明就是这么写的。二是随机性：生成结果存在随机性，重要产出常需多轮筛选。所以正确的工作方式不是「一句话说完然后等结果」，而是拆步：先用参考图定住风格与形象，出到接近的一版；再用指令式编辑改局部；需要扩展画面时再走扩展，靠细节保持兜住原有结构。每一步给的要求越具体，跑的轮数越少，免费额度也撑得越久。

免费额度够用吗？什么时候必须转付费？

分两种用法算，两种的结论不一样。

网页上个人使用：提供免费试用额度，起步不必先付钱，日常配图、封面、几秒的过渡片段这类用量撑得住。必须转付费的触发点是「长期大量使用」 —— 官方说明里写的是免费额度有限，长期大量使用需转入付费。而真正决定这个时间点的是一轮命中率：想靠一句话一次到位，跑的轮数上去了，额度消耗得快，转付费就早；肯拆步、肯给参考材料，同样的产出量消耗的轮数少得多。

走接口接入业务系统：这是另一套账。它可以与阿里云生态衔接，走云服务计价 —— 按调用量计费，与网页上的订阅不是同一套算法。批量出图或为业务系统提供生成能力时，成本取决于调用量与并发，不是取决于订阅档位。这两种花法别混着算。

它的产出能直接进设计流程吗？

能作为素材进，但不能作为「可继续编辑的稿子」进 —— 这是它生态那一格的实质。

它能给的是通用图片与视频格式：拿去排版、投放、剪进视频，这些都没问题，需要批量或集成调用时也能走接口接进业务系统。它给不了的是两样：矢量导出，以及可继续编辑的设计稿。 也就是说，你拿到的是成品，内部结构不跟着走：想把某个元素单独挪位置、想把图形放大到户外尺寸而不糊、想把图标形状改一改，都得回到生成这一环再跑一轮，或者另找设计软件重画。

要的是「能改的素材」而不是「能看的成品」，这条路上另有专做矢量直出的工具（同批的 Recraft 生成的图形是矢量格式，可无损缩放并继续编辑），代价是网络与支付门槛；要的是把定稿文字排成可编辑版面，则看 Seede AI 那一类。这三款在这一格上给的完全是三种东西，不是同一件事的三种说法。

相关工具与内容

本文评测日期 2026-10-06。五维权重与每格分数都已在上文那张表里列明，全部落回站内已核实的记录；各档位与免费额度边界会调整，请以官网当期说明为准。

同批六篇角度各不相同，值得对着读：要图与视频出自同一处、还要在已有画面上改，看本篇；只写一句中文快速出图、不碰视频，看 腾讯混元生图评测；手上已是定稿文字、要排成可编辑版面，看 Seede AI 评测；做美妆或跨境、要 3D 包装一路到供应链，看 莱诺鸟评测；要能无损缩放还能接着改的矢量素材，看 Recraft 评测 —— 那一篇讲的是本批最主要的反差：可用性本批最低、输出质量本批最高，两件事必须分开读；要自己编排生成流程、产出可带走，看 ComfyUI 评测。

工具页方面，图与视频这条线上还有 即梦、可灵 AI 与 Midjourney 可作对照，通用生图方向另有 Liblib AI。横向盘点见 AI 绘画方案怎么选 与 AI 工具选型季度盘点，分类条目集中在 AI绘画。