同一句提示词喂给三个 AI,只有一版能放大看

一句话，三个平台，各出 5 秒。

同一段提示词，同一段负面词，同一台电脑，先喂 WorkBuddy，再喂千问，最后喂豆包。

提示词是这么写的：

高山云海观景台，一位身穿白色连衣裙的美女背对镜头站在观景台边，长发被微风轻轻吹起，白色裙摆自然飘动，远处云海缓慢翻涌，清晨冷调天光洒落在云层边缘，人物姿态优雅自然，画面大气辽阔，电影感构图，镜头从人物侧后方缓慢平移并轻微推进，柔和自然光，冷白与淡金色交织，高清质感，动态自然，无水印。

结果差距比预期大得多。三版第一眼都像模像样：都有云海，都有白裙，都有晨光。但把画面放大到 100%，把五秒一帧帧拆开，三个平台的取舍就全露出来了。

01 / 先说结论

豆包赢在氛围。

云海的体积感和逆光最像"电影画面"，水印也给得最克制。

千问赢在细节。

发丝、蕾丝袖口、栏杆的金属反光都经得起放大，人物造型最精致。

WorkBuddy 赢在稳定和分辨率。

它是唯一 1344×768 的，也是唯一五秒内镜头几乎不抖的——但画面最平。

同一提示词、同一时间点（第 2.5 秒）的三版画面对比

02 / 人物：谁真的"背对镜头"了

提示词写得明确——背对镜头。

WorkBuddy 从第一帧到最后一帧，人物始终背对，头发被风带起来，肩线和裙子的垂坠关系是连贯的。

豆包也是背对，但人物从侧后方慢慢转向正后方，等于补了一个"转身"的小动作。

千问直接改成了侧脸。这一改，画面确实好看了——有表情、有轮廓光、有叙事感，但它偏离了提示词。你要的是背影留白，它给的是人物特写。

这不是缺点，是理解偏差。你写"背对镜头"，它读成了"女主角"。

裙摆这一项：千问飘动最明显，蕾丝层次最清楚；豆包次之；WorkBuddy 的裙摆基本静止，只有头发在动。

03 / 云海：这一项拉开了最大差距

云海是这条视频的主角，也是三个平台差距最大的地方。

豆包：有体积。

云层像棉花一样堆叠，被日出从侧后方打亮，边缘泛金、暗部藏蓝，近处云涌、远处云平，有纵深。最接近"高山云海"四个字给人的想象。

千问：有层次。

山脊一道道从云里露出来，云雾在谷间流动，信息量最大——你能看出山的形状，而不是一团白雾。

WorkBuddy：只有一片白。

远山几乎看不见，云层没有明显翻滚方向，更像"雾墙"而不是"云海"，景深最浅。

还有个细节：千问和豆包都给了金属栏杆，WorkBuddy 只有木质地板，走到观景台边缘却没了栏杆——提示词里的"观景台边"，它只做了一半。

04 / 镜头：动没动，差别很大

提示词要求"镜头从人物侧后方缓慢平移并轻微推进"。我把首帧和末帧做了像素级比对，同一分辨率下取平均绝对差：

豆包 45.9　｜　千问 28.2　｜　WorkBuddy 21.2

豆包推进最明显，人物由大变小，连太阳位置都移了；千问有平移，构图从近景过渡到中景；WorkBuddy 五秒内几乎原地不动。

这一项对 WorkBuddy 是双刃剑。镜头稳，意味着画面不抖、不穿帮，做素材很好用；但也意味着"电影感"少了一半——观众感觉不到时间在流动。

05 / 画质：分辨率最高的那个，不一定最耐看

WorkBuddy 的像素最多，但放大到 100% 看，木地板纹理有涂抹感，人物手部边缘偏软。

千问锐度最好，栏杆的金属高光、裙子的蕾丝纹路都清晰，代价是有些地方锐得略"硬"，AI 味更重。

豆包观感最舒服，云层细节丰富且不生硬，但人物发丝在逆光下有轻微糊。

顺带说音频：三版都带音轨，WorkBuddy 平均 -18.8dB、千问 -21.6dB、豆包 -24.0dB。WorkBuddy 环境声最响，豆包最轻——如果你要后期配音，豆包留的余量最大。

06 / 水印：这一项豆包最体面

豆包：右下角一个"豆包生成"，克制。

WorkBuddy：右下角"Workbuddy"标识（提示词要求的），左上角还有"AI生成"。

千问：右下角"千问"、左下角还有一处、左上角"AI生成"——三处，最显眼。

同样是用素材，水印越少越省事。

07 / 打分表

08 / 三个平台各自适合干什么

豆包：做氛围片。

片头、转场、情绪镜头，一帧拿出来就能当封面。强项是"好看"，短板是色彩偏暖——提示词要"冷调天光"，它给了"日出金光"，这是理解偏差，不是能力问题。

千问：做人物特写。

它愿意把镜头给到脸和衣服的细节，蕾丝、发丝、金属反光都撑得住放大。你要的是"人"，选它；要的是"景"，它会抢戏。

WorkBuddy：做稳定素材和批量生产。

1344×768 是这批里最高的分辨率，五秒内镜头几乎不动，意味着画面干净、方便二次剪辑、方便加自己的字幕和转场。短板是"太平"——云海弱、没栏杆、构图保守。但如果你的用法是"生成素材 → 进剪辑软件再加工"，稳比炫重要。

09 / 最后

同一句提示词，三个平台给了三种理解：

豆包读懂了"云海"，千问读懂了"美女"，WorkBuddy 读懂了"背对镜头"。

没有一版是全对的。这也说明一件事——AI 视频现在还谈不上"谁更强"，只谈"谁更合你的活"。

要一条能直接发朋友圈的片子，选豆包；要一条能剪进宣传片的人物镜头，选千问；要一批能反复用、不抢戏、分辨率够的素材，WorkBuddy 留着。

提示词写得再细，也只是概率。多生成几次，比纠结选哪个平台有用。