📊 Test Overview

📐 数字の根拠

各テストごとに「全モデル × 該当スタイル」を投入。スタイル数はテスト種別で異なります (Level A-C は 5、Level D は 1)。一部モデルは API 制約で除外されているため、単純な掛け算より少なくなります。

🎯 47 テストの構成 (4 段階のレベル)

• Level A (Basic, 7): 色変更、部分スタイル変更など 基本編集の精度
• Level B (Transform, 16): アウトペイント、カメラアングル、時間/季節変更
• Level C (Reasoning, 8): 時間推論、アノテーション理解、物理的推論
• Level D (Document, 16): スライド、4コマ漫画、ストーリーボード、マンガなど 多段推論を要する文書生成

🎨 5 スタイル

photo (写実) / anime_flat / anime_cg / watercolor / business の5種。同一プロンプトを異なるスタイル基底で投入し、モデルがどれだけスタイル特性を活かせるかを比較します。Level D は 1スタイル (misc) のみ。

🤖 評価方法

各画像を VLM (Gemini 2.5 Flash) で 5 軸 0-5 点評価:

• structure — 入力構造の保持
• identity — 同一性 (人物・物体)
• reasoning — プロンプトからの推論
• instruction — 指示遵守
• quality — 全体品質

※ テスト・評価とも一発出しのため、ランダム性によるブレ・外れ値が混じる可能性あり。

🏢 主要メーカー

📝 注記

• kamuicode 搭載モデルが対象。一部の API 制約 (プロンプト byte 数制限・参照画像枚数上限など) により特定テストで除外されているケースあり。
• 個別モデルの詳細プロファイルは モデル一覧ページ から (スコア・対応カテゴリ・メーカーで絞り込み可)。