Gemini выиграла тест. Почему же тогда для своего контент-завода я выбрал GPT

Сначала дал пяти моделям одно и то же задание на баннер. Лучше всех в этом первом круге справилась Seedream 5.0 Flash. За $0,018 она сделала картинку с четырьмя нужными строками по-русски. На ней я и собрал полную серию. На двух кадрах слиплись буквы. После этого я решил проверить, что дадут более дорогие модели.

Первый круг. Пять недорогих моделей на одном баннере

Для первого круга взял три версии Seedream и две версии FLUX.2. Задание у всех было одинаковое — сделать баннер запуска с четырьмя строками на русском. Референс к запросу не прикладывал, каждой модели дал одну попытку. Пять генераций стоили $0,137.

Самый показательный пример — FLUX.2. Посмотришь на машину, и кажется, что генерация почти удалась. Подойдёшь ближе к тексту, а там четыре ряда знаков, из которых не складывается ни одна заданная строка. В рекламном баннере это сразу определяет, как результат можно использовать.

Seedream 5.0 Flash была ближе всех к заданию. У неё тоже были мелкие замечания, но четыре нужные строки она передала, и цена выглядела подходящей для регулярного выпуска. Поэтому следующий круг я провёл целиком на Seedream 5.0 Flash.

Что у Seedream пошло не так на полном комплекте

Комплект Seedream стоил $0,216. В эту сумму вошли 11 кадров и одна повторная генерация. На карточке карусели и в финальном посте я нашёл слипшиеся буквы в слове «КОМПЛЕКС». Открой кадр крупно, и зелёная отметка сразу объясняет, что произошло. На общем листе этот дефект легко пропустить. В третьем кадре меня смутила дверь, открытая под неестественным углом.

Здесь у меня был вполне рабочий вариант. Пусть модель рисует сцену, а Python накладывает надписи. Так можно зафиксировать цену, знак рубля, дату, регистр и переносы. Но тогда я беру на себя шаблоны. У разных форматов разные поля, у заголовков разная длина, а текст должен оставаться читаемым и рядом с крупным планом машины, и рядом с целым автомобилем. Для нескольких стабильных макетов я бы так и сделал. Я пока оставил этот способ в запасе. Хотел понять, даст ли доплата за более сильную модель серию, с которой будет меньше возни. Так в тесте появились GPT и Gemini.

Что получилось у GPT и Gemini

Суммы взял из списаний OpenRouter. Время посчитал по успешным запросам, в том числе по повтору Seedream. Отдельно остаются паузы, подготовка задания и ручная проверка. Промпт первого баннера совпадал у всех трёх моделей. Дальше GPT работал по более свежей редакции ТЗ с изменениями в надписях и сценах. Поэтому сравниваю результат этого рабочего отбора, где важен весь путь до пригодного комплекта.

По общему качеству мне больше всего понравилась Gemini. Её серию я поставил первой по своему впечатлению. GPT оказался ближе к привычному для меня визуальному стилю, хорошо держал кириллицу и аккуратно передавал условия там, где они были в задании. Но на одном кадре у него была странная дверь, а на другом зеркало выглядело приклеенным к блестящему кузову. Я подписал этот пример «Концепткар от OpenAI».

Почему для запуска я беру модель со второго места

Мне сейчас нужна модель, которая впишется в работу с ручной приёмкой. Я всё равно оставляю за собой примерно пятую часть процесса. Открываю кадры крупно, проверяю надписи и геометрию, решаю, что можно выпустить. Замечания превращаю в правила, по которым агент будет проверять следующие серии. Я привык к эстетике GPT, а разница в списаниях с Gemini составила около $0,89 за комплект. В этой схеме выбор GPT для меня оправдан.

Если позже решу выпускать акции без ручного просмотра, вернусь к Gemini и проверю её на нескольких разных комплектах. В таком режиме меня будет интересовать, сколько ошибок пройдёт весь путь до клиента. Репутация дороже, чем экономия.

Куда встраивается генерация в контент-заводе

Контент-завод я строю для одного детейлинг-центра. Сейчас у меня есть рабочий чат, куда я отправляю материалы по выполненным работам. Например, фотографии автомобиля и описание того, что с ним сделали. Дальше материалы обрабатываются автоматически и получаются обложки для постов, обработанные фото и тексты поста. В этом потоке важны реальные фотографии: по ним видно, какой был автомобиль и какой результат получили.

Контент-план уже разработан в google-таблице, а само планирование я тоже веду в чате (бот по запросу присылает список материалов на неделю для заготовки). Там решаю, какие работы и акции пойдут в публикации, в какой последовательности и что нужно подготовить. Дальше хочу добавить свой постер. Он будет забирать готовые материалы и передавать их на публикацию. Самый очевидный вариант — отправлять их в отложенные записи, но я пока выбираю, как лучше устроить этот последний шаг.

Визуал для акций — отдельный поток. Там агент получает ТЗ и собирает первую версию комплекта, а я принимаю её перед выпуском. Постер нужен после приёмки, чтобы материалы попали в публикацию в нужный день.

Восемь минут на генерацию я уже увидел в журнале. Теперь хочу замерить время от ТЗ до комплекта, который действительно можно выпустить, и посчитать, сколько кадров приходится возвращать на доработку. По этим цифрам будет видно, сколько работы агент действительно забрал на себя.

Какие ошибки допускали нейросети