AREX Feed Article
OpenRouter 官宣基准浏览器可查图像模型：提示词可在 agent 或 Chatroom 里改
北京时间 9 月 1 日 23:43（UTC 15:43），OpenRouter 官方 X 账号以「Tip」贴士形式宣布：现在可在其基准浏览器（benchmark explorer）中浏览图像模型，并能在自己的 agent（智能体）或 Chatroom 里快速编辑提示词，配有一段演示视频。这是官方对产品功能的直接公告，推文本身未逐项列出模型或基准内容，细节都在链接页面上。
同线程里另一条推文给出「浏览图像基准」的直达链接（），指向 。页面官方题图以「Image benchmarks」为题，副题写着「对比各模型在精选提示词下的图像输出」；该页属于 OpenRouter 基准中心「Media（媒体）」分类，分类定位是「对比各媒体模型之间的生成质量」。
基准中心：6 项基准、2,458,445 次任务评估
发出这条公告的是 OpenRouter 官方账号（企业认证），简介自称「大语言模型（LLM）的统一接口」，提供 400 多个模型（含 50 多个免费）。自称提供「可独立复现的测量」，覆盖模型、供应商、搜索引擎与工具预算这些「在 OpenRouter 请求里真正能设置的旋钮」，并称「每个分数都链到其背后的配置、成本与遥测」。
截至核对时，中心共运行 6 项基准、2,458,445 次任务评估，最近一次运行就在 9 月 1 日。除图像所在的 Media 分类外，还有 Agents（τ²-Bench Airline）、Reasoning（GPQA Diamond）与 Search（BrowseComp、DeepSearchQA、HLE、WideSearch）等几组基准，另提供 Benchmarks API 供程序拉取结果与元数据。
同一提示词，39 个模型并排出图
图像基准页上展示的基准题是「Full Wine Glass」：提示词要求生成「一只装满白葡萄酒、液面与杯口齐平的酒杯，立在素木桌上，平视正面拍摄，画面中没有其他物体」。39 个图像模型在同一提示词下逐行列出，每行标出单张价格与生成耗时。
价格跨度从 $0.006（GPT-5.4 Image 2、GPT Image 2）到 $0.25（Recraft V4 Pro、Riverflow V2.5 Pro），生成耗时最短 2.7 秒（Nano Banana 2 Lite）、最长 208.2 秒（Riverflow V2 Pro）。结果可按成本或生成耗时排序，页面上还有「Select models to try in chat」（选择模型到聊天中试跑）的入口。
从浏览到试跑：提示词怎么带进对话
推文描述的路径分两步：先在基准浏览器里比较同一提示词下各模型的输出，再把改好的提示词带进自己的 agent 或 Chatroom 使用。这与 8 月 21 日的相衔接，说明结尾写道：在基准上比完模型后，「用你自己的提示词，通过图像生成 API 或 Chat 试试它们的表现」。
十一天前的铺垫：七类刁钻提示词
8 月 21 日，OpenRouter 在博客发布「Image Benchmarks: See the Capabilities of Every Model」（署名 Brian Thomas），正式上线视觉图像基准，覆盖当时全部 39 个图像模型。发布说明解释了为什么需要它：文本模型有海量基准可查，选图像模型却近乎靠感觉，「输出样张往往是精心挑选的展示图，LLM 裁判式评估还抓不住人眼一眼就能看出的细节」；竞技场分数衡量的是用户偏好，而非模型实际能做到什么。
提示词按七个家族设计：不可能场景（液面与杯口齐平的酒杯、合上的雨伞）、计数（三根手指、指定数量的牌和骰子）、文字（海报上一长串精确字符串、同框多种语言）、空间关系（遮挡与镜面倒影）、否定（没有条纹的斑马、没有广告的时代广场）、编辑（最小改动、移除物体或人物）、一致性（让产品或四个参照物在新场景中保持不变）。所有结果以网格展示，可按价格与生成耗时排序，与现在浏览器里的交互一致。
首批反应与接下来的模态扩展
公开回复中，自述为「AI Engineer | Working with Agents」的 Stats Wire 在中说：「@OpenRouter 这是个很方便拿来玩一玩的方式」。截至核对时，主推文获 34 个赞、11 次收藏。
发布说明预告，更多视觉评估与「更多模态」即将到来：工具会随新增图像模型持续更新，并计划扩展到视频与音频模型。手上有能难住下一轮模型的提示词，可以提交到 Discord 的 #feedback 频道。