リサ&イル retweeted
我让 Ling-3.2-flash 复刻自己的女剑客 Sharon:八轮视觉修复之后,AI Agent 真的把任务做完了吗?
文 / 曹子丹 Zidan Cao
(图:我的原创中国女剑客 Sharon——《The Scarlet Wanderer》,也是本次 Ling-3.2-flash 视觉复刻与 Agent 自主纠错能力实测的核心素材。)
我是一名画家,也是一名 AIGC 创作者。
从传统绘画到 AI 影像创作,我每天都在和不同的生成式模型打交道。对于 AI,我最感兴趣的早已不只是它能生成多么漂亮的画面,而是它能否真正进入我的创作工作流,理解需求、执行任务、发现问题,并最终交付成果。
最近,我使用百灵新发布的 Ling-3.2-flash,进行了一次真实的视觉复刻测试。
我没有选择复杂的三维建模,也没有让它同时完成十几项任务,而是拿出自己原创的中国女剑客 Sharon 海报,让它完成一件看似简单、实际非常考验细节的工作:
将一张完成的电影视觉海报,尽可能精确地复刻为可以在浏览器中独立运行的 HTML 页面。
这次测试经历了八轮主要视觉修复,也出现了代码修改失败、执行停顿、预览 404 等问题。
最终,我确实拿到了能够在本地浏览器中打开的 HTML 文件。
但整个过程远比一句“AI 成功生成网页”复杂。
一、为什么我要用自己的作品测试?
Sharon 是我长期创作的一名中国女剑客。
她有一个外国名字,但从人物造型、精神气质到电影视觉语言,都建立在东方美学之上。
这次使用的参考图是一张 1672 × 941 像素的原创电影海报。
画面中的 Sharon 手持长剑,红色织物在空中翻卷,人物背后是阴冷的东方建筑与巨大的月亮。整张图具有明显的电影叙事感,同时包含英文标题、中文竖排文字、印章和手写签名。
对于普通的图片展示来说,这些元素似乎没有什么特别。
但作为画家,我知道真正困难的地方在哪里。
文字的位置只要偏移两三个像素,原本稳定的视觉节奏就可能被打乱;字体笔画稍微粗一点,画面的气质就会改变;如果模型为了清除文字而破坏背景的光影,整张作品的完整性也会受到影响。
所以,我想知道:
面对一张已有的艺术作品,AI 能否不只是生成一个“差不多”的页面,而是通过视觉反馈不断接近原始设计?
这也是我选择 Ling-3.2-flash 的原因。
根据百灵官方介绍,Ling-3.2-flash 是一款原生多模态模型,强调的不仅是文字和图像理解,还包括利用视觉反馈检查执行结果,并在遇到异常时尝试调整和继续完成任务。
官方公布的模型规格包括总参数 560B、单步激活参数 25B,以及 1M 原生长上下文支持。
但这些都是官方提供的产品信息,并不是我这次测试所验证的内容。
我真正要检验的,是它在一个具体任务中的实际表现。
二、测试环境与任务要求
这次我使用的是官方提供的 Ling Studio 在线入口:
chat.ant-ling.com/chat
测试围绕 Ling-3.2-flash 的 Agent 工作流程展开。
我提供的核心素材是 Sharon 的原创电影海报,并要求模型将原始视觉转换为 HTML 页面,同时对生成结果进行渲染、截图和比较。
(视频:本次 Ling-3.2-flash 实测的初始执行记录。我将原创女剑客 Sharon 的电影海报交给 Agent,要求它进行高精度 HTML 视觉复刻,并通过反复渲染、截图对比与代码修正,逐步接近原始设计。)
任务重点包括:
1. 尽可能保留原始海报的构图、色彩、人物和背景。
2. 准确处理英文标题、中文文字、签名和印章的位置与比例。
3. 通过实际浏览器渲染检查视觉偏差。
4. 发现问题后继续修改,而不是只交付第一版。
5. 最终生成能够独立打开的 HTML 文件,并提供验证结果。
我特别关注最后两项。
因为对于真正的创作工作来说,生成初稿只是开始。
能否检查、修改和交付,才决定了工具有没有实际价值。
这次测试中,Agent 使用了 Python、OpenCV、HTML、CSS、JavaScript 和 Playwright 等工具。
其中,OpenCV 负责部分图像处理,Playwright 用于浏览器渲染与截图,Python 脚本负责生成页面和比较结果。
这些是本次执行环境中实际使用的工具,并不代表所有 Ling Studio 会话都默认具备完全相同的配置。
三、第一步:它没有选择从零重画海报
模型首先分析了原始图像,并采用了一种比较务实的实现方案。
它没有试图通过 CSS 从零重绘 Sharon、建筑、月亮和飞舞的红色织物。
相反,它保留了原始图像作为主要视觉背景,然后尝试清除画面中的原有文字,再重新构建部分排版。
具体来说,模型使用 OpenCV 的图像修复方法,对文字区域制作遮罩,并通过 TELEA inpainting 修复被清除文字覆盖的背景。
英文标题和部分说明文字,则通过真实 HTML 文本进行重建。
对于中文竖排标题、印章以及手写签名,模型采用了原始图像的局部像素裁切。
这个技术选择值得说明。
它并不是把整张海报简单塞进一个网页,也不是完全依靠 HTML 和 CSS 重新绘制全部内容。
而是一种图像与网页排版相结合的混合复刻方式。
作为创作者,我认为这种方法合理。
因为本次目标不是证明 CSS 可以画出一名女剑客,而是尽可能准确地保留已有作品的视觉效果。
但在评价最终精度时,必须承认原始图像复用对结果的贡献。
四、八轮视觉修复:这是我最感兴趣的部分
根据最终技术报告,模型经历了 R0 到 R7,共八轮主要修复。
第一轮,问题就出现了。
在清除原有文字时,图像修复算法产生了明显的光晕伪影。模型随后重新调整文字遮罩、颜色判断、膨胀范围以及边缘羽化处理。
接下来,英文文字无法正常显示。
问题出在字体加载方式上。
模型修正了字体资源的注册方法,结合 FontFace API 与 CSS 字体声明,才使英文排版恢复正常。
之后,又接连出现新的问题:
CSS 缩放表达式无效、浏览器缓存导致截图不同步、字体加载偶发失败,以及文字高度与原图不一致。
这些错误并不惊天动地,却非常真实。
在实际开发中,很多时间就是消耗在这种细节上。
到了后面的几轮,模型开始对字号、字距、文字边缘和颜色进行更细致的调整。
例如,它发现部分文字比原图高出两三个像素,于是重新校准字体尺寸。
部分英文标题宽度不一致,就逐行修改 letter-spacing。
引号的位置和署名的颜色存在偏差,也被纳入比较。
最后一轮尤其有意思。
模型发现,即使 CSS 使用的是 scale(1),也可能触发浏览器对画面的重新采样,从而产生轻微模糊。
于是,它移除了这个不必要的变换。
根据最终技术报告,这一修复使全图平均绝对误差 MAE 从 3.38 降至 0.52。
这是我认为整次测试最值得关注的技术细节。
因为它展示了一种不同于传统聊天式 AI 的工作方式:
生成结果不是终点。模型可以通过工具观察结果、测量偏差,再决定下一步如何修改。
当然,这些修复步骤来自 Agent 的执行记录和最终报告。我并没有对每一轮进行独立的第三方像素复测。
但最终页面能够正常打开,这一点是我亲自验证过的。
五、0.52 的误差,究竟代表什么?
最终报告给出了相当详细的测量结果。
原始海报与最终渲染截图均为 1672 × 941 像素。
报告显示:
- 全图平均绝对误差 MAE:0.52
- 像素差值大于 40 的比例:0.42%
- 中文标题区域 MAE:0.0
- 签名区域 MAE:0.0
- 左侧英文文字区域 MAE:7.8
- 英文主标题区域 MAE:14.1
- 引文区域 MAE:14.2
这里需要解释一下。
MAE 是平均绝对误差,数值越低,说明参与比较的像素通道平均差异越小。
但它不是一个可以直接换算成“百分之多少还原度”的指标。
同时,中文标题和签名区域之所以能够达到零误差,主要是因为模型直接使用了原始图像的像素裁切。
所以,我不会把这组数据解释为 AI 从零生成了与原图完全一致的所有元素。
它证明的是:在采用混合复刻方案的前提下,最终网页渲染与参考海报达到了较高的像素一致性。
作为画家,我还会关注数字之外的东西。
比如人物是否依然具有原来的气质,红色织物是否保持原有的视觉节奏,背景冷暖关系是否被破坏。
从我最终看到的画面来说,主要视觉元素得到了保留。
但报告也明确列出了一些不足:细线字体的抗锯齿效果仍有差异,一小块原始暖光在清除文字时被误删,局部背景留下了轻微修复痕迹。
这说明视觉复刻虽然成功,却并非没有瑕疵。
六、真正的压力测试,从报错开始
如果只展示最终 HTML 截图,这次测试看起来会非常漂亮。
但真实过程并不轻松。
在任务执行中,Agent 曾经因为修改 compare.py 文件失败而中断。
(图:Ling-3.2-flash Agent 在修改 compare.py 时连续报错,最终执行中断。这是本次真实测试过程中出现的问题,并非模拟错误。)
它试图使用精确文本匹配的方式替换已有代码,但目标内容与文件实际内容不一致,导致修改连续失败。
我不得不进行人工干预。
我明确要求它保留当前工作空间,不要重新开始,并改变文件修改策略:
先检查现有文件内容,再使用 Python 进行修补,或者直接重写相关文件。
之后,Agent 才继续执行原来的任务。
这件事让我意识到,所谓的 Agent 自主纠错,并不是一个非黑即白的问题。
它确实具备检查和修改问题的能力,但这一次,某些关键恢复步骤仍然需要我提供明确指令。
后来,我又多次遇到长时间没有新输出的情况。
界面似乎停住了。
我不知道模型是在运行复杂任务,还是等待工具返回,又或者已经陷入异常。
这种不透明的执行状态,对用户体验影响很大。
特别是当任务已经持续很久时,最担心的并不是再等几分钟,而是不知道之前的工作是否还能保留。
最终,模型完成了文件生成和内部验证。
但事情仍然没有结束。
七、HTTP 200 之后,我却看到了 404
这是整次测试中最具有现实意义的一段经历。
Agent 报告说,HTML 文件已经生成,服务器检查返回 HTTP 200。
它还生成了最终渲染截图和技术报告。
但当我尝试打开所谓的“Open exhibition page”时,发现它最初只是一段普通 JSON 文本,并不是可以点击的文件链接。
随后,我让 Agent 提供实际可用的预览方式。
它启动了本地服务器,给出 127.0.0.1:8000 的访问地址。
然而,预览窗口第一次显示的却是:
404 — File not found.
模型在自己的环境里确认文件存在,并不代表用户一定能够顺利访问。
后来,在检查预览地址并继续处理后,页面终于正常显示。
我又进入 Ling Studio 的 Files 面板,找到 exhibition.html。
由于文件超过 1 MB,平台文件面板无法直接显示完整预览。
最后,我将它下载到自己的 Windows 电脑,在 Edge 浏览器中直接打开。
这一次,Sharon 完整地出现在屏幕上。
人物、长剑、红色织物、建筑背景、英文标题和签名,都正常呈现。
直到这一刻,我才认为这次任务真正完成了交付。
因为对于用户而言,Agent 说“我完成了”,与用户实际拿到可以使用的文件,是两回事。
(视频:经过八轮视觉修复、代码调试与人工介入,Ling-3.2-flash 最终成功交付约 3.50 MB 的独立 HTML 视觉海报。我将文件下载至本地,并在浏览器中成功打开,验证了最终成果的可用性。这也标志着本次 Agent 实测正式完成。)
八、最终成果到底能不能用?
答案是:能用,但必须准确界定它的功能。
最终交付的是一个约 3.50 MB 的独立 HTML 文件。
根据报告,字体和图像资源均已内嵌,没有外部资源引用。
我将文件下载到本地电脑后,确实能够直接通过浏览器打开,画面也正常显示。
因此,高精度 HTML 视觉海报复刻这个任务,最终完成了。
但是,它不是一个具有丰富交互功能的网站。
在我实际检查的最终成果中,没有验证到可用的动画交互、鼠标视差或其他动态体验。
因此,我不会将它称为完整的交互式电影网页。
更准确的描述应该是:
一张可独立运行、视觉还原度较高的 HTML 电影海报。
对于需要将视觉设计稿转为浏览器展示页面、制作静态作品展示或进行排版精度验证的创作者,这种能力有实际参考价值。
但如果任务要求复杂交互、响应式布局、完整前端组件或者可以直接投入生产的网站,仅凭这次测试还不能证明模型已经具备相应的交付能力。
九、我作为画家的判断
我并不是程序员。
我是一名长期从事绘画、视觉设计和 AI 影像创作的人。
因此,我评价这次测试的角度,可能和专业前端工程师有所不同。
我不只关心代码是否运行,也关心最终画面是否忠实于原始作品。
我不只关心模型有没有发现错误,也关心它是否知道应该保留什么、不应该破坏什么。
这次 Ling-3.2-flash 让我印象最深的,不是它最终生成了一个 HTML 文件。
而是它在多轮任务中,通过渲染截图、测量误差、调整参数,不断逼近原始视觉。
这是一种很有价值的能力。
但我同样看到了它的边界。
它仍然可能修改代码失败,仍然可能需要人工介入,仍然可能在文件已经生成之后,无法顺畅地完成交付。
而且,像素误差足够小,并不意味着模型真正理解了作品的全部审美意义。
对 AI 来说,颜色可以被量化,文字位置可以被测量,像素差异可以被计算。
但对于画家来说,一张画还有情绪、记忆、叙事与个人表达。
这些东西不能简单地用一个 MAE 数字概括。
(图:Sharon 原创电影海报(上)与 Ling-3.2-flash 生成的 HTML 页面渲染效果(下)对比。经过八轮视觉修复与反复校准,两者在人物、构图、色彩及文字排版上呈现出高度一致的效果,最终技术报告显示全图平均绝对误差(MAE)仅为 0.52。)
十、最终结论:它能修复错误,但还不能让我完全放手
这次测试让我对 Ling-3.2-flash 有了比较具体的认识。
它在视觉复刻方面表现出较强的执行能力。
它能够使用图像处理和浏览器工具,通过多轮反馈逐步修正结果。
它也最终交付了一个能够在本地独立打开的 HTML 文件。
但这并不是一次完全无人干预的成功。
我需要在代码修改失败时提供恢复策略,在执行停顿时检查状态,在预览报错后继续处理文件访问问题,并亲自验证最终交付。
所以,如果让我评价它,我会说:
Ling-3.2-flash 已经能够在具体任务中表现出有价值的 Agent 工作能力,但距离稳定、透明、无需人工协助的复杂任务交付,还有提升空间。
我并不期待 AI 永远不犯错误。
真正让我感兴趣的是,它犯错之后能否发现问题、修正问题,并继续向目标推进。
从这次实测来看,它做到了其中相当重要的一部分。
而对我这样的创作者来说,未来最值得期待的 AI 工具,并不是单纯生成速度越来越快的模型。
而是那些能够真正理解工作目标、接受反馈、持续改进,并最终把可用成果交到创作者手中的系统。
我会继续使用自己的原创作品进行测试。
因为我始终相信:
技术应该帮助艺术家实现想象,而不是让艺术家放弃自己的判断。
测试信息
测试模型: Ling-3.2-flash
使用入口: Ling Studio
测试素材: 原创中国女剑客 Sharon 电影海报
原图分辨率: 1672 × 941
任务目标: 视觉海报转 HTML,高精度复刻与验证
主要工具: Python、OpenCV、Playwright、HTML、CSS、JavaScript
主要迭代: 八轮(R0–R7)
最终交付: 约 3.50 MB 独立 HTML 文件
报告全图 MAE: 0.52
实际验证: 本地浏览器成功打开,静态视觉正常
主要局限: 无已验证的交互功能;部分代码修复及交付环节需要人工介入
说明:本文为本人真实操作体验。模型参数来自官方介绍,误差与技术细节来自 Agent 生成的 FINAL_REPORT,最终 HTML 的本地打开情况由本人实际验证。本文不将官方演示能力等同于个人实测结果。
スケボー🛹アクション🔥美しい世界観🤩
全てすご過ぎる😆
WHAT THE HELL IS HAPPENING IN HEAVEN?! 😄🔥🛹
A zombie on a skateboard. A beautiful celestial goddess. And an absolutely insane battle above the clouds!
Who says ancient Chinese mythology can’t have extreme sports? 😂
Forget peaceful heavenly palaces. This time, Heaven has become the ultimate battleground!
Gravity-defying skateboard tricks, lightning-fast Kung Fu, spectacular aerial combat, and a furious goddess who has absolutely NO patience for an undead troublemaker.
Hollywood action meets Hong Kong Kung Fu cinema, with a healthy dose of pure madness.
30 seconds of heavenly chaos. No rules. No mercy. Just FUN! ⚔️☁️💥
🎨 Images: Midjourney 8.2 + ChatGPT
🎬 Video: Seedance 2.5
⏱️ Duration: 30 seconds
📺 Resolution: 1080p
💾 File size: 83 MB
#Seedance #AIArt #AIVideo #KungFu #ChineseMythology #AIFilmmaking
1
17
リサ&イル retweeted
WHAT THE HELL IS HAPPENING IN HEAVEN?! 😄🔥🛹
A zombie on a skateboard. A beautiful celestial goddess. And an absolutely insane battle above the clouds!
Who says ancient Chinese mythology can’t have extreme sports? 😂
Forget peaceful heavenly palaces. This time, Heaven has become the ultimate battleground!
Gravity-defying skateboard tricks, lightning-fast Kung Fu, spectacular aerial combat, and a furious goddess who has absolutely NO patience for an undead troublemaker.
Hollywood action meets Hong Kong Kung Fu cinema, with a healthy dose of pure madness.
30 seconds of heavenly chaos. No rules. No mercy. Just FUN! ⚔️☁️💥
🎨 Images: Midjourney 8.2 + ChatGPT
🎬 Video: Seedance 2.5
⏱️ Duration: 30 seconds
📺 Resolution: 1080p
💾 File size: 83 MB
#Seedance #AIArt #AIVideo #KungFu #ChineseMythology #AIFilmmaking
リサ&イル retweeted
🎤 MASA × ZIG MUSIC PROJECT 🎧
AI相棒ZIGと、オリジナルHIPHOP制作に挑戦中🔥
好きな音楽を研究して、歌詞を書いて、声を探して、何度も作り直してきた。
まだまだ試作段階だけど、今の僕たちの音を一度聴いてほしい。
🎵 第1弾『俺の物差し』
誰かの正解じゃなく、自分の物差しで生きる。
率直な感想をもらえたら嬉しいです!
特に声・ラップ・ビートの印象を聞いてみたい🎧
🔗 suno.com/song/3d00e363-689b-…
リサ&イル retweeted
ひとり焼肉も、いいもんだね……。🍖😋
……YOKOの至福のひととき...... +α。💕🍌
Different Moments.
Still YOKO.
WGS🌸
#RINA
xitter.gq/Rina_Coin_2025/status/…
【CM - Enchantment (魅了)】
究極の薄さ…。
妥協なき信頼…。
……そして…🍌。
これ以上、もう何も言うことは無い…🤣🤣🤣
WGS🌸
#RINA
xitter.gq/Rina_Coin_2025/status/…
リサ&イル retweeted
🎬 RINA UNIVERSE
JAMES - THE SILVER BORDER
- Chapter 1 - ( The Beginning )
2人の男性の間で交わされた、何気ない言葉…
しかし、その言葉が静かに運命を動かし始める…
そして、まだ誰も知らない物語が始まろうとしている…。
WGS🌸
#RINA
xitter.gq/Rina_Coin_2025/status/…
……WHAT IF...? 🤔
これまでに何度もRina Universeに登場してくれているSilver Border君…
もし、Silver Border君が、あの銀色の装備を外したら……?
その素顔は……!? 😎✨
Different Moments.
Still Silver Border. 🌸
WGS🌸
#RINA
xitter.gq/Rina_Coin_2025/status/…
リサ&イル retweeted
Good morning! ☀️🌸
もう金曜日ですね。
1週間が本当に早いですね……。🤣
みなさん、今日も良い一日を♪ 😊💕
Happy Friday! 🌸
Different moments.
Still Rina.
WGS🌸
#RINA
リサ&イル retweeted
…さっきのPhantom君。
どこへ行った…?? 👻
……あっ!!!🤣🤣🤣
WGS🌸
#RINA
xitter.gq/Rina_Coin_2025/status/…








