NEX 六人团队研发的 Ikon 2 AI 绘画模型，仅用 9 万 GPU 小时、1/6 行业预算，在 GenEval 提示匹配度评测中力压 DALL·E 3、Flux 和 DeepSeek Janus 登顶榜首，以极低成本实现高精度图像生成。
NEX 推出新的 AI 绘画模型 Ikon 2，在评估提示词与画面匹配度的基准测试 GenEval Overall Score 中，超越 Dall·E 3、Flux、DeepSeek Janus，拔得头筹。
打造 Ikon 模型的团队仅有 6 人，预算是其他同类模型的 1/6，模型训练也只花费了 9 万 GPU 小时，比其他 AI 绘画模型少的多。
three pizzas on a wooden table
four zebras in the wild
Fashion model with clothes in handNEX 访问地址：https://www.nex.art/
Factory 工程师 Luke 分享多智能体系统 Missions 架构，核心在于解决人的注意力瓶颈。该系统采用编排、工作、验证三角色分工，强调“先定义完成标准”再写代码，通过串行执行降低协调开销，并强制结构化交接以支撑长周期任务。不同角色匹配专用模型，编排逻辑主要依赖提示词，使团队能同时处理的工作流数量从 10 条提升至 30 条。
在多智能体系统中，提示词质量而非模型能力才是决定表现的关键。通过对主智能体、分析智能体、编码智能体和评判智能体提示词的系统性演进，工作流效率能够提升 30%。核心方法包括：明确智能体角色边界，将约束显式编码，将编码智能体从“作者”降格为“编译器”，以及依据失败模式驱动迭代。这一实践揭示了工业级 AI 工作流的本质。越确定性的任务越需要确定性的约束，而非期待模型自行领会意图。
文章指出 AI 图像生成效果不佳的根本原因在于提示词质量，而非工具本身。核心观点是使用结构化描述替代模糊指令，将“主体+环境+风格+光线+细节”五个维度纳入提示词。描述越具体， AI 生成方向越明确，随机性越低。常见问题包括概念混搭、关键词堆砌、忽视光线设定等。实用技巧是把提示词当作向朋友描述画面，保持语义连贯。提示词质量直接影响点击率，这种结构化思维与写产品需求文档、设计简报的逻辑相同。
围绕《NEX 的 Ikon 2 AI 绘画模型击败 Dall·E 3、Flux 等巨头，问鼎 GenEval 排行榜！》展开交流，未登录用户可浏览评论，登录后可参与讨论。