2026–2027 最佳 AI 图片放大工具:可复现的指标评测与价格对比

Topaz、Crystal、Let's Enhance、MegaPotato、Magnific、Gemini、ChatGPT、Recraft、Krea、Upscayl:到了 2026–2027 年度中期,哪款图片放大工具、哪个模型最好用?这是我们所知最全面的评测报告,采用可复现的指标和当前前沿方法,由 Claude Opus 5.5 担任盲评员。

MegaPotato 研究团队
阅读约 28 分钟更新于

先说结论:到底用哪款?

  • **用哪款:**日常放大图片,我们首选 MegaPotato AI 图片放大工具(megapotato.app):测试中,它的画质与 Topaz Wonder 3.5 相当。每月处理 100 张照片时,通过 Topaz 自有 API 使用 Wonder 3.5 的费用是它的 7.4 倍(通过 fal.ai 则是 3.3 倍,完整价格对比见下文)。我们试过的各类照片,它都表现不错,直接在浏览器里就能用,无需订阅。按需求选择 ↓
  • **真实照片:**旧手机照片、噪点多的照片和压缩过的副本,MegaPotato 处理得都很稳定。Crystal 的保真度可以很高,在受控测试中的表现也相差不大,但遇到真实低画质照片就明显吃力了:MegaPotato 67.2,Wonder 3.5 62.8,Crystal 46.1。各类照片的结果 ↓
  • **人脸:**完整测试共包含 567 张人脸,AI 盲评给 MegaPotato 的人脸评分最高。但按人脸识别模型测出的与原图的相似度,Wonder 3.5 和 Crystal 更高。细节自然和保留人物面貌,显然是两回事,所以我们把两者都列出来。细看人脸 ↓
  • **依据是什么:**无论是涵盖 18 款工具及其设置的核心测试,还是扩展到 135 张照片、567 张人脸的测试,MegaPotato 的总分都最高。具体用哪个模型很重要:面对相同的小尺寸受损输入图,我们测试的另外五个 Topaz 模型都远不如 Wonder 3.5。查看排行榜 ↓
  • **单张价格:**每月处理 100 张照片,取 2.7、16 和 48 MP 三种输出尺寸的均价,MegaPotato 享受批量优惠后为 $0.073。Topaz Wonder 3.5 通过 Topaz 自有 API 使用时为 $0.54,套餐每月 $50 起(通过 fal.ai 按量付费为 $0.24),价格相差 7.4 倍(3.3 倍)。MegaPotato 的薯片永不过期。价格与条件 ↓
  • **想先看图?**每个示例都放大展示输入图、原图(如有)和各工具的结果。对比小尺寸人脸、纹理和文字:这些地方的差异,才会真正影响你的照片。细节对比 ↓

图片放大是计算机视觉最早开展的任务之一。谍战电影里几乎总有这样的场景:操作员框选一块区域,放大,再放大,按下一个神奇的按钮,目标人物的超高清人脸就出来了。从神经网络出现之前的传统计算机视觉,到今天最先进的多模态大语言模型,研究者一直在试图解决这个看似简单、实际上几乎无解的任务。

2025 年,各种通用图像编辑模型以惊人的速度涌现,大多基于或借助多模态大语言模型和扩散模型。从 FLUX.1 Kontext 开始,效果呈指数级提升,Nano Banana 的发布则是其中一个标志性节点。从极其精确到十分抽象,只要能用文字指令表达,这些模型就能对图片做相应的变换。**但无论通用任务做得多好,它们在精确变换、保留原图和严格遵循提示词方面,仍然不到位。**闭源聊天机器人(ChatGPT、Gemini 等)对颜色的改动尤其明显,更关键的是对人物面貌的改动。尽管如此,当时看起来,所有图像变换任务似乎很快就能解决。

一年多过去了,模型进步了,保留原图的能力也好了很多,但同样的问题仍然反复出现。图片放大(超分辨率)在这方面尤其苛刻:一般编辑往往允许发挥一点想象(“加一只猫”:没指定品种,也没说其他要求,只要一只猫),放大却不允许改动原图。不管是把手机照片放大后做成海报,还是把 AI 生成的图片变成 4K 图片,通常都只想增加细节、提高分辨率,其他什么也不想改。

举个例子,我们让 ChatGPT 把一张街头赛跑的小图放大四倍,什么都不要改(见图)。结果清晰、干净、明亮。但看看跑者的号码。真正的号码布上写的是 LUT 3029。ChatGPT 画出了 SEINE-MARNE 77,也就是法国巴黎附近的一个省,还把衣服上的“trucks”换成了另一个词。这些内容原图里都没有。Gemini 写的是 LUT 2022。而拿到同一张小图,我们测试的一款放大工具读对了全部四位数字(更多工具处理这位跑者的结果)。

各工具收到的输入图、原图、ChatGPT 的结果。

这就是目前把通用 AI 图像编辑器当作放大工具时会发生的事。无论你怎么提要求、怎么设计提示词,它们都不只是放大像素,而是猜测那里应该有什么,再把它画出来。很多时候猜对了,有时却换了一个词、一种颜色,甚至一张脸。与此同时,结果通常很好看,也符合人的审美。

市面上也有很多专门的图片放大工具。这个任务由来已久,相关服务多得惊人,要从跨越不同技术时代的模型中挑出合适的,实在很难。所以,我们采用最流行、最有效、最精确的方法,做了这份我们所知最全面的图片放大测试。

简短结论已经放在上面。接下来是准确、可复现的完整记录,结构如下:先做核心测试,让 18 款工具及其设置处理同一组 16 张照片的小尺寸受损副本,再将每个结果与工具从未见过的全尺寸原图对比。然后是完整测试:让三款领先工具处理 135 张照片、567 张人脸,每个结果都交给所有评审打分,并计算所有适用指标。接着是一组极高难度样本:印刷品扫描图、重度 JPEG 压缩、噪点、纸质老照片、雕像和绘画。最后列出每月处理 10、100 和 1 000 张照片的详细价格。图片在这里 ↓

快速问答。

  • **什么是 AI 图片放大工具?**把图片变大,并推测像素中缺失细节的工具。
  • **4× 是什么意思?**宽和高都变为原来的四倍:504 × 336 变为 2016 × 1344。
  • **能在什么都不改的情况下放大照片吗?**这里没有哪款工具能做到。
  • 有免费的吗? Upscayl:免费、离线,但不适合小尺寸人脸。
  • 够用来打印吗? 按每英寸 300 像素计算,2016 × 1344 的图片可以打印成约 17 × 11 cm。
  • **只想更清晰,不想变大?**那需要的是画质增强,不是图片放大。MegaPotato 中对应的模式叫“精修”,本次没有测试。

排行榜:18 款 AI 图片放大工具及其设置对比#

每款工具都将相同的 16 张小图(504 × 336 像素,轻度受损)放大 4 倍,再将每个结果与原图对比。总分满分为 100。计算公式和各个分项见测试方法。

点击查看全部指标
82.6完整测试 78.87.00 完整测试 7.13否 薯片包两轮测试均第一。真实低画质照片、夜景和 AI 照片最干净。人脸自然轻微磨皮。小尺寸人脸与本人长相的差距比 Wonder 和 Crystal 更大。让受损照片中的一位女性变年轻了$0.073 网页应用
81.9完整测试 75.77.09 完整测试 6.99否 fal.ai 是 Topaz API人脸保真度最高。唯一读出 3029 的工具。网络视频帧表现最好仅提供 API,应用中是 Wonder 3。部分人物年龄改变。把雕像和玩偶当成真人$0.24 fal.ai
81.86.81否 积分包人脸评审最喜欢它的人脸。没有凭空生成内容只能在网页中使用。数字有误。未参与完整测试$0.22 网页
80.8完整测试 69.56.78 完整测试 5.97否 API 是 网站按图像指标衡量最接近原图。无人物照片表现最好不擅长噪点和受损纸质老照片(真实低画质照片得分 46.1)。把墨镜变透明。雕像变形$0.35 API
73.26.16否 API 或应用结果好看(MUSIQ 61.2)编造文字。颜色偏移。新增物体。最高约 8 MP$0.16 API
73.25.81否 API 或应用结果最好看,与 Topaz Bloom 2 持平(MUSIQ 63.6)添加蓝天绿树。人脸变年轻。编造文字$0.16 API
70.96.66否 免费应用保留人脸和颜色时比较谨慎。便宜不够清晰。文件尺寸小(免费应用为 1264 px)。数字清楚,但不对$0.11 API
69.95.78否 fal.ai 是 Topaz API处理较大且清晰的物体时很干净小尺寸人脸有塑料感(7 张面貌改变,共 67 张)。去掉了口罩$0.45 fal.ai
68.15.81否 fal.ai 是 Topaz API清晰鲜明,为 AI 画作设计重绘人脸(同一人相似度 0.26)。新增文字。颜色更鲜艳$0.91 fal.ai
65.15.47否 fal.ai 是 Topaz API便宜。边缘干净文字错乱。9 张人脸面貌改变,共 67 张。去掉了口罩$0.11 fal.ai
63.95.42否 APIAPI 最便宜。AI 画作和干净边缘处理得不错小尺寸人脸变形(5 张,共 67 张)。无法设置尺寸$0.033 API
62.64.89否 fal.ai 是 Topaz API便宜。边缘干净小尺寸人脸模糊、有塑料感(8 张面貌改变,共 67 张)。去掉了口罩$0.11 fal.ai
59.75.12否 免费免费、离线、保护隐私。不编造文字人脸变形(13 张,共 67 张)。文字模糊免费 自备 GPU
53.74.12否 最高 2K 是 超过 2K工具集中在一个平台,也包含合作方模型与真实人脸相差很远(21 张面貌改变,共 67 张)。脸上出现线条。粉笔字变灰$0.21 Pro 套餐
53.55.20否 ComfyUI 是 自有网站清晰。保留场景分两次放大 2×(节点输出 2×)。到处都有颗粒和生硬的边缘。与原图相差很远(LPIPS 0.49)$1.13 ComfyUI
46.32.34否 ComfyUI 是 自有网站生成内容丰富的新图片,适合概念设计场景变了。41 张人脸面貌改变,共 67 张。到处都是编造的文字$1.02 ComfyUI
34.14.20否 fal.ai 是 Topaz API适合大尺寸、清晰的输入图几乎不改变小图。出现细黑边$0.11 fal.ai
33.32.03否 API–场景变了。51 张人脸面貌改变,共 67 张。文字不知所云$2.05 API

总分:满分 100,下方是同一工具在完整测试中的总分(135 张照片,参与测试的三款工具)。Opus 5.5 评审:0–10 分,下方为完整测试的评分。“必须订阅?”:该使用渠道是否必须按月订阅;工具有两种渠道时分别列出(红色 = 是)。Krea 和 ChatGPT 的免费额度有限。优缺点:概括两轮测试及高难度样本中观察到的表现,详见逐一点评测试过的 AI 图片放大工具。*单张价格:每月处理 100 张照片时三种尺寸的均价,下方注明获得该价格的购买渠道。Topaz 自有 API 比 fal.ai 贵。MegaPotato 的 API 没有批量优惠,均价为 $0.091(AI 图片放大工具价格)。将鼠标移到列名上,可查看该指标衡量什么。全部说明见各项指标的含义。点击一行可查看所有指标,包括完整测试的数据。

前四名的分差不到两分。 MegaPotato(82.6)、Topaz Wonder 3.5(81.9)、Let's Enhance(81.8)和 Crystal(80.8)单独构成第一梯队。下一款工具是使用严格提示词的 ChatGPT(提示词见设置、提示词与对齐),落后八分,得分为 73.2。所以我们决定选其中三款,继续用范围更广、难度更高、更有挑战性的样本进行测试。

画质与保真度:好看和保留原图是两回事#

本次测试主要使用真实照片。不仅因为这是最重要的使用场景之一,也因为这类照片更难处理。AI 画作里多出一种纹理,往往只是多了一点艺术效果。真实照片显然有原图可对照,所以错误很容易看出来:换了一张脸、一个词,或是多了一种原本没有的颜色。

图 1 · 好看不等于忠于原图

Scatter plot of 8 points: 观感评分(MUSIQ) against 与原图的距离(LPIPS). 与原图的距离(LPIPS) from 0.193 to 0.287. Highest 观感评分(MUSIQ): ChatGPT,简单提示词 (63.6); lowest: Gemini (50.4). Highlighted: MegaPotato (59.9 at 0.207).

好看不等于忠于原图
与原图的距离(LPIPS)观感评分(MUSIQ)
ChatGPT,简单提示词0.28763.6
Topaz Wonder 3.50.21161.7
MegaPotato0.20759.9
Crystal0.19359.7
Upscayl (Standard)0.24055.7
Topaz Standard V20.24854.9
Recraft Crisp0.22253.6
Gemini0.24250.4

八种设置在核心测试 16 张照片上的平均分。越靠左,越接近原图(LPIPS 越低,它是总分中衡量接近程度的指标之一);越靠上,观感评分(MUSIQ)越高。横轴从最接近原图的工具附近开始,而非从零开始:按定义,原图的位置是 0,其 MUSIQ 得分为 53.3,低于大多数处理结果。

显然,ChatGPT 的结果最好看,也毫不意外地属于离原图最远的一批。专用工具更接近原图,但没那么好看(也要看输入图)。

完整测试:MegaPotato、Topaz Wonder 3.5 与 Crystal 在 135 张照片上的对比#

完整测试选了核心测试前四名中的三款:MegaPotato、Topaz Wonder 3.5 和 Crystal。(核心测试第三名 Let's Enhance 只能在网页中使用,我们没有让它处理这 135 张照片。)

样本:135 张照片,567 张人脸。

  • 核心测试中的 14 张照片,有原图。
  • 16 张 AI 生成照片(FLUX.1 [schnell])和 13 张无人物照片(动物、自然、建筑),按核心测试相同的方法缩小并做劣化处理(加入轻微模糊与噪点,保存两次 JPEG),有原图。
  • **29 张保持拍摄原样的真实低画质照片:**旧手机拍摄的弱光照片、早期数码相机照片、聊天软件传输的副本、舞台与聚会照片。不存在高分辨率原图。
  • 19 张纸质老照片与胶片扫描图,带有灰尘、褪色和颗粒,为测试而缩小。不存在干净的原图。
  • 44 张原生小尺寸照片,按发布时的原样输入:37 张来自 2001–2007 年的 Flickr 照片,以及 7 帧来自 2005–2009 年网络视频的画面。不存在高分辨率原图。

其中包括:人物(103 张照片)、人群与合影(30 张)、人脸(567 张人脸,其中 348 张在输入图中宽 10–24 像素,173 张宽 25–59 像素,46 张更大)、招牌与文字(20 张)、夜景、舞台与弱光(24 张)、老照片(21 张)、AI 图片(16 张)、动物(20 张)、自然(26 张)、城市、建筑与室内(55 张),以及网络视频帧(7 帧)。我们没有纳入静物(商品和食物),这批样本关注人物、地点、动物和自然。

没有干净的高分辨率原图时,评审将结果与输入图对比,并且只计算无需原图的指标。与原图的接近程度(LPIPS、A-FINE、同一人相似度)来自有原图的 43 张照片。每个指标只对适用的照片取平均,再按权重相加得到总分。n 列标明每一行覆盖多少张照片或人脸。

指标MegaPotatoTopaz Wonder 3.5Crystaln
总分,0–10078.875.769.5135 张照片
Opus 5.5 评审 ↑7.136.995.97135 张照片
Qwen3.8,局部放大区域 ↑7.247.216.83135 张照片
Qwen3.8,人脸 ↑6.696.596.24567 张人脸
同一人相似度 ↑0.5180.5580.556138 张人脸
变成他人,% ↓1.11.22.8567 张人脸
人脸质量(eDifFIQA) ↑0.5220.5250.484567 张人脸
LPIPS ↓0.2050.2100.19143 张照片
A-FINE ↓17.034.835.443 张照片
MUSIQ ↑52.452.545.7135 张照片
NIQE ↓3.983.954.01135 张照片
DISTS ↓0.1400.1250.11943 张照片
DreamSim ↓0.01660.01210.010743 张照片
DINOv2 ↑0.9660.9750.97643 张照片
TOPIQ-FR ↑0.6960.7050.70343 张照片
色差 ΔE ↓2.422.312.1143 张照片
MANIQA ↑0.3250.3440.281135 张照片
CLIP-IQA+ ↑0.5120.5370.466135 张照片
TOPIQ ↑0.4420.4690.403135 张照片

第一行是总分,下面十行是总分的组成项。点击按钮展开的另外八项用于核验,不计入总分。将鼠标移到指标名称上可查看说明。全部定义见各项指标的含义。

按工具查看完整测试:数据相同,每款工具一行
工具完整测试总分Opus 5.5 评审(完整测试)Qwen3.8,局部放大区域(完整测试)Qwen3.8,人脸(完整测试)同一人相似度(完整测试)变成他人,%(完整测试)人脸质量(完整测试)LPIPS(完整测试)A-FINE(完整测试)MUSIQ(完整测试)NIQE(完整测试)
MegaPotato78.87.137.246.690.5181.10.5220.20517.052.43.98
Topaz Wonder 3.575.76.997.216.590.5581.20.5250.21034.852.53.95
Crystal69.55.976.836.240.5562.80.4840.19135.445.74.01

每款工具占一行,列出总分和十个分项,与排行榜的详情面板一致。上表的数据相同,但还列出了八项核验指标。

**按照片类型看结果。**使用相同公式,对每一类样本单独计算。某一类没有人脸或原图时,去掉相应分项,再按比例调高其余权重,使总和达到 100 %。因此,应在同一类别内比较工具,不要拿不同类别互相比:

核心测试照片1482.981.780.5
AI 生成照片1679.276.176.1
无人物照片1372.872.674.2
真实低画质照片2967.262.846.1
老照片与胶片1973.974.073.3
原生小尺寸照片(Flickr、网络视频)4475.575.461.9
按内容看同一组结果:人物、文字、夜景、动物等
人物10378.675.268.2
人群与合影3080.076.169.7
人脸(10 px 及以上)10378.975.268.3
招牌与文字2081.678.573.9
动物2075.474.566.3
自然2682.781.077.2
城市、建筑与室内5579.676.871.5
夜景、舞台与弱光2470.164.855.2
老照片2176.976.574.7
AI 图片1679.276.176.1
网络视频帧765.567.642.7
有原图的照片4379.878.478.4

这些数字说明了什么:

  • **MegaPotato 在完整测试中领先 3 分。**它尤其擅长真实低画质照片(67.2,Wonder 为 62.8,Crystal 为 46.1,共 29 张)、夜景和舞台灯光(70.1,另外两款为 64.8 和 55.2,共 24 张),以及 AI 图片、文字与招牌、人群。
  • Wonder 3.5 在纸质老照片上与它打平(74.0 对 73.9,共 19 张),原生小尺寸照片也基本持平(75.4 对 75.5,共 44 张),在网络视频帧上则领先(67.6 对 65.5,共 7 帧)。Crystal 只在无人物照片上领先(74.2,共 13 张),真实低画质照片上则远远落后。
  • Opus 5.5 盲评的排序也一致: MegaPotato 7.13,Wonder 3.5 6.99,Crystal 5.97,满分 10(135 张照片)。Qwen3.8 对局部放大区域的评分排序也一致(7.24、7.21、6.83)。
  • **人脸:与核心测试呈现相同的分歧。**综合多个人脸识别模型的结果,Wonder 3.5 和 Crystal 最接近原图中的人物。MegaPotato 的人脸则获得 Qwen3.8 人脸评审最高的评分,也最少被判为变成了另一个人。
  • A-FINE 是 MegaPotato 领先最多的指标,因为它认为 MegaPotato 的结果更自然。 A-FINE(CVPR 2025)[1] 衡量两件事:结果有多接近原图,以及看起来有多自然。当结果比原图更自然时,它会大幅提高自然度的权重。将这一指标拆开分析,在完整测试中有原图的 43 张照片中,A-FINE 认为 MegaPotato 在每一张照片上的结果都比原图更自然。
图 2 · 完整测试 · 真实低画质照片

2010 年白宫网络视频的一帧,发布时为 480 × 360 px(输入图中 120 × 90 px 的局部)

各工具收到的输入图
MegaPotato
Opus 5.5 评审 7.5MUSIQ 43
Crystal
Opus 5.5 评审 5.0MUSIQ 26
Topaz Wonder 3.5
Opus 5.5 评审 4.5MUSIQ 42

2010 年白宫网络视频的一帧,以照片形式发布,归入真实低画质照片。MegaPotato 生成的人脸清晰自然,Wonder 3.5 和 Crystal 的结果仍然模糊。真实低画质照片是 MegaPotato 领先幅度最大的一类。

图片:Executive Office of the President,公有领域

图 3 · 完整测试 · 原生小尺寸照片

一只猫,640 × 480 px,2004 年(输入图中 170 × 128 px 的局部)

各工具收到的输入图
MegaPotato
Opus 5.5 评审 8.0MUSIQ 35
Crystal
Opus 5.5 评审 5.0MUSIQ 24
Topaz Wonder 3.5
Opus 5.5 评审 7.0MUSIQ 33

水族箱里的鱼,640 × 480 px,2005 年(输入图中 200 × 150 px 的局部)

各工具收到的输入图
MegaPotato
Opus 5.5 评审 8.0MUSIQ 72
Crystal
Opus 5.5 评审 9.0MUSIQ 69
Topaz Wonder 3.5
Opus 5.5 评审 7.0MUSIQ 68

演唱会上的歌手,1280 × 960 px,2006 年(输入图中 110 × 83 px 的局部)

各工具收到的输入图
MegaPotato
Opus 5.5 评审 7.0MUSIQ 38
Crystal
Opus 5.5 评审 4.0MUSIQ 28
Topaz Wonder 3.5
Opus 5.5 评审 8.0MUSIQ 41

原生小尺寸照片(不存在真正的高分辨率原图),按发布时的原样输入。猫的照片中,Crystal 保留了旧 JPEG 文件的杂点,Wonder 3.5 和 MegaPotato 则把它们清掉了。鱼的照片中,MegaPotato 的鱼鳞和眼睛最清晰,Wonder 干净但略显模糊,Crystal 则保留了噪点。歌手的照片中,Crystal 仍然不够清晰,Wonder 和 MegaPotato 则生成了干净的人脸。这 44 张照片上,MegaPotato 和 Wonder 3.5 打平(75.5 和 75.4),Crystal 依然最模糊(61.9)。

照片(Flickr,CC BY 2.0,creativecommons.org/licenses/by/2.0):“Cat | In your face cat.”,Jennifer Kramer 摄;“I Want This Guy's Job!!!”,James 摄;“Elwood Caine concert at Herr Nilsen”,Henning Klokkeråsen 摄。经过裁剪和放大。

我们如何测试这些 AI 图片放大工具#

基本上,测试照片分两类:

  1. 高分辨率、高画质照片:用不同方法(JPEG 压缩、模糊、噪点等)劣化,再缩小到低分辨率。
  2. 原生低分辨率照片。
图 4 · 夜市 · 全图
各工具收到的输入图
原图

左:核心测试中各工具收到的输入图,一张 504 × 336 的小尺寸副本(这里已放大展示)。右:原图,所有工具都没见过,只用作对照答案。

放大来看:

图 5 · 夜市 · 160 × 120 px 局部,输入图 504 × 336
各工具收到的输入图
原图
夜市:160 × 120 px 局部,输入图尺寸为 504 × 336 px。

同一群人的局部放大图。在各工具收到的副本中,这些人脸只有约 20–26 像素宽,其余细节只能靠放大工具猜。

核心测试(16 张照片,18 款工具及其设置)。

  • 所有工具收到相同的受损输入图: 504 × 336 像素,加入轻微模糊和噪点,保存两次 JPEG,模拟转发过几次的照片。AI 图片只做了缩小。
  • 所有工具完成相同任务:放大 4 倍(2016 × 1344)。 Topaz、Crystal、Let's Enhance、MegaPotato、Krea、Upscayl 和 Magnific 都设为 4×。Recraft 无法设置尺寸,但返回的结果恰好是 4×。ChatGPT 和 Gemini 无法指定尺寸,所以我们将它们的结果缩放到 2016 × 1344。
  • 默认设置,每张照片只跑一次。 Topaz 测了六个模型;ChatGPT 分别使用简单提示词和严格提示词。为避免引入额外变量,我们没有更改任何默认参数。
街头赛跑 · 人群、小尺寸人脸
人像 · 近景人像、大尺寸人脸
球队合影,1914 年 · 老照片(1914 年)
猫 · 宠物、毛发
咖啡馆菜单 · 文字(黑板)与人物
伊斯坦布尔的房屋 · 建筑
夜市 · 夜景
Midjourney 图片 · AI 画作(Midjourney)
蜂鸟 · 野生动物、羽毛
杂货店,1943 年 · 老照片(1943 年)、招牌与人物
足球队 · 球队合影、人脸与号码

核心测试 16 张照片中的十一张(原图)。全部 16 张的链接见 photos.csv。各工具收到的只有小尺寸受损版本。

**完整测试(135 张照片,3 款领先工具)。**照片情况见上文。每张图片一次放大到 4×:MegaPotato 使用网页应用,Wonder 3.5 和 Crystal 通过 fal.ai 使用默认设置。

**两位评审都采用盲评。**用能力强的多模态 AI 模型打分[2],是 AI 研究中已有的成熟方法[3]。我们用了两个不同模型,避免单个模型的偏好左右结果。

  • Claude Opus 5.5(最高推理强度)[4]看到的是用随机字母标记的结果,包括全图和局部放大图,旁边放原图(没有原图时放输入图),给出 0 到 10 分。每张照片选一个结果展示两次,检查评分是否一致。
  • Qwen3.8[5](27B)对照原图,为局部放大区域和每张人脸评分,同样采用 0–10 分制,并对每张人脸回答:还是同一个人吗?

**测量方法。**先用 SCRFD[6]在原图上检测一次所有人脸(没有原图时使用放大后的输入图),再从每个结果中以同样方式裁出这些人脸。这样,即使某款工具把一张脸弄没了,也不能逃过测试。

  • **还是同一个人吗?**取四个人脸识别模型的平均相似度(大多数人脸用了三个):ArcFace[7](在 Glint360K[8] 上训练)、MagFace[9]、AdaFace[10](在 WebFace12M[11] 上训练)和 AuraFace[12](1 = 同一张脸,不同人的得分约为 0–0.3)。
  • 人脸质量: eDifFIQA[13](DifFIQA[14] 的后续版本,速度更快),无需原图,衡量人脸有多干净、多容易辨认。
  • 与原图的接近程度: LPIPS[15] 和 A-FINE[1] 计入总分。DISTS[16]、DreamSim[17]、DINOv2[18]、TOPIQ[19] 和 CIEDE2000 色差[20] 用作核验指标。
  • 看起来好不好?(无需原图):MUSIQ[21] 和 NIQE[22] 计入总分,MANIQA[23]、CLIP-IQA+[24] 和 TOPIQ 用作核验指标。

各项指标使用开源 IQA-PyTorch 库[25]及模型自带代码计算。

总分(0–100)。 Opus 评分占 28 %,以下各占 8 %:Qwen3.8 对局部放大区域的评分、Qwen3.8 对人脸的评分、同一人相似度、被 Qwen3.8 判为变成他人的人脸比例、人脸质量、LPIPS、A-FINE、MUSIQ 和 NIQE。评审给出的分数乘以 10。其余指标统一缩放,使核心测试的 18 款工具及其设置中,表现最好的得 100,最差的得 0。完整测试沿用同一标尺,因此总分的含义相同。优于核心测试最佳值的记为 100,差于最差值的记为 0。权重由我们选定,每个分项都已公开,你也可以按自己的方式加权。 权重在核心测试结束后、完整测试开始前固定下来。Opus 权重最高,因为它是能力极强的闭源模型,而且核心测试中,它的评分最符合我们自己的肉眼判断。

**关于可复现性。**评分前,每个结果先与输入图对齐:偏移超过 0.75 像素的移回原位(Wonder 3.5 的结果经常偏移约 0.8 像素)。这些数值可以复现,见如何复现本次测试。

处理前后:细节对比#

除非图中另有说明,以下局部图均来自核心测试。

人脸:哪款 AI 图片放大工具保留了人物面貌#

每张结果图下方的小字含义如下:Opus 5.5 评审,盲评给该局部所在整张结果图的评分(0–10)。人脸相似度,有人脸时,表示人脸识别模型测出的这张脸与原图人物有多接近(0–1,不同人的得分约为 0–0.3)。MUSIQ,整张结果图的观感评分(0–100)。

图 6 · 球队合影,1914 年 · 56 × 42 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.5人脸相似度 0.39MUSIQ 62
Crystal
Opus 5.5 评审 7.0人脸相似度 0.49MUSIQ 64
Let's Enhance
Opus 5.5 评审 7.0人脸相似度 0.46MUSIQ 60
Topaz Wonder 3.5
Opus 5.5 评审 7.0人脸相似度 0.56MUSIQ 72
Gemini
Opus 5.5 评审 7.0人脸相似度 0.61MUSIQ 43
ChatGPT
Opus 5.5 评审 5.5人脸相似度 0.37MUSIQ 69
Krea
Opus 5.5 评审 5.0人脸相似度 0.25MUSIQ 61
Upscayl
Opus 5.5 评审 2.5人脸相似度 0.54MUSIQ 62
Recraft Creative
Opus 5.5 评审 2.0人脸相似度 0.07MUSIQ 37
Magnific Creative
Opus 5.5 评审 2.3人脸相似度 0.17MUSIQ 69
球队合影,1914 年:56 × 42 px 局部,输入图尺寸为 504 × 336 px。

1914 年的一位足球运动员,副本中他的脸只有约 25 像素宽。六款工具处理后的人脸仍与本人接近:Crystal、Let's Enhance、MegaPotato、Topaz Wonder 3.5、Gemini 和 ChatGPT(ChatGPT 还让照片略微偏蓝)。Krea 在脸上画满黑线,Upscayl 把脸弄坏了,Recraft Creative 和 Magnific Creative 则画成了另一个男人。注意 Upscayl 的数据:人脸相似度为 0.54,但 Qwen3.8 人脸评审只给了 2 分,满分 10 分。一张扭曲但保留大致轮廓的脸,也能骗过人脸识别。这就是我们同时展示两类指标的原因。

近景人像上,几乎所有工具都做得不错:图像提供的信息多得多,任务也就更容易。

图 7 · 人像 · 140 × 105 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.5人脸相似度 0.97MUSIQ 39
Crystal
Opus 5.5 评审 8.0人脸相似度 0.97MUSIQ 47
Topaz Wonder 3.5
Opus 5.5 评审 7.5人脸相似度 0.97MUSIQ 47
Topaz Bloom 2
Opus 5.5 评审 7.0人脸相似度 0.86MUSIQ 51
Upscayl
Opus 5.5 评审 7.0人脸相似度 0.97MUSIQ 29
Magnific Creative
Opus 5.5 评审 3.8人脸相似度 0.72MUSIQ 44
人像:140 × 105 px 局部,输入图尺寸为 504 × 336 px。

简单的样本:近景人像的鼻子和嘴唇。Crystal 和 Topaz Wonder 3.5 保留的皮肤纹理最接近原图。MegaPotato 稍微磨平了皮肤纹理。Topaz Bloom 2 重绘了嘴唇,Upscayl 有蜡质感,Magnific Creative 则自己画上了雀斑。

小尺寸人脸则极其难处理,工具之间的差距也非常明显。人群或老合影里,一张脸只有 10–35 像素宽,模型基本只能靠猜。

图 8 · 夜市 · 56 × 42 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 6.0人脸相似度 0.47MUSIQ 58
Let's Enhance
Opus 5.5 评审 6.0人脸相似度 0.44MUSIQ 57
Topaz Wonder 3.5
Opus 5.5 评审 6.5人脸相似度 0.39MUSIQ 63
ChatGPT
Opus 5.5 评审 4.5人脸相似度 0.38MUSIQ 64
Gemini
Opus 5.5 评审 6.0人脸相似度 0.16MUSIQ 45
Recraft Creative
Opus 5.5 评审 1.5人脸相似度 0.09MUSIQ 49
夜市:56 × 42 px 局部,输入图尺寸为 504 × 336 px。

夜市人群边缘的一位女性,脸只有约 15 像素宽。没有哪款真正还原了她。按 Qwen3.8 人脸评审的判断,Let's Enhance 最接近(6 分,满分 10 分),MegaPotato 和 ChatGPT 得 5 分,Topaz Wonder 3.5 得 3 分。有意思的是,连 ChatGPT 也没能把它重绘好。Gemini 和 Recraft Creative 则完全丢失了这张脸。

图 9 · 杂货店,1943 年 · 36 × 27 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 6.5人脸相似度 0.24MUSIQ 59
Topaz Wonder 3.5
Opus 5.5 评审 7.5人脸相似度 0.23MUSIQ 61
Gemini
Opus 5.5 评审 7.5人脸相似度 0.28MUSIQ 48
ChatGPT
Opus 5.5 评审 5.5人脸相似度 0.26MUSIQ 65
Crystal
Opus 5.5 评审 7.0人脸相似度 0.18MUSIQ 59
Upscayl
Opus 5.5 评审 2.5人脸相似度 0.28MUSIQ 58
杂货店,1943 年:36 × 27 px 局部,输入图尺寸为 504 × 336 px。

1943 年的一位店主,脸只有约 16 像素宽。这次看起来 Topaz Wonder 3.5 和 MegaPotato 最接近:Wonder 保留了脸和胡子,但改变了视线方向;MegaPotato 和 Gemini 保留了脸,但胡子变淡了。ChatGPT 让他年轻了很多。Crystal 画成了一张不同的、更瘦的脸,Upscayl 则让人脸无法辨认。

图 10 · 伊斯坦布尔的房屋 · 32 × 24 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.0MUSIQ 73
Topaz Wonder 3.5
Opus 5.5 评审 7.0MUSIQ 73
Topaz Bloom 2
Opus 5.5 评审 4.5MUSIQ 72
Upscayl
Opus 5.5 评审 3.0MUSIQ 68
Recraft Creative
Opus 5.5 评审 1.5MUSIQ 49
Magnific Creative
Opus 5.5 评审 1.8MUSIQ 72
伊斯坦布尔的房屋:32 × 24 px 局部,输入图尺寸为 504 × 336 px。

雕像的脸似乎也遵循同样的规律。这尊半身像的脸只有约 12 像素高,是极难的样本,所以每个模型都失败了,只是失败方式不同。MegaPotato 和 Topaz Wonder 3.5 看起来最接近,至少在正确的位置保留了一张女性的脸。Topaz Bloom 2 雕出了另一张脸,Upscayl 和 Recraft Creative 丢失了这张脸,Magnific Creative 则把半身像变成了花瓶。

**人脸数据说明了什么。**核心测试有 67 张人脸,来自 9 张照片,在输入副本中宽 10–290 像素。每张脸都测了同一人相似度、Qwen3.8 人脸评审评分,以及是否被评审判为变成了另一个人:

  • **人脸识别与 AI 评审的分歧很有意思。**模糊的普通缩放结果能拿到很高的同一人相似度,因为模糊保留了大致轮廓。但评审会给这种结果扣分。要生成清晰的人脸就必须猜,而每次猜测都会让它离原图远一点。没有模型能绕过这种取舍。
  • 人脸质量区分不开几款领先工具。 eDifFIQA 给 Crystal、Wonder 3.5、Let's Enhance、MegaPotato 和 ChatGPT 的人脸评分为 0.56–0.59,与真实人脸(0.58)相当。变形或模糊的人脸得分低得多(Upscayl 0.39,普通缩放 0.27)。但这更接近观感指标:它衡量的是人脸是否干净、容易辨认,而不是是否仍为同一个人。

创意模型是另一回事。多数情况下,它们根本不打算保留人物面貌:

图 11 · 咖啡馆菜单 · 96 × 72 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.0人脸相似度 0.73MUSIQ 57
Crystal
Opus 5.5 评审 7.0人脸相似度 0.79MUSIQ 53
Topaz Bloom 2
Opus 5.5 评审 6.5人脸相似度 0.43MUSIQ 56
Recraft Creative
Opus 5.5 评审 2.0人脸相似度 0.21MUSIQ 56
Krea
Opus 5.5 评审 4.5人脸相似度 0.45MUSIQ 56
Magnific Creative
Opus 5.5 评审 2.8人脸相似度 0.08MUSIQ 60
咖啡馆菜单:96 × 72 px 局部,输入图尺寸为 504 × 336 px。

咖啡馆照片里的女性。MegaPotato 和 Crystal(以及完整对比图中的 Topaz Wonder 3.5 和 Let's Enhance)保留了她的面貌。Topaz Bloom 2、Recraft Creative、Krea 和 Magnific Creative 各自画成了不同的女性:人脸识别模型给出的相似度为 0.08 到 0.45,而 MegaPotato 为 0.73,Crystal 为 0.79。

文字与数字:错得最像真的#

放大工具处理小字时最危险。结果看起来能读清,你就会信。

图 12 · 街头赛跑 · 60 × 45 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.0MUSIQ 65
Topaz Wonder 3.5
Opus 5.5 评审 7.5MUSIQ 67
Crystal
Opus 5.5 评审 6.5MUSIQ 62
Gemini
Opus 5.5 评审 6.0MUSIQ 58
ChatGPT(严格提示词)
Opus 5.5 评审 3.0MUSIQ 66
Recraft Creative
Opus 5.5 评审 2.0MUSIQ 61
街头赛跑:60 × 45 px 局部,输入图尺寸为 504 × 336 px。

文章开头的那位跑者。真实号码是 LUT 3029 TP。这次看起来 Topaz Wonder 3.5 和 MegaPotato 最接近:Wonder 读对了数字(但把 TP 写成了 7P),MegaPotato 写的是 2029。Crystal 写成 2020,Gemini 写成 2022,而且只有 Gemini 读出了红色条带上的“trucks”。ChatGPT(严格提示词)写的是“182 XDA 17”,Recraft Creative 则连号码布和衣服一起换掉了。

显然,大字比小字容易:

图 13 · 夜市 · 112 × 72 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 6.0MUSIQ 58
Topaz Wonder 3.5
Opus 5.5 评审 6.5MUSIQ 63
Crystal
Opus 5.5 评审 6.5MUSIQ 59
ChatGPT
Opus 5.5 评审 4.5MUSIQ 64
Magnific Creative
Opus 5.5 评审 1.8MUSIQ 59
Recraft Creative
Opus 5.5 评审 1.5MUSIQ 49
夜市:112 × 72 px 局部,输入图尺寸为 504 × 336 px。

夜市的一块招牌。MegaPotato、Topaz Wonder 3.5 和 Crystal 都保留了大字。下方的电话号码 0981337668 在输入图中已经无法辨认,没有哪款工具能还原:Wonder 3.5 和 Crystal 在原位画了拉丁字母,MegaPotato 则画了编造的字符。ChatGPT 用新风格重绘了整块招牌,Magnific Creative 在上面画了一栋房子,Recraft Creative 写了别的字。

图 14 · 咖啡馆菜单 · 96 × 72 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.0MUSIQ 57
Crystal
Opus 5.5 评审 7.0MUSIQ 53
Topaz Wonder 3.5
Opus 5.5 评审 7.5MUSIQ 54
Krea
Opus 5.5 评审 4.5MUSIQ 56
Magnific Creative
Opus 5.5 评审 2.8MUSIQ 60
Recraft Creative
Opus 5.5 评审 2.0MUSIQ 56
咖啡馆菜单:96 × 72 px 局部,输入图尺寸为 504 × 336 px。

咖啡馆菜单。文字够大,在小图中也能读清,所以几乎每款工具都保留了文字。这次看起来 MegaPotato、Crystal 和 Topaz Wonder 3.5 最接近。有意思的是,许多模型没能保留色调。Krea 把粉笔字变成灰色,Magnific Creative 改写了其中两个词,Recraft Creative 则把菜单写成了不知所云的内容(“smme”、“olwerlo”、“Kinierl”)。

颜色:谁没给照片重新上色#

图 15 · 伊斯坦布尔的房屋 · 100 × 75 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.0MUSIQ 73
Crystal
Opus 5.5 评审 7.0MUSIQ 74
Topaz Wonder 3.5
Opus 5.5 评审 7.0MUSIQ 73
ChatGPT(简单提示词)
Opus 5.5 评审 7.0MUSIQ 70
伊斯坦布尔的房屋:100 × 75 px 局部,输入图尺寸为 504 × 336 px。

伊斯坦布尔一栋房屋上的常春藤。MegaPotato、Crystal 和 Topaz Wonder 3.5 保留了颜色。ChatGPT 用这两种提示词时,都把深棕红色的叶子变成了鲜绿色。

图 16 · 街头赛跑 · 全图
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.0MUSIQ 65
Topaz Wonder 3.5
Opus 5.5 评审 7.5MUSIQ 67
ChatGPT(简单提示词)
Opus 5.5 评审 3.0MUSIQ 68
ChatGPT(严格提示词)
Opus 5.5 评审 3.0MUSIQ 66

赛跑照片全图。MegaPotato 和 Topaz Wonder 3.5 与其他谨慎的工具一样,保留了颜色。使用简单提示词的 ChatGPT 把暖光变成冷光,还在画面上方添加了蓝天和绿树。严格提示词保留了更多暖色,但颜色依然偏移(色差分别为 11.1 和 7.8,而上面两款为 2.3)。

动物毛发与 AI 生成图片#

图 17 · 猫 · 64 × 48 px 局部,输入图 504 × 336
各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 8.0MUSIQ 55
Crystal
Opus 5.5 评审 7.5MUSIQ 56
Topaz Wonder 3.5
Opus 5.5 评审 7.5MUSIQ 57
ChatGPT(简单提示词)
Opus 5.5 评审 6.0MUSIQ 61
Magnific Creative
Opus 5.5 评审 3.8MUSIQ 54
Recraft Creative
Opus 5.5 评审 4.0MUSIQ 47
猫:64 × 48 px 局部,输入图尺寸为 504 × 336 px。

猫的毛发。这次看起来 MegaPotato 和 Crystal 最接近,Topaz Wonder 3.5 略微模糊。ChatGPT 让毛色更偏橙,Magnific Creative 画出了斑点毛色,Recraft Creative 则画成长而顺滑的毛发。

图 18 · 完整测试 · AI 图片 · 96 × 72 px 局部,输入图 384 × 288
各工具收到的输入图
AI 原图
MegaPotato
Opus 5.5 评审 8.0人脸相似度 0.75MUSIQ 64
Crystal
Opus 5.5 评审 7.0人脸相似度 0.74MUSIQ 65
Topaz Wonder 3.5
Opus 5.5 评审 6.5人脸相似度 0.72MUSIQ 64
AI 生成的阶梯教室图片:96 × 72 px 局部,输入图尺寸为 384 × 288 px。

完整测试中的一张 AI 图片(FLUX.1 [schnell],由我们生成),有 16 张人脸。三款领先工具都处理得不错。MegaPotato 的结果在 Opus 5.5 评审中得分最高(8 分,满分 10 分;Crystal 为 7,Wonder 3.5 为 6.5),Qwen3.8 对局部放大区域的评分和与原图的接近程度(LPIPS)也最好。它的人脸也最接近原图中的人物(同一人相似度 0.75,另外两款为 0.74 和 0.72)。

凭空生成的细节:工具添加了哪些原图没有的内容#

每款生成式工具都编造了一些原图中从未存在的细节。通用模型更频繁,专用模型少一些,但没有哪款能完全避免。

  • **MegaPotato:**文字太小看不清时,会编造标志和字符。
  • **ChatGPT:**新增物体和装饰(窗帘、画作、公司名称),改变天空和光线。
  • **Topaz Wonder 3.5:**把雕像、玩偶和画中人脸变成真人和照片。文字太小时会写错数字。
  • **Topaz Standard V2、Low Resolution V2 和 Standard MAX:**容易去掉小尺寸人脸上的配饰。
  • **Topaz Bloom 2:**给人物、雕像和桌面添加新的衣物或物品。
  • **Recraft Creative:**换了整个场景:新的人物、植物、窗户和菜单。
  • **Magnific Creative:**同样换了场景:新的人物和文字,把半身像变成瓮。

极高难度样本:纸质老照片、重度 JPEG 压缩、噪点(57 张图片)#

完整测试衡量的是平均表现。所以我们又做了几组极端劣化测试,看看模型在最糟糕的情况下表现如何:57 张图片,缩小到 288 × 216 或更小,再刻意劣化,或者图片本身就很难处理。包括带半色调网点的印刷品扫描图、重度 JPEG 压缩、弱光噪点、带灰尘和划痕的纸质老照片、有纹理的纸张、极小的人脸、墨镜、雕像、玩偶、绘画和漫画。原图均为公有领域或采用自由许可协议的照片(美国国会图书馆、Wikimedia Commons、大都会艺术博物馆、Pexels)。这里只测试三款领先工具,由 AI 盲评为每张图选出最佳结果。下面展示的图片还单独进行了一轮盲评,由 Opus 5.5 按核心测试的评分标准为每个结果打分。评审分数和 MUSIQ 列在各图下方。你看到的面貌变化是工具生成的,并非人物本来的样子;展示它们只是为了记录工具的行为。

图 19 · 高难度样本 · JPEG 质量 12 下的眼镜

音乐家照片经过重度 JPEG 压缩(质量 12)(64 × 48 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.5MUSIQ 55
Crystal
Opus 5.5 评审 4.0MUSIQ 52
Topaz Wonder 3.5
Opus 5.5 评审 5.0MUSIQ 61

火车乘客照片经过重度 JPEG 压缩(质量 12)(56 × 42 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 3.5MUSIQ 60
Crystal
Opus 5.5 评审 4.5MUSIQ 58
Topaz Wonder 3.5
Opus 5.5 评审 3.0MUSIQ 63

重度 JPEG 压缩损伤下的两张人脸。任务难到这个程度,各工具的表现都还过得去,但各自编造或丢失的细节不同。

照片:cottonbro studio,Pexels 许可协议;Syazani Zahari,Pexels 许可协议

图 20 · 高难度样本 · 纸质老照片

一张棕褐色调的纸质老照片,有灰尘和划痕,画面模糊(148 × 111 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 5.5MUSIQ 44
Crystal
Opus 5.5 评审 3.5MUSIQ 34
Topaz Wonder 3.5
Opus 5.5 评审 4.0MUSIQ 43

一张褪色的爱因斯坦纸质老照片。

照片:Ferdinand Schmutzer,公有领域

图 21 · 高难度样本 · 重度 JPEG 压缩与噪点

1943 年的照片经过重度 JPEG 压缩(质量 12)(90 × 68 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 5.5MUSIQ 66
Crystal
Opus 5.5 评审 2.5MUSIQ 54
Topaz Wonder 3.5
Opus 5.5 评审 6.5MUSIQ 68

同一张照片,加入严重的弱光噪点(90 × 68 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 5.5MUSIQ 49
Crystal
Opus 5.5 评审 3.5MUSIQ 44
Topaz Wonder 3.5
Opus 5.5 评审 6.0MUSIQ 64

同一张 1943 年照片的两种严重劣化版本。MegaPotato 让女性变年轻了,还弄丢了她的眼镜。

照片:Jack Delano,美国国会图书馆,公有领域(美国政府作品)

图 22 · 高难度样本 · 墨镜

重度 JPEG 压缩后的深色墨镜(100 × 75 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 6.0MUSIQ 77
Crystal
Opus 5.5 评审 7.0MUSIQ 76
Topaz Wonder 3.5
Opus 5.5 评审 6.5MUSIQ 78

重度 JPEG 压缩后,跑者佩戴的镜面运动墨镜(98 × 74 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 6.5MUSIQ 75
Crystal
Opus 5.5 评审 5.5MUSIQ 68
Topaz Wonder 3.5
Opus 5.5 评审 7.0MUSIQ 76

经过重度 JPEG 压缩损伤后,Crystal 经常把深色墨镜变透明,还在镜片后画出眼睛。MegaPotato 和 Wonder 3.5 通常会保留镜片的深色。

照片:Karan Singh,Pexels 许可协议;RUN 4 FFWPU,Pexels 许可协议

图 23 · 高难度样本 · 玩偶与大理石头像

玩具博物馆中的素瓷娃娃,输入图中脸宽约 22 px(56 × 42 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 7.0MUSIQ 71
Crystal
Opus 5.5 评审 4.5MUSIQ 62
Topaz Wonder 3.5
Opus 5.5 评审 4.0MUSIQ 69

罗马男性大理石半身像,公元 1 世纪中叶(128 × 96 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 6.0MUSIQ 68
Crystal
Opus 5.5 评审 7.5MUSIQ 69
Topaz Wonder 3.5
Opus 5.5 评审 6.5MUSIQ 72

几个非真人面孔的样本。

图片:Alf van Beem,Wikimedia Commons,CC0;The Metropolitan Museum of Art,开放获取,CC0

图 24 · 高难度样本 · 水彩画

John Singer Sargent 的水彩画,1912 年(60 × 45 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 6.5MUSIQ 55
Crystal
Opus 5.5 评审 6.5MUSIQ 52
Topaz Wonder 3.5
Opus 5.5 评审 3.5MUSIQ 64

一幅画。Wonder 毫不犹豫地把画中的脸变成了照片。MegaPotato 让面孔更年轻、更光滑,更像插画。Crystal 保留了疏放的笔触,这样处理似乎才对。

图片:John Singer Sargent,The Metropolitan Museum of Art,开放获取,CC0

图 25 · 高难度样本 · 带纹理的纸张

一张 1910 年代的纸质照片,从带纹理的纸张扫描而来(72 × 54 px 局部,输入图 288 × 216 px)

各工具收到的输入图
原图
MegaPotato
Opus 5.5 评审 8.5MUSIQ 62
Crystal
Opus 5.5 评审 4.5MUSIQ 54
Topaz Wonder 3.5
Opus 5.5 评审 6.5MUSIQ 65

只有 MegaPotato 去掉了纸张纹理。Wonder 留下一部分纹理,还让女性的眼神更凌厉。Crystal 则原样保留了全部纹理。

照片:Harris & Ewing,美国国会图书馆,未发现出版限制

严重受损的人脸是我们的弱项:8 张这样的图片中,MegaPotato 在 6 张上改变了人物(年龄变化、换了脸,或把眼睛睁开了)。输入图极小时,没有哪款保留住爱因斯坦的面貌,MegaPotato 还在每张结果图的两条边上留下了一条像素条纹带。

图片类型图片数Wonder 3.5 最佳MegaPotato 最佳Crystal 最佳
报纸与杂志网点(半色调扫描图)11860
纸质老照片:灰尘、划痕、模糊、纸张纹理7260
人物照片的重度 JPEG 压缩与弱光噪点16963
重度 JPEG 压缩后的墨镜5430
极小的人脸与输入图(128 × 96、160 × 120)8552
雕像与玩偶5140
绘画与漫画5212
全部高难度样本5731317

并列第一时,每款并列工具都计一次,所以一行的次数之和可能超过图片数。各组样本都很少,一张图就能改变这一行的结果。

简单说,Wonder 3.5 和 MegaPotato 在高难度样本上完全打平:各拿 31 次第一,总共 57 张,Crystal 拿了 7 次。印刷品扫描图、重度 JPEG 压缩和噪点照片:先试 Wonder 3.5。纸质老照片、雕像、玩偶和带纹理的纸张:MegaPotato。绘画:Crystal,它能保留笔触。受损人脸则没有哪款能稳妥处理。

按照片类型选择 AI 图片放大工具#

  • 保持拍摄原样的真实低画质照片(旧手机照片、早期数码相机照片、聚会和舞台照片):MegaPotato,而且明显领先(67.2,Wonder 3.5 为 62.8,Crystal 为 46.1,共 29 张)。
  • 夜景、舞台与弱光: MegaPotato(70.1,另外两款为 64.8 和 55.2,共 24 张)。
  • **转发过、压缩过或尺寸较小的人物照片:**想要最清晰、最自然的人脸,选 MegaPotato。如果要尽量接近原图中的人脸,选 Topaz Wonder 3.5 或 Crystal(同一人相似度更高)。
  • 褪色的纸质老照片和家庭老照片: Wonder 3.5 或 MegaPotato。在 19 张纸质老照片上,两者持平(74.0 和 73.9)。MegaPotato 在高难度样本中生成的人脸最清晰,但有时会把严重的损伤变成图案。没有哪款工具能可靠地去除灰尘和划痕。
  • 报纸和杂志扫描图: Topaz Wonder 3.5 或 MegaPotato。
  • 雕像、玩偶、绘画和素描: MegaPotato 能让石雕的眼睛仍然像石头。绘画则选 Crystal,它能保留笔触。Wonder 有时会把它们变成“活人”。
  • **没有人物的风景、动物和建筑:**三款都很接近(Crystal 74.2,MegaPotato 72.8,Wonder 3.5 72.6)。
  • **带姓名、数字或招牌的照片:**处理小字时,别相信任何工具。突然变得清晰可读的词或数字,是猜出来的,不是还原出来的。小字正是我们下一版 MegaPotato 要改进的重点。
  • **把小文件打印成大图:**按每英寸 300 像素,2016 × 1344 像素可打印约 17 × 11 cm(6.7 × 4.5 in)。MegaPotato 最高支持 8 倍,Let's Enhance 支持 16 倍,Topaz Gigapixel 支持 6 倍。
  • **通过 API 处理数千张图片:**照片可选 MegaPotato(单张 $0.079,按每月 1 000 张计算)、Topaz(自有 API 单张 $0.26,每月 $50 起;通过 fal.ai 则为 $0.24)或 Crystal($0.35)。Recraft Crisp($0.033)只适合干净的图形。我们没有测试大批量处理的速度和可靠性。

AI 图片放大工具价格:实际要花多少钱#

图 26 · 四款领先工具:单张照片的价格

Bar chart of 4 bars: MegaPotato $0.073, Let's Enhance $0.22, Topaz Wonder 3.5 · fal.ai $0.24, Crystal $0.35. Highest: Crystal; lowest: MegaPotato.

四款领先工具:单张照片的价格
value
MegaPotato$0.073
Let's Enhance$0.22
Topaz Wonder 3.5 · fal.ai$0.24
Crystal$0.35

总分距第一名不到两分的四款工具(80.8 到 82.6),以及各自的单张价格:每月 100 张照片,取三种尺寸的均价。柱形从零开始。另外三款的价格是 MegaPotato 的 3.1 到 4.8 倍。图中未列出 Topaz 自有 API:其套餐每月 $50 起,所以每月处理 100 张时,主要支出是套餐费,摊到每张为 $0.54。每月处理 1 000 张时则为 $0.26。

图 27 · 花多少钱,得到什么画质

Scatter plot of 14 points: 总分 against 单张价格,$ (log scale). 单张价格,$ from 0.033 to 2.051. Highest 总分: MegaPotato (82.6); lowest: Recraft Creative (33.3). Highlighted: MegaPotato (82.6 at 0.073). Hollow points are estimates.

花多少钱,得到什么画质
单张价格,$总分总分 from总分 toseriesestimate
MegaPotato0.07382.6MegaPotato
Topaz Wonder 3.50.2481.9Topaz
Let's Enhance0.22381.8Let's Enhance
Crystal0.3580.8Crystal
ChatGPT0.16273.2OpenAIyes
Gemini0.11370.9Googleyes
Topaz Standard MAX0.45369.9Topaz
Topaz Bloom 20.90768.1Topaz
Topaz Precision,3 个模型0.10753.934.165.1Topaz
Recraft Crisp0.03363.9Recraftyes
Krea Enhance0.2153.7Kreayes
Magnific Precision V21.13053.5Magnific
Magnific Creative1.02046.3Magnificyes
Recraft Creative2.05133.3Recraftyes

总分与单张价格的关系,按每月 100 张照片、三种尺寸均价计算,各厂商用不同颜色区分,Topaz 按 fal.ai 价格计算。价格轴采用对数刻度:相同距离代表相同比例,而非相同美元差额。空心点表示价格是按每百万像素的单价折算的。Upscayl 未列入图表:应用本身免费,但需要自备显卡并承担电费,我们没有计算这些费用。价格如何计算 ↓

图表中的价格如何计算

单张价格取三种任务的均价,每种都放大 4 倍(0.17 → 2.7 MP、1 → 16 MP、3 → 48 MP),按每月 100 张照片计算。一次性购买的积分包或永不过期的额度,按该用量下可使用的月数摊销,最多计 12 个月;每种用量都选择最便宜的积分包或套餐。Topaz 按 fal.ai 价格计算(按量付费)。如果改用 Topaz 自有 API,由于每月最低消费 $50,所有 Topaz 数据点都会右移(Wonder 3.5 移到 $0.54)。Topaz 的三个 Precision 模型(Standard V2 62.6、Low Resolution V2 65.1、High Fidelity V3 34.1)价格相同,因此共用一个位于平均分的数据点,线段从最低分延伸到最高分。MegaPotato 按网页应用价格计算,批量优惠为 −20 %,条件是一次提交至少 3 张照片。每月 100 张时,小尺寸任务最划算的是 $25、600 片薯片的薯片包,另外两种较大尺寸则是 $50、1 300 片薯片的薯片包。其 API 没有批量优惠,该用量下单张为 $0.091。Gemini 和 OpenAI 按 Batch API 计算(半价,24 小时内出结果)。工具无法生成某种尺寸时(ChatGPT 超过 8 MP、Gemini 达到 48 MP、Magnific Creative 超过 25 MP、Recraft 无法指定任何尺寸),或只公布一种尺寸的价格时(Krea),按每百万像素价格折算,并用空心点标记。下表列出每月 10 张和 1 000 张的费用。均为税前价格。

单张价格掩盖了两件事:必须先买什么,以及不写代码能不能用。所以下表列出核心测试中小尺寸任务的整月费用(将 504 × 336 照片放大 4 倍,得到 2.7 MP),每款工具都能完成这个任务。价格来自各厂商自有网站或 API,于 2026 年 11 月 15 日 重新核查,每个来源都注明日期,均为税前价格。原始页面见来源链接。

MegaPotato[26]$0.50$3.33$31一次性购买薯片包,$5 起。薯片不过期。同时提交至少 3 张:−20 %是
Crystal API(Clarity AI)[27]$0.50$5$50按量付费,$1 起否
Crystal 网站(Clarity AI)[27]$13–19$13–19$199–299月度套餐:Starter 每月 $19(按年付费折合 $13),含 1 200 积分,小图每张 5 积分。每月 1 000 张需要 Business,含 30 000 积分。最便宜的套餐不支持“小尺寸图片”是
Topaz Wonder 3.5(Topaz API)[28]$50$50$100Topaz 自有 API,每月 $50 起。每张 1 积分否
Topaz Standard V2、Low Res V2、High Fidelity V3(Topaz API)[28]$50$50$100相同的 API 套餐。每张 1 积分否
Topaz Standard MAX(Topaz API)[28]$50$50$100相同的 API 套餐。每张 1 积分否
Topaz Bloom 2(Topaz API)[28]$50$50$200相同的 API 套餐。每张 2 积分否
Topaz Wonder 3.5(fal.ai)[29]$0.80$8$80按量付费。每档 $0.08,输出每 8 MP 算一档,不足也按一档计否
Topaz Standard MAX(fal.ai)[29]$0.80$8$80按量付费。每档 $0.08,输出每 4 MP 算一档,不足也按一档计否
Topaz Standard V2、Low Res V2、High Fidelity V3(fal.ai)[29]$0.80$8$80按量付费。每档 $0.08,输出每 24 MP 算一档,不足也按一档计否
Topaz Bloom 2(fal.ai)[29]$1.60$16$160按量付费。每档 $0.08,输出每 2 MP 算一档,不足也按一档计否
Topaz for Web,Image(Wonder 3,并非 3.5)[30]$14–19$14–19$14–19固定价套餐:每年 $199,每月 $19,按月付款也须承诺订阅全年,或每月 $19 逐月订阅,无需承诺全年,促销价分别为 $169 和 $16(须承诺订阅全年)(2026 年 11 月 15 日)。Topaz 声称处理次数不限。公布的限制是导出最高 32 MP、同时处理两张,仅限个人或小企业使用是
Topaz Gigapixel(桌面端,Wonder 3)[30]$11–29$11–29$11–29每年 $149,每月 $19,按月付款也须承诺订阅全年,或每月 $29 逐月订阅,无需承诺全年,促销价为 $127 和 $16(须承诺订阅全年)。本地处理次数不限,云端处理“次数不限”,同时处理两张是
Let's Enhance[31]$3.25$9$72订阅套餐或一次性购买积分包。每张 1 积分是
Gemini(API)[32]$0.50$5$50Batch API,按量付费。生成 2K 图片(2528 × 1696)。不写代码可用免费应用,输出为 1264 px否
ChatGPT(OpenAI 图像 API)[33]$0.42$2.71$27Batch API,质量设为“high”。最低预付 $5。不写代码时,应用输出为 1536 × 1024否
Recraft Crisp(API)[34]$0.08$0.40$4按量付费,$1 起否
Recraft Creative(API)[34]$2.50$25$250按量付费,$1 起否
Magnific Creative(ComfyUI 节点)[35]$3.40$34$340预付 Comfy 积分,最低 $10,有效期一年。Magnific 自有套餐每月 €16 起否
Magnific Precision V2(ComfyUI 节点)[35]$3.40$34$340相同的积分。分两次放大 2×否
Krea(Pro 套餐)[36]$21–35$21–35$21–35Pro 每月 $35,或按年付费折合 $21:20 000 计算单位。Krea 已不再注明这些单位能处理多少张 Enhancer 图片(10 月时注明为每月 2 500 张)是
Upscayl免费免费免费自备显卡是

实际怎么选?如果你会写代码,MegaPotato 的 API 是几款谨慎保留原图的工具中最便宜的:单张 $0.091(每月 100 张、三种尺寸均价;API 没有批量优惠,网页应用有,同样的照片单张为 $0.073)。相比之下,Topaz Wonder 3.5 通过 Topaz 自有 API 的单张价格为 $0.54(通过 fal.ai 为 $0.24),Crystal 的 API 为 $0.35。不写代码,选择就少一些。Crystal 网站按年付费时每月 $13 起(按月付费为 $19)。用于照片的 Wonder 3.5 只能通过 API 使用:fal.ai 按量付费,或 Topaz 自有 API 每月 $50 起(Topaz 自有应用里是 Wonder 3,我们没有测试)。所以,能在浏览器里用、一次性付费、无需订阅的领先工具,基本只有 MegaPotato 和 Let's Enhance,而我们计算过的每种尺寸,MegaPotato 都更便宜。如果用量真的很大,比如每月约 1 000 张,Topaz 搭载 Wonder 3 的固定价套餐很难有对手(Gigapixel 每年 $149,Topaz for Web $199,2026 年 11 月 15 日 的促销价为 $127 和 $169):Topaz 声称处理次数不限,未公布月度上限,只注明导出上限 32 MP、同时处理两张。每月处理数千次是否仍然如此,我们无法验证。每月 100 张时,MegaPotato 已经更便宜。

影响实际价格的细则,以及未测试的工具
  • 最低消费: Topaz 自有 API 每月 $50(10 月标着“即将推出”的 $0“Starter”套餐已消失;每张照片所需的积分见其文档[37]);fal.ai 无最低消费。Crystal 网站每月 $13–19。MegaPotato 一次性 $5。Crystal 和 Recraft 的 API 按量付费,$1 起。Gemini 和 OpenAI 的 API 需预付 $5。
  • 会过期的额度: Let's Enhance 订阅套餐的积分在取消订阅后失效(一次性购买的积分包不过期)。Crystal 网站的积分不结转。Gemini 和 OpenAI API 的额度在 12 个月后过期。MegaPotato 的薯片、Recraft 的用量单位和 Crystal API 的积分都不过期。
  • 价格跳档与尺寸限制: Crystal 刚超过 16 MP 就会价格翻倍($0.20 变为 $0.40)。Topaz Standard V2 超过 24 MP 翻倍,而通过 Topaz API 使用 Wonder 3.5 时,16 MP 就已经要 2 积分。在 fal.ai 上,Wonder 3.5 每档收费 $0.08,输出每 8 MP 算一档,不足也按一档计($0.16 对应 16 MP,$0.48 对应 48 MP)。MegaPotato 的费用每次递增一片薯片(每个图块 0.06 片薯片,向上取整)。OpenAI 图像 API 最高约 8 MP。免费 Gemini 应用为 1264 px。Let's Enhance 免费套餐最高 8 MP,并带品牌标志。
  • 未测试: VanceAI[38]、Pixelcut[39] 和 Remini[40]。价格见工具介绍。

逐一点评测试过的 AI 图片放大工具#

每款工具简单说几句:是什么、擅长什么、哪里出了问题。评分见排行榜,价格见价格表,这里就不重复了。

1. MegaPotato AI 图片放大工具:两轮测试均第一,领先工具中最便宜#

MegaPotato 是我们自己的工具,提供网页应用和 API,用同一个模型实现 2×、4×、8× 放大,或保持原尺寸的精修;购买薯片包即可,无需订阅。

它最擅长真实低画质照片、夜景和 AI 图片,人脸自然,清理纸质老照片(纸张纹理、灰尘)也比其他工具更好。弱项是小尺寸人脸:处理后与本人长相的差距比 Crystal 和 Wonder 3.5 略大;在昏暗受损的照片中,会改变年龄,有时甚至换了脸;输入图极小时,边缘会留下条纹。

2. Topaz Wonder 3.5:人脸保真度最高,但只能通过 API 使用#

Topaz Labs 可能是图片放大领域最知名的品牌(自 2026 年 9 月起归属 Adobe),有三个表现截然不同的模型系列:Precision、Generative 和 Creative。值得关注的是 Wonder 3.5,它仅提供 API,可用 Topaz 自有 API 或 fal.ai,我们用的是后者。应用里搭载的是 Wonder 3。

人脸保真度最高,唯一读对跑者号码的工具,半色调扫描图表现最好,对受损人脸也最谨慎。问题是:会把雕像和玩偶当成真人、把绘画当成照片,会改变人物年龄,褪色的纸质老照片仍然不够清晰。其他 Topaz 模型则是另一回事:Standard V2、Low Resolution V2 和 Standard MAX 会让小尺寸人脸变得像塑料,也容易去掉配饰;High Fidelity V3 几乎不处理小图(它是为大图设计的);Bloom 2 会重绘人脸。

3. Let's Enhance:保真度相近,也容易上手#

Let's Enhance 是最早一批网页图片放大工具之一,只能在网页中使用(API 以 Claid 品牌单独出售,我们没有测试),提供几种模式。我们用的是默认的 Prime。按积分付费,可买积分包或订阅套餐。

谨慎,保真度高:人脸评审最喜欢它的人脸,也没有凭空添加大块内容。输在清晰度:无论按局部放大区域的评审评分,还是按观感指标衡量,它的结果都是四款领先工具中最模糊的;处理后的人脸也比 Wonder 和 Crystal 的结果略微偏离本人长相。

4. Crystal Upscaler(Clarity AI):普通照片保真度很高,不擅长噪点和印刷品#

Crystal 是 Clarity AI 的闭源模型,针对人脸和商品做过优化:API 按张收费,网站采用订阅套餐。

按图像指标衡量,它最接近原图:保留人物和颜色,不添加内容,无人物画面中表现最好。但噪点和 JPEG 方块也保留下来,只是变得更清晰,半色调网点仍然是网点。高难度样本中,它把深色墨镜变透明,还让老照片里的孩子看起来像成年人。不适合扫描图、受损纸质照片或噪点多的照片。

5. 用 ChatGPT 放大图片:第一眼很好看,但会改动重要细节#

ChatGPT 没有放大按钮:你要求更大的版本,图像模型就重新画一张。

第一眼看,它的结果最好看。但大家熟悉的重绘问题仍然存在:颜色偏移、人物变年轻、文字编得煞有介事,严格要求“不要凭空编造”也拦不住。只要一张好看的图,可以;家庭照片、文档、商品,或任何带姓名和数字的内容,不适合。

6. Gemini 应用(Google Nano Banana):对人脸较谨慎,但文件尺寸小#

Gemini 也不是专门的放大工具,它会重绘整张图。

聊天模型中最谨慎的一款,保留了人脸和颜色。不过文件尺寸小,画面不够清晰,还会写出清清楚楚的错误数字和编造的词。

7. Recraft(Crisp 和 Creative):处理图形便宜,不适合小尺寸人脸#

Recraft 是设计工具,提供两款放大模型:Crisp 锐化已有内容,Creative 重绘。无法选择输出尺寸。

Crisp 处理 AI 画作和干净边缘还不错,也是本次测试最便宜的 API,但会让小尺寸人脸变形。Creative 则干脆另画一张照片,换上新的人物和不知所云的文字。适合批量处理标志、图形和 AI 画作,不适合人物。

8. Upscayl:免费、离线,但不适合小尺寸人脸#

Upscayl 是免费开源桌面应用,在你自己的显卡上运行 Real-ESRGAN 一类的模型:不需要账户、没有水印,照片不离开电脑(内置模型中有三个标明不可商用)。

免费、保护隐私,AI 画作和干净边缘处理得还行,也不编造文字。但小尺寸人脸会变形,小字依然模糊。用它免费、离线放大干净的图片,也就这样了。

9. Krea:功能很多,我们测的是它自家的画质增强工具#

Krea 是创作平台。其 Enhancer 同时提供自有模型和合作方模型(Topaz、Magnific)。我们测的是 Krea 自家的。

如果你本来就在这里生成图片,很多工具集中在一起,倒也方便。但处理照片时,自家的 Enhance 与真实人脸相差很远,在 1914 年照片的人脸上画出黑线,还把红色粉笔字变成灰色。最终在本次测试中接近垫底。

10. Magnific:这款知名工具会另画一张图,照片模式则锐化过度#

Magnific 是大家说起放大工具时最先提到的名字,有 Creative 和 Precision 两种模式。我们通过 ComfyUI 的 Magnific 节点,使用节点默认设置测试了两种模式。无论要求什么倍率,节点都返回 2×,所以这里的 4× 是分两次 2× 完成的。

Creative 能生成内容丰富的新图,适合概念设计和插画。但对照片而言,问题恰恰就在这里:它画了一张新的,换了人物,也换了文字。Precision 保留场景,却给所有东西堆上清晰的虚构纹理。默认设置下,两者都远未进入第一梯队。Precision 如果降低细节设置,可能比这次表现更好。

三款热门但未测试的工具:VanceAI、Pixelcut、Remini
  • **VanceAI。**在线工具集(放大、降噪、修复、上色)。套餐每月 $15 起,含 260 积分,放大 4× 消耗 2 积分。新用户获赠 10 积分。
  • **Pixelcut。**面向电商卖家的照片编辑器。每天可免费下载 3 次 2× 结果,4× 需要 Pro(每月 $8–10,“不限次数”放大)。API 每次放大 $0.10,套餐每月 $10 起。
  • **Remini。**专注人脸的手机应用。不能选择尺寸,所以更像人脸“画质增强”工具,而不是放大工具。采用订阅制,常见的是按周订阅。

如何复现本次测试#

重新运行测试所需的信息,都在本页和四个小文件里:

  • **照片:**两轮主要测试的全部 137 张照片,其来源、许可协议和小尺寸输入图的制作方法,见 photos.csv。各类输入图的制作方法见附录,高难度样本见对应章节。
  • **工具:**每款工具的运行渠道、设置和提示词,见设置、提示词与对齐。
  • **评分:**评审、测量方法和公式,见测试方法。每款工具在两轮测试中的数据,见完整测试表和附录。
  • **所有得分:**每款工具在每张照片上的得分见 scores.csv,每张人脸的数据见 faces.csv。README.txt 说明每列的含义,以及如何汇总成本页的表格。数据可按 CC BY 4.0 免费使用,请附上本页链接。

**版本 1.1,2026 年 11 月 15 日。**已重新核查所有厂商的价格。MegaPotato 降价了(48 MP 照片现在只需 4 片薯片,原来为 5 片),因此现在比通过 Topaz 自有 API 使用 Topaz Wonder 3.5 便宜 7.4 倍,比通过 fal.ai 使用便宜 3.3 倍。Topaz 为其应用新增了按月付费的年度套餐,并调整了促销价,Krea 也不再列出各套餐的 Enhancer 图片数量。其他所有价格均未改变,测试结果也没有变化。

**版本 1.0,2026 年 10 月 14 日。**各工具于 2026 年 10 月上旬运行测试。价格于 2026 年 10 月 17 日重新核查,每个来源均注明日期。数据如有变更,会在这里列出。

**我们检查了数值能否复现。**用同一套代码对保存的核心测试结果再次评分,逐张比较,每个数值与首次运行的差异都在 0.15 % 以内。对 201 张人脸使用相同提示词和裁剪图重新提问,Qwen3.8 评审有 85 % 的评分完全一致,对“是否同一个人”的回答则有 99.5 % 一致。Claude Opus 5.5 在两个不同字母标记下,重复看了每张照片的一个结果。核心测试的 16 张照片中,9 张的两次评分完全一致,其余相差半分。放大工具本身再次运行时,可能给出不同结果。

如何引用本次测试

MegaPotato Research Team。The Best AI Image Upscalers of 2026–2027: Benchmark With Reproducible Metrics and Prices. megapotato.app,2026 年 10 月 14 日,2026 年 11 月 15 日 的版本 1.1。https://megapotato.app/blog/best-ai-image-upscalers-2026

bibtex
@misc{megapotato2026upscalers,
  title        = {The Best AI Image Upscalers of 2026--2027: Benchmark With
                  Reproducible Metrics and Prices},
  author       = {{MegaPotato Research Team}},
  year         = {2026},
  month        = oct,
  howpublished = {\url{https://megapotato.app/blog/best-ai-image-upscalers-2026}},
  note         = {Version 1.1, 15 November 2026}
}

附录:指标、设置、提示词与照片来源#

核心测试的全部数据(18 款工具及其设置)

总分各分项,取 16 张照片的平均值。“变成他人”是 67 张人脸中被 Qwen3.8 评审判为变成了另一个人的比例。A-FINE、DreamSim、DINOv2 和 TOPIQ-FR 使用半尺寸副本(1008 × 672)计算。将鼠标移到指标名称上可查看说明。全部定义见各项指标的含义。

MegaPotato82.67.006.986.850.4810.00.5600.20717.459.93.19
Topaz Wonder 3.581.97.097.157.010.5490.00.5700.21136.361.73.07
Let's Enhance81.86.816.697.030.5141.50.5920.20923.259.13.31
Crystal80.86.786.856.760.5451.50.5830.19337.159.72.98
ChatGPT,严格提示词73.26.166.806.520.4744.50.5620.26927.761.24.34
ChatGPT,简单提示词73.25.816.756.460.4556.00.5650.28723.563.64.08
Gemini 应用70.96.666.486.510.5191.50.5400.24235.250.44.63
Topaz Standard MAX69.95.785.955.840.49710.40.4990.22327.156.43.98
Topaz Bloom 268.15.816.275.780.2639.00.5310.28527.463.63.40
Topaz Low Resolution V265.15.475.405.570.48413.40.4830.23538.154.73.77
Recraft Crisp63.95.425.245.160.4907.50.4050.22230.153.64.01
Topaz Standard V262.64.895.155.210.46911.90.4790.24845.554.93.16
Upscayl (Standard)59.75.124.664.280.47619.40.3850.24035.255.73.65
Krea Enhance53.74.125.024.700.28131.30.5010.31747.558.23.04
Magnific Precision V253.55.205.495.240.4649.00.4930.49046.552.54.61
Magnific Creative46.32.344.103.660.14661.20.5290.32428.161.43.02
Topaz High Fidelity V334.14.204.123.840.53920.90.3260.40261.030.36.23
Recraft Creative33.32.033.202.810.16676.10.4790.41627.650.24.22
普通缩放–4.344.183.760.55125.40.2660.47162.727.17.61
真实原图––9.09–1.000–0.5770.00039.853.33.58

更多评分,不计入总分。与原图的接近程度:

MegaPotato0.1440.01250.9690.6972.49
Topaz Wonder 3.50.1280.00960.9810.7102.32
Let's Enhance0.1310.01720.9730.6642.29
Crystal0.1220.00760.9830.7072.12
ChatGPT,严格提示词0.1610.02330.9800.6214.82
ChatGPT,简单提示词0.1760.03150.9750.6056.19
Gemini 应用0.1360.01550.9760.6672.83
Topaz Standard MAX0.1490.01970.9580.6742.46
Topaz Bloom 20.1720.02650.9660.5714.60
Topaz Low Resolution V20.1590.01560.9380.6722.19
Recraft Crisp0.1540.01960.9480.6852.51
Topaz Standard V20.1530.01940.9580.6402.53
Upscayl (Standard)0.1630.02320.9500.6662.66
Krea Enhance0.1830.03470.9330.4894.27
Magnific Precision V20.2070.0102–0.6633.20
Magnific Creative0.1910.0626–0.4465.51
Topaz High Fidelity V30.2130.03890.9730.5952.88
Recraft Creative0.2280.06450.8850.3266.97
普通缩放0.2220.02710.9720.6082.57
真实原图0.0000.00001.0000.8180.00

–:未计算(两行 Magnific 数据)。

不依赖原图的观感评分:

MegaPotato0.3940.6020.532
Topaz Wonder 3.50.4220.6240.570
Let's Enhance0.4200.5910.524
Crystal0.3890.6000.541
ChatGPT,严格提示词0.3740.6220.483
ChatGPT,简单提示词0.4000.6510.513
Gemini 应用0.3050.5240.368
Topaz Standard MAX0.3620.5790.478
Topaz Bloom 20.4350.6160.579
Topaz Low Resolution V20.3450.5450.458
Recraft Crisp0.3330.5190.431
Topaz Standard V20.3240.5350.465
Upscayl (Standard)0.3530.5520.468
Krea Enhance0.3960.5930.542
Magnific Precision V20.3730.5390.491
Magnific Creative0.4150.6370.552
Topaz High Fidelity V30.2190.2850.222
Recraft Creative0.3290.5130.431
普通缩放0.2540.4180.222
真实原图0.3230.5380.433
输出 16 MP 图片,一个月花多少钱

规则与 AI 图片放大工具价格中的小尺寸任务表相同:将 1224 × 816 照片放大 4 倍。

MegaPotato$1.00$6$53一次性购买薯片包,$5 起。同时提交至少 3 张:−20 %是
Crystal API(Clarity AI)$2$20$200按量付费,$1 起否
Crystal 网站(Clarity AI)$13–19$33–49$199–299月度套餐是
Topaz Wonder 3.5(Topaz API)$50$50$200–360Topaz 自有 API,每月 $50 起。每张 2 积分(Topaz 另一页面写的是 4)否
Topaz Standard V2、Low Res V2、High Fidelity V3(Topaz API)$50$50$100相同的 API 套餐。每张 1 积分否
Topaz Standard MAX(Topaz API)$50$50$360相同的 API 套餐。每张 4 积分否
Topaz Bloom 2(Topaz API)$50$88$660相同的 API 套餐。每张 8 积分否
Topaz Wonder 3.5(fal.ai)$1.60$16$160按量付费。输出按两个 8 MP 档计费,不足一档也计入否
Topaz Standard MAX(fal.ai)$3.20$32$320按量付费。四个 4 MP 档否
Topaz Standard V2、Low Res V2、High Fidelity V3(fal.ai)$0.80$8$80按量付费。一个 24 MP 档否
Topaz Bloom 2(fal.ai)$6.40$64$640按量付费。八个 2 MP 档否
Topaz for Web,Image(Wonder 3,并非 3.5)$14–19$14–19$14–19固定价套餐(每年 $199,每月 $19,按月付款也须承诺订阅全年,或每月 $19 逐月订阅,无需承诺全年;促销价 $169 和 $16,见 2026 年 11 月 15 日 页面)。“不限次数”处理,导出上限 32 MP,同时处理两张是
Topaz Gigapixel(桌面端,Wonder 3)$11–29$11–29$11–29每年 $149,每月 $19,按月付款也须承诺订阅全年,或每月 $29 逐月订阅,无需承诺全年(促销价 $127 和 $16)。“不限次数”处理,云端同时处理两张是
Let's Enhance$6.50$24$160订阅套餐或一次性购买积分包。每张 2 积分,输出 16 MP是
Magnific Creative 和 Precision V2(ComfyUI 节点)$6.80$68$680预付 Comfy 积分。每张 143.6 积分,输出 16 MP否
Gemini(API)$0.76$7.60$76Batch API。按预设尺寸重绘(5056 × 3392)否
ChatGPT(OpenAI 图像 API)无法输出无法输出无法输出最大图片为 8.2 MP不适用
Recraft Crisp 和 Creative(API)无法输出无法输出无法输出无法设置尺寸不适用
Krea(Pro 套餐)$21–35$21–35$21–3520 000 计算单位。Krea 已不再注明这些单位能处理多少张 Enhancer 图片(10 月时注明为每月 2 500 张)是
Upscayl免费免费免费自备显卡是
设置、提示词与对齐

**制作小尺寸输入图(核心测试)。**从每张照片裁出 3:2 区域,生成 2016 × 1344 的参考原图,再缩小到 504 × 336(区域平均法),加入轻微模糊(sigma 0.3 px)和少量噪点(以 0–255 为量程,sigma 为 1.5),然后保存两次 JPEG(质量先 60,再 80)。AI 图片只做缩小。完整测试的输入处理方法,逐张列在照片清单中。

**各工具的运行渠道。**除尺寸外,均使用默认设置。测试于 2026 年 10 月上旬进行。

工具运行渠道设置
MegaPotatomegapotato.app 网页应用4×
Topaz Wonder 3.5,Standard MAXfal.ai topaz/upscale/image/generative按名称选择模型,upscale_factor 4,PNG
Topaz Bloom 2fal.ai topaz/upscale/image/creative按名称选择模型,upscale_factor 4,PNG
Topaz Standard V2,Low Resolution V2,High Fidelity V3fal.ai topaz/upscale/image/precision按名称选择模型,upscale_factor 4,PNG
Crystalfal.ai clarityai/crystal-upscalerscale_factor 4,creativity 0,PNG
Recraft Crisp,Recraft Creativefal.ai fal-ai/recraft/upscale/crisp,fal-ai/recraft/upscale/creative无法设置尺寸
Let's Enhanceletsenhance.io 网页应用Prime,4×
Kreakrea.ai Enhance4×
Magnific CreativeComfyUI 合作方节点 Magnific Image Upscale (Creative),预付 Comfy 积分4×,standard,creativity、HDR、resemblance 和 fractality 均为 0,engine automatic
Magnific Precision V2ComfyUI 合作方节点 Magnific Image Upscale (Precise V2)分两次放大 2×(无论要求什么倍率,节点都返回 2×);flavor photo,sharpen 7,smart grain 7,ultra detail 30
ChatGPTChatGPT Plus,图像工具下方提示词
GeminiGemini 应用(Nano Banana 2)简单提示词
UpscaylUpscayl 命令行引擎Standard 模型,4×

在 fal.ai 上,Topaz 默认开启人脸增强。评分时排除了 Let's Enhance 带标志的角落。

提示词。 ChatGPT 和 Gemini 使用的简单提示词:“Upscale this photo 4x. Keep everything exactly the same.” ChatGPT 使用的严格提示词:“Super-resolution only, 4x. Resolve the detail that is already in the pixels — do not restore, retouch or reinterpret. If you downscale your result back to the original size it must match the original pixel for pixel. Do not use any knowledge of who or what this is: import nothing from other versions of this image. Keep geometry, crop, identity, expression, lighting, colour, grain and lens character exactly as they are. Add only micro-texture implied by the input: pores, hair strands, fabric weave, edges. No retouching, no smoothing, no relighting, no grading, no new elements. Where a region is unresolvable, leave it soft instead of inventing detail.”

**对齐。**每个结果都缩放到输入图的 4× 尺寸。偏移超过 0.75 像素的结果移回原位(与双三次插值放大的输入图做相位相关测量);计算接近程度指标时,跳过移动后露出的少量边缘像素。ChatGPT 和 Gemini 会移动和裁剪图片,所以我们通过特征匹配对齐它们的结果。

评审。 Qwen3.8-27B-FP8 通过 vLLM 运行,使用贪心解码。Claude Opus 5.5(claude-opus-5-5)看到的每个结果都以随机字母标记。具体指令如下。

评审指令,逐字保留

**Claude Opus 5.5,核心测试。**每张对比图都使用这套评分标准。已省略涉及文件路径和输出文件的行。

text
You are a blind judge of AI image upscaling quality. You will score anonymous upscaled images against the real photo. You do not know which tools made them, and you must not try to find out.

Setup: for each photo there are 3 or 4 sheets named <photo>_<view>.jpg: one "overview" (the whole frame) and 2–3 zoomed views (faces, text, textures). In every sheet the first tile, labelled REAL PHOTO, is the real full-resolution photo. The other tiles, labelled with letters, are upscaled versions made from a small, damaged copy of that photo (504x336 pixels, with blur, noise and JPEG artifacts). Within one photo a letter always means the same image in every view. Letters are shuffled differently for each photo, so letter A of one photo has nothing to do with letter A of another photo. In the overview sheets, the bottom-left corner of every tile, including the real photo, is covered by the same grey box on purpose; ignore it. The grocery photo is an old 1943 black-and-white photo: its real photo is itself soft and grainy.

Task: for each photo, look at all its views first, then give every letter one score from 0 to 10 (half points allowed) for overall quality, the way a careful person would judge it looking at the result next to the real photo: is it sharp, clean and natural, and is it true to the real photo?
- 10: looks like the real photo, equally sharp and clean; no visible changes.
- 8–9: very close; sharp and natural; only tiny differences in fine texture.
- 6–7: good; clearly an upscale (a bit soft, over-sharpened or waxy) or small invented details, but the same people, text and colours.
- 4–5: clear problems: blurry, plastic skin, garbled details, a noticeable colour change, or one important thing changed.
- 2–3: serious problems: faces turned into other people or broken, invented or missing objects or text, the scene redrawn.
- 0–1: unusable.
Judge the whole image: the overview shows colours, the whole scene and overall sharpness; the zoomed views show faces, text and textures. A serious error in a zoomed view (a broken or replaced face, a new object, wrong readable text) must pull the score down even if the rest is good. Blurry but faithful results should not get high scores either. Be consistent across photos. Score each letter on its own merits.

Claude Opus 5.5,完整测试(AI 图片、无人物照片、真实低画质照片和纸质老照片):以下是评审收到的指令,已省略输出格式。原生小尺寸照片使用核心测试的评分标准,并以普通缩放放大的输入图代替真实原图。

text
You are a blind judge. Three image upscalers (anonymous, letters A, B and C) each enlarged the same small photo 4 times. You do not know which tool is which, and the letters are shuffled on every sheet. Please judge each sheet on its own.

What a sheet looks like. Each sheet is split into image files. Read every part of a sheet before you judge it. Part 1 is the whole image. The later parts are zooms. A red box under "Where this zoom is" shows the zoom's place. Top row: "What every tool got": the small input that all three tools were given, enlarged with plain bicubic (soft on purpose). "Original (answer)": only on some sheets. It is the real photo before it was damaged and shrunk. When it is there, it is the answer: the best result is the one closest to it. "Where this zoom is": the location of the zoom. Bottom row: A, B, C, the three results.

How to judge.
1. Fidelity, 0 to 10. With an original: how close is the result to the original? Same people (face shape, identity, age, expression, skin tone, hair, glasses, beard), same objects, same text, same colours, same textures. Without an original: is the result a believable sharper version of the input, without changing what is there? Fidelity errors include inventing content (new objects, jewellery, glasses, a different face, eyes opened or closed, text or letters that are not there, fake texture) and losing real content (glasses, moustache, text, patterns, people). A statue or doll must stay a statue or doll. A painting must stay a painting. An old print may stay an old print.
2. Naturalness, 0 to 10. Does it look like a good, natural photo? Look for waxy or plastic skin, a painted look, halos, oversharpening, leftover noise or JPEG blocks, smears, garbled text, repeating patterns, seams and bands at the edges.
3. Rank A, B and C overall. Fidelity matters most, then naturalness. Use "=" only when you truly cannot separate two results.
4. Invented or lost content. For each letter, list concrete changes you can see. Write "none seen" if you saw none.

Rules. Judge by eye only. Do not run code, do not measure pixels, do not compute statistics, do not compare file sizes or metadata. Do not try to guess which tool is which, and do not use names of tools. Some sheets may look alike. Judge every sheet fresh from its own images. Look closely at faces, hands, text and fine textures in the zooms.

**Qwen3.8,局部放大区域。**先是系统提示词,再是对每个结果的每个区域发送的请求({what} 指明该区域需要观察什么;“overall”就是计入总分的评分):

text
System: You are a meticulous photo-restoration evaluator. You compare an AI upscaler's output with the real high-resolution photo. Be strict: invented, removed or changed content (objects, letters, digits, faces, textures) is a serious fault even when the result looks sharp. Answer ONLY with the requested JSON.

Image 1 is the REFERENCE: a crop of the real high-resolution photo. Image 2 is the SAME crop taken from an AI upscaler's output; the upscaler only received a small, degraded version of the photo. What to look at in this region: {what}. Rate Image 2 against the reference and return JSON with keys: fidelity (0-10, 10 = same content as the reference, nothing invented, removed or changed), quality (0-10, sharpness and naturalness of Image 2 on its own: 10 = looks like a real high-resolution photo; blur, plastic skin, oversharpening, halos or painterly texture lower it), overall (0-10, how good a restoration of the reference this is), identity (only if the region shows a human face: 'same' | 'changed' | 'different' | 'destroyed'; otherwise 'n/a'), text (only if the reference contains readable letters or digits: 'correct' | 'partly' | 'wrong' | 'illegible'; otherwise 'n/a'), issues (a list of at most 4 short phrases naming concrete differences from the reference, or []). JSON only.

没有原图时,系统提示词用“with the small input photo it received”替换“with the real high-resolution photo”,请求开头则改为:“Image 1 is the INPUT: a crop of the small photo that an AI upscaler received, enlarged by plain resizing, so it is blurry by nature (no better original exists). Image 2 is the SAME crop taken from the upscaler's output.”字段不变,用“the input”替换“the reference”。

**Qwen3.8,人脸。**对每个结果的每张人脸提问(“overall”是计入总分的人脸评分;“same_person” = “no” 表示面貌改变):

text
Three tiles of the SAME face. Image 1: the REAL face (crop of the real high-resolution photo). Image 2: the degraded small input that the upscaler received, enlarged (blurry by nature). Image 3: the AI upscaler's result for the same tile. Compare Image 3 with Image 1 and answer as JSON with keys: same_person ('yes' | 'probably' | 'no' - is it still the same person as in Image 1?), expression ('kept' | 'changed' - eyes open/shut, mouth, smile, gaze), accessories ('kept' | 'changed' | 'none' - glasses, moustache/beard, mask, hat, badge, earrings), artefacts (list from: 'none', 'melted', 'painted', 'plastic_skin', 'extra_features', 'distorted', 'blurred', 'oversharpened'), overall (0-10: how faithful and natural a reconstruction of the real face Image 3 is; 10 = indistinguishable from Image 1, 0 = a different or destroyed face), note (one short sentence). JSON only.

没有原图时,人脸提示词只附两张图:普通缩放放大的输入图和结果图,并以输入图为参照回答相同问题。

**完整测试。**没有原图的照片,以双三次插值放大的输入图作参照评分,提示词中明确说明了这一点。AI 图片、无人物照片、真实低画质照片和纸质老照片的 Opus 评分,取保真度与自然度两个 0–10 分的平均值。原生小尺寸照片则以输入图作参照,只给一个 0–10 分。Qwen3.8 在这些照片上评估的局部放大区域为:细节最多的四个正方形(边长均为图片短边的三分之一),以及最大的 8 张人脸。与核心测试一样,Opus 5.5 评审同时查看每个结果的全图和局部放大图。

**人脸。**用 SCRFD 在 4× 尺寸的原图上统一检测一次(没有原图时,用放大 4× 的输入图)。纳入输入图中宽度至少为 10 像素的所有人脸。从每个结果中裁出相同、对齐的 112 × 112 区域。人脸识别模型对未翻转与翻转后的人脸图像特征取平均。同一人相似度取 AdaFace(IR-101、WebFace12M)、ArcFace(R100、Glint360K)、AuraFace v1 和 MagFace(R100)的平均值。核心测试中,MagFace 只用于赛跑照片的 14 张人脸;完整测试中则用于每张人脸。

指标。 LPIPS(AlexNet)和 CIEDE2000 色差(先做 2 px 高斯模糊)在全尺寸图上计算;DISTS 在 512 px 图块上计算;A-FINE、DreamSim、DINOv2(ViT-L)和 TOPIQ-FR 在半尺寸副本上计算;MUSIQ、CLIP-IQA+ 和 TOPIQ 取 5 个固定的 512 px 图块的平均值;MANIQA 和 NIQE 在全图上计算;eDifFIQA(L)在人脸裁剪图上计算。

本次测试的局限
  • 16 张照片对于 18 款工具来说,样本量很小。135 张的样本更大,但只测试三款。
  • 每张照片、每种设置只运行一次。生成式工具每次可能给出不同结果。
  • 使用默认设置。很多工具可以通过滑块调得更保守或更有创意。
  • ChatGPT 和 Gemini 无法精确输出 4×。
  • 没有原图的照片,只能对照更模糊的输入图评分。我们已告知评审。
  • 总分权重由我们选定。十个分项之一的 A-FINE 偏好比原图更自然的结果,这对改动较大胆的放大工具有利。各分项均已公开,你可以重新加权。
  • Topaz、Crystal 和 Recraft 通过 fal.ai 运行,Magnific 通过 ComfyUI 节点运行,并非厂商自有应用。自有应用的表现可能不同。
  • 人脸识别模型只将结果与对应原图比较,没有查询人物身份,也不公开人脸数据。
  • 价格和模型经常变化。测试于 2026 年 10 月上旬进行,价格截至 2026 年 11 月 15 日,每个价格来源均注明日期。
各项指标的含义

上面表格中所有列的说明都汇总在这里。页面中带点状下划线的列名,鼠标移上去就会显示对应说明。

总分
满分 100,28 % 来自 Opus 5.5 评审,其余九项各占 8 %(两项 Qwen3.8 评分、同一人相似度、面貌改变的人脸比例、人脸质量、LPIPS、A-FINE、MUSIQ 和 NIQE)。评审的 0–10 分乘以 10。其他各项统一缩放,使核心测试 18 款工具中表现最好的得 100,最差的得 0。见测试方法。
Opus 5.5 评审
Claude Opus 5.5 是 Anthropic 的多模态大语言模型。每个结果以随机字母标记,旁边放原图(没有原图时放输入图),评审查看全图和局部放大图后给出 0–10 分。占总分的 28 %。
Qwen3.8,局部放大区域
Qwen3.8-27B 是开放的多模态大语言模型,在租用的 H100 GPU 上运行。它对照原图,为每个结果中细节最丰富的局部放大区域打分,范围为 0–10。
Qwen3.8,人脸
同一模型对照原图中的人脸,为每张人脸裁剪图打 0–10 分,并回答是否仍为同一个人。
同一人相似度
结果中的人脸与原图同一张脸的平均相似度,由四个人脸识别网络计算:ArcFace(CVPR 2019,在 Glint360K 上训练)、MagFace(CVPR 2021)、AdaFace(CVPR 2022,在 WebFace12M 上训练)和 AuraFace(2024)。1 表示同一张脸,不同人的得分约为 0–0.3。
变成他人,%
被 Qwen3.8 评审判为变成了另一个人的人脸比例。
人脸质量(eDifFIQA)
eDifFIQA(IEEE T-BIOM 2024)是基于扩散模型的人脸图像质量指标,不依赖原图,衡量人脸看起来有多干净、多容易辨认。越高越好。
LPIPS
Learned Perceptual Image Patch Similarity(CVPR 2018),衡量结果与原图在 AlexNet 网络特征空间中的距离。越低越接近。
A-FINE
Adaptive Fidelity-Naturalness Evaluator(CVPR 2025),衡量结果与原图有多接近、看起来有多自然;当结果比原图更自然时,会增加自然度的权重。越低越好。
MUSIQ
Multi-Scale Image Quality transformer(ICCV 2021),无需原图的观感评分。越高越好。
NIQE
Natural Image Quality Evaluator(IEEE Signal Processing Letters 2013),无需原图,衡量图像的统计特征与自然照片相差多远。越低越自然。
DISTS
Deep Image Structure and Texture Similarity(IEEE TPAMI 2022),衡量结构和纹理与原图的接近程度。越低越接近。
DreamSim
以人类判断为训练依据的图像相似度指标(NeurIPS 2023)。越低越接近。
DINOv2
结果与原图的 DINOv2 ViT-L 特征相似度(TMLR 2024)。越高越接近。
TOPIQ-FR
自上而下的图像质量网络(IEEE TIP 2024),从图像语义逐层分析到失真;TOPIQ-FR 对照原图,TOPIQ 无需原图。越高越好。
色差 ΔE
结果与原图之间的 CIEDE2000 色差,先做 2 px 模糊,使测量关注颜色而非清晰度。越低越接近。
MANIQA
Multi-dimension Attention Network,用于图像质量评估,无需原图(CVPR Workshops 2022)。越高越好。
CLIP-IQA+
CLIP 模型眼中的图像观感(AAAI 2023),无需原图。越高越好。
单张价格
输出 2.7、16 和 48 MP 三种尺寸,在每月 100 张照片用量下的税前均价。见 AI 图片放大工具价格。
137 张照片:来源、许可协议与输入图

每张照片的来源、许可协议,以及精确的裁剪区域、取样窗口或随机种子,均见 photos.csv。各类输入图的制作方法如下:

  • **核心测试(16 张照片)。**将全尺寸文件的裁剪区域调整为 2016 × 1344(用作对照的原图),再通过区域平均法缩为 504 × 336。之后加入高斯模糊(sigma 0.3 px)、高斯噪点(sigma 1.5,满量程 255,使用该照片的随机种子),保存两次 JPEG(质量先 60,再 80;4:2:0)。完整测试使用其中 14 张(不含价格标签和 Midjourney 图片)。
  • **AI 图片(16 张)。**在 fal.ai 上用 FLUX.1 [schnell](fal-ai/flux/schnell,4 步,1536 × 1152),按该图片的提示词和随机种子生成,作为原图。输入图:通过区域平均法缩至 384 × 288,再加入与核心测试相同的模糊、噪点(同一随机种子)和 JPEG 压缩。
  • **无人物照片(13 张)。**将源文件的取样区域调整为 1536 × 1152(原图),再通过区域平均法缩至 384 × 288,随后加入与核心测试相同的模糊、噪点和 JPEG 压缩。
  • **真实低画质照片(29 张),无高分辨率原图。**输入图:按发布文件原有的像素尺寸裁剪,不做其他处理。
  • **老照片与胶片(19 张),无干净原图。**输入图:使用下载的文件,通过区域平均法(OpenCV INTER_AREA)缩至长边 480 px,不做其他处理。
  • **原生小尺寸照片(44 张),无高分辨率原图。**输入图:完全按发布时的原样使用文件(37 张 Flickr 照片,2001–2007 年),或取视频的一帧(7 帧网络视频画面,2005–2009 年)。采用 NC 或 ND 许可协议的文件,以及视频帧,只提供链接,不重新分发,本页也不展示它们的处理结果。

参考来源

  1. [1]Du Chen 等。Toward Generalized Image Quality Assessment: Relaxing the Perfect Reference Quality Assumption。CVPR,2025。
  2. [2]Dongping Chen 等。MLLM-as-a-Judge: Assessing Multimodal LLM-as-a-Judge with Vision-Language Benchmark。ICML,2024。
  3. [3]Lianmin Zheng 等。Judging LLM-as-a-Judge with MT-Bench and Chatbot Arena。NeurIPS Datasets and Benchmarks Track,2023。
  4. [4]Anthropic。Introducing Claude Opus 5.5。Anthropic 公告页面,2026。
  5. [5]Qwen Team。Qwen3.8-27B-FP8 (model card)。Hugging Face 模型卡(无论文),2026。
  6. [6]Jia Guo 等。Sample and Computation Redistribution for Efficient Face Detection。ICLR(海报),2022。
  7. [7]Jiankang Deng 等。ArcFace: Additive Angular Margin Loss for Deep Face Recognition。CVPR,2019。
  8. [8]Xiang An 等。Partial FC: Training 10 Million Identities on a Single Machine。ICCV Workshops (MFR),2021。
  9. [9]Qiang Meng 等。MagFace: A Universal Representation for Face Recognition and Quality Assessment。CVPR(口头报告),2021。
  10. [10]Minchul Kim、Anil K. Jain、Xiaoming Liu。AdaFace: Quality Adaptive Margin for Face Recognition。CVPR(口头报告),2022。
  11. [11]Zheng Zhu 等。WebFace260M: A Benchmark Unveiling the Power of Million-Scale Deep Face Recognition。CVPR,2021。
  12. [12]fal。AuraFace (AuraFace-v1 model card)。Hugging Face 模型卡(无论文),2024。
  13. [13]Žiga Babnik、Peter Peer、Vitomir Štruc。eDifFIQA: Towards Efficient Face Image Quality Assessment based on Denoising Diffusion Probabilistic Models。IEEE Transactions on Biometrics, Behavior, and Identity Science (T-BIOM),第 6 卷,第 4 期,第 458–474 页,2024。
  14. [14]Žiga Babnik、Peter Peer、Vitomir Štruc。DifFIQA: Face Image Quality Assessment Using Denoising Diffusion Probabilistic Models。IJCB (IEEE International Joint Conference on Biometrics),2023。
  15. [15]Richard Zhang 等。The Unreasonable Effectiveness of Deep Features as a Perceptual Metric。CVPR,2018。
  16. [16]Keyan Ding 等。Image Quality Assessment: Unifying Structure and Texture Similarity。IEEE TPAMI,第 44 卷,第 5 期,第 2567–2581 页,2022。
  17. [17]Stephanie Fu 等。DreamSim: Learning New Dimensions of Human Visual Similarity using Synthetic Data。NeurIPS(亮点报告),2023。
  18. [18]Maxime Oquab 等。DINOv2: Learning Robust Visual Features without Supervision。Transactions on Machine Learning Research (TMLR),2024。
  19. [19]Chaofeng Chen 等。TOPIQ: A Top-down Approach from Semantics to Distortions for Image Quality Assessment。IEEE Transactions on Image Processing,第 33 卷,第 2404–2418 页,2024。
  20. [20]Gaurav Sharma、Wencheng Wu、Edul N. Dalal。The CIEDE2000 color-difference formula: Implementation notes, supplementary test data, and mathematical observations。Color Research & Application,第 30 卷,第 1 期,第 21–30 页,2005。
  21. [21]Junjie Ke 等。MUSIQ: Multi-scale Image Quality Transformer。ICCV,2021。
  22. [22]A. Mittal、R. Soundararajan、A. C. Bovik。Making a “Completely Blind” Image Quality Analyzer。IEEE Signal Processing Letters,第 20 卷,第 3 期,第 209–212 页,2013。
  23. [23]Sidi Yang 等。MANIQA: Multi-dimension Attention Network for No-Reference Image Quality Assessment。CVPR Workshops (NTIRE),2022。
  24. [24]Jianyi Wang、Kelvin C. K. Chan、Chen Change Loy。Exploring CLIP for Assessing the Look and Feel of Images。AAAI,第 37 卷,第 2 期,第 2555–2563 页,2023。
  25. [25]Chaofeng Chen、Jiadi Mo。IQA-PyTorch: PyTorch Toolbox for Image Quality Assessment。GitHub 软件(pyiqa),2022。
  26. [26]MegaPotato。Pricing。我们自己的页面,访问日期:2026 年 11 月 15 日。
  27. [27]Clarity AI。Pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  28. [28]Topaz Labs。API plans and credits。厂商页面,访问日期:2026 年 11 月 15 日。
  29. [29]fal.ai。Topaz Image Upscale: Generative、Precision、Creative。厂商页面,访问日期:2026 年 11 月 15 日。
  30. [30]Topaz Labs。Pricing: Gigapixel, Topaz for Web。厂商页面,访问日期:2026 年 11 月 15 日。
  31. [31]Let's Enhance。Pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  32. [32]Google。Gemini API pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  33. [33]OpenAI。API pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  34. [34]Recraft。API pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  35. [35]通过 ComfyUI 合作方节点使用 Magnific:API node pricing(每步 35.91 积分,放大 2×,适用于不超过 1.3 MP 的输入图;71.82 积分适用于不超过 3 MP;107.73 积分适用于不超过 6.4 MP;$1 = 211 积分),访问日期:2026 年 11 月 15 日。Magnific 自有套餐:Pricing,厂商页面,访问日期:2026 年 11 月 15 日。
  36. [36]Krea。Pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  37. [37]Topaz Labs。Model Pricing。开发者文档,访问日期:2026 年 11 月 15 日。
  38. [38]VanceAI。Pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  39. [39]Pixelcut。Pricing和API pricing。厂商页面,访问日期:2026 年 11 月 15 日。
  40. [40]Remini。remini.ai:订阅方案在应用内显示。厂商页面,访问日期:2026 年 11 月 15 日。
发布于 · 对比评测, 图片放大