過去幾年，AI 繪圖的能力提升得很快，但它真正的轉折點，不只是在「畫得更像」，而是開始「更懂你在說什麼」。若把影像生成想成一個把雜訊逐步修成圖像的過程，那麼模型的核心差異，就在於它如何理解畫面整體、如何把文字指令融入每一步的修正。這條演進路線，常被概括為：從以 U-Net 為主的擴散模型，逐漸走向以 Transform…