当生成模型能画出惊艳的插画，却常常做不出一张能直接用的海报——这个反差，正是 Hacker News 上“AI-generated posters don't have to be horrible”这条讨论被顶起来的原因。
发生了什么
讨论的核心指向一个长期被忽视的问题：文本到图像模型在“海报”这类强设计属性的任务上表现普遍不佳。海报不只是画面，它同时包含版式结构、文字层级、留白节奏和视觉重心，而当前多数生成模型擅长的是氛围与质感，而不是可读、可排版的成品。社区讨论的落点并非某款新模型发布，而是围绕“如何让生成结果不horrible”展开的方法与工具探讨，说明这已经从吐槽变成了工程问题。
为什么重要
过去两年，图像生成的竞争集中在写实度、风格控制和提示词遵循上，评测也大多围绕美学评分和语义对齐。但真实的设计工作流里，海报、Banner、社交媒体图这类“带信息结构”的物料，才是需求最密集、也最容易被生成质量劝退的场景。
问题在于，扩散模型的生成逻辑是像素级的整体去噪，它没有“图层”“文本框”“栅格”这些设计概念。让模型直接输出一张成品海报，等于要求它同时完成美术和排版两件事，而后者恰恰是它最不擅长的。于是行业逐渐分化出两条路径：一条是继续提升模型对文字和布局的原生控制力，另一条是把生成能力拆解成素材，交回给设计工具做组装。
影响与看点
对开发者而言，这意味着机会不在“再训一个更好看的模型”，而在生成与编辑之间的中间层：可控的版式约束、文字与图像的分层生成、以及把生成结果接入现有设计工具的管道。谁能把“生成一张图”变成“生成一套可编辑的版式”，谁就更接近真实付费场景。
对用户和设计从业者来说，短期内的现实是：AI 更适合做海报的素材库和灵感起点，而不是终稿。把它当作一个不知疲倦的初稿生成器，配合人工排版收尾，产出质量会明显好于期待它一步到位。
值得关注的是，这条讨论能上热门，本身就说明需求侧已经不再满足于“好看”，而是要求“能用”。生成模型的下一个竞争维度，很可能从美学指标转向可编辑性与结构可控性——这是一个比画质更难、也更值钱的问题。
