AI 生图与科研配图🔗

关键词： AI 生图, 科研模式图, Nano Banana, Gemini 图像生成, GPT Image, FLUX, Midjourney, Seedream, 提示词优化, Graphical Abstract
难度： ⭐⭐
预计阅读时间： 35 分钟
最后更新： 2026-04-09

本章导读🔗

2025-2026 年，AI 图像生成迎来井喷式爆发。Google 的 Nano Banana 系列（Gemini 原生图像生成）、OpenAI 的 GPT Image 1.5、Black Forest Labs 的 FLUX.2 系列以及字节跳动的 Seedream 等模型轮番刷新榜单。在 2026 年 4 月的 Image Arena 排行榜上，这些模型在文字渲染、指令遵循、画面质量方面已经达到了惊人的水平。

⚠️ 注意： 早期广为流传的"GPT-4o 图像生成"已于 2026-02 随 GPT-4o 退役而下线。当前 ChatGPT 使用的是 GPT Image 1.5 模型；而 Google Gemini 的原生图像生成（内部代号 Nano Banana 系列）在免费用户中也广泛可用，是当前性价比最高的选择。

对科研人员来说，AI 生图最重要的应用场景是：

1. 科研模式图（Schematic / Mechanism Diagram）：论文中的机制示意图、信号通路图
2. Graphical Abstract：期刊投稿要求的图形化摘要
3. 演示配图：组会 PPT、学术海报的插图
4. 概念可视化：将抽象科学概念转化为直观图像

本章将系统介绍当前最强的 AI 生图工具、科研场景下的最佳实践，以及提示词优化工作流——如何用大模型帮你写出完美的提示词，再交给专业生图模型生成高质量图片。

1. AI 生图工具全景🔗

1.1 Image Arena 排行榜（2026 年 4 月）🔗

以下是 Artificial Analysis Image Arena（基于用户盲测投票的 ELO 排名）的前 12 名：

名词解释： - Nano Banana 是 Google Gemini 模型图像生成功能在 Image Arena 中的代号。Nano Banana Pro = Gemini 3 Pro 图像生成，Nano Banana 2 = Gemini 3.1 Flash 图像生成。 - GPT Image 1.5 是 OpenAI 2026 年推出的最新图像生成模型，取代了已退役的 GPT-4o 图像生成。 - Seedream 是字节跳动（ByteDance）旗下的图像生成模型。

1.2 主流工具速查🔗

1.3 科研场景推荐选择🔗

重要提醒： 多数学术期刊（如 Nature、Science）允许使用 AI 生成的图像，但要求在论文中声明使用了 AI 工具及具体用途。请查阅目标期刊的投稿指南。

2. Gemini 原生图像生成（Nano Banana 系列）⭐⭐⭐🔗

2.1 为什么推荐 Gemini 作为科研配图首选？🔗

Google Gemini 3 系列模型内置了原生图像生成能力。在 Image Arena 排行榜上，Gemini 家族有三个模型进入前 12（Nano Banana Pro #3、Nano Banana 2 #2、Nano Banana #11），且免费用户即可使用，是科研配图性价比最高的选择：

1. 免费使用：通过 gemini.google.com 对话即可生成图像，无需付费订阅
2. 多轮对话迭代：生成一张图后可以说"把标注字体放大""配色换成蓝绿色系"，模型在对话中保持图像一致性
3. 精确文字渲染：Nano Banana Pro 在文字渲染准确率方面表现优秀，科研配图中的标注不易出错
4. 原生多模态：同一个模型同时理解文字和生成图像，能利用对话中的科学知识理解你的需求
5. 上传参考图：上传一张草图或现有图片，AI 在此基础上生成

模型选择： - Gemini 3 Pro（对应 Nano Banana Pro）：质量最高，适合精细科研配图 - Gemini 3.1 Flash（对应 Nano Banana 2）：速度极快，ELO 排名 #2，日常生图首选 - 在 Gemini 网页端一般默认使用最新模型，无需手动选择

2.2 科研配图实操🔗

示例 1：生成信号通路模式图

提示词（在 Gemini 中直接输入）：
请生成一张 MAPK/ERK 信号通路的科研模式图，白色背景，风格简洁专业。
要求：
- 从细胞膜受体（RTK）开始，经过 Ras → Raf → MEK → ERK 的级联
- 每个蛋白用不同颜色的圆角矩形表示，标注英文名称
- 用箭头表示激活关系，用 T 形符号表示抑制
- 最终展示 ERK 进入细胞核调控转录因子
- 标注 2-3 个关键抑制剂（如 Sorafenib 作用于 Raf）
- 整体风格类似 Cell Signaling Technology 的通路图
- 图像尺寸 16:9

示例 2：生成 Graphical Abstract

提示词：
请为以下论文生成一张 Graphical Abstract：
论文主题：利用深度学习预测蛋白质-配体结合亲和力
关键发现：新模型比传统对接方法准确率提升 35%

要求：
- 左侧展示蛋白质 3D 结构 + 小分子配体
- 中间是一个深度学习神经网络的示意图
- 右侧是预测结果（结合亲和力评分）
- 整体使用蓝白配色，专业简洁
- 尺寸按照目标期刊要求（正方形 1200x1200）
- 不要太多文字，关键位置用英文标注

2.3 多轮迭代技巧🔗

Gemini 图像生成的杀手级功能是多轮对话迭代：

1. 先生成初版 → 看整体构图是否满意
2. "把背景改成浅灰色" → 微调颜色
3. "蛋白质的标注字体放大一点" → 调整细节
4. "在右下角加上比例尺" → 补充元素
5. "整体风格再扁平化一些，参考这张图的风格"（上传参考图）→ 风格调整

技巧： 每次只改一个方面，不要一次提太多修改要求，否则模型可能偏离之前的内容。

3. GPT Image 1.5（ChatGPT 图像生成）🔗

3.1 核心能力🔗

GPT Image 1.5 是 OpenAI 于 2026 年推出的最新图像生成模型，ELO 排名第 1（1265 分），取代了 2025 年 3 月发布的 GPT-4o 图像生成。在 ChatGPT 中使用图像生成功能时，背后调用的就是这个模型。

核心优势：

1. ELO 排行榜第一：在指令遵循、画面质量、文字渲染等综合评测中拿下榜首
2. 精确文字渲染：能在图像中准确生成文字标注，这在科研配图中极为关键
3. 多轮对话迭代：与 Gemini 类似，支持在对话中逐步修改
4. 上下文理解：能利用对话中的科学知识理解你的需求
5. 指令遵循：能同时处理包含 10-20 个不同物体的复杂场景

3.2 GPT Image 1.5 vs Gemini 图像生成🔗

建议： 日常科研配图用 Gemini（免费且效果好）；需要最高质量或 Gemini 搞不定时用 GPT Image 1.5。

4. 提示词优化工作流 ⭐⭐⭐🔗

4.1 核心策略：LLM 写提示词 → 专业模型出图🔗

这是当前最高效的 AI 生图工作流：

1. 用 ChatGPT / Claude / Gemini 等大模型优化提示词——它们擅长理解你的模糊需求并转化为精确的、生图模型友好的提示词
2. 用专业生图模型（Midjourney / FLUX）执行生图——它们的图像风格化能力极强

当然，如果你直接用 Gemini 或 ChatGPT 生图（它们自己就能出图），这个"两步法"就不是必须的。但对于 Midjourney 和 FLUX 这类只接受提示词输入的模型，用 LLM 帮你写提示词效果远好于自己写。

4.2 让 ChatGPT/Gemini 帮你写 Midjourney 提示词🔗

你是一个专业的 Midjourney 提示词工程师。我需要生成一张科研论文用的模式图。

我的需求：
[描述你想要的图片]

请帮我生成一个优化后的 Midjourney 提示词，要求：
1. 使用英文
2. 包含风格描述（如 flat design, scientific illustration, minimalist）
3. 包含颜色方案（适合科研论文的配色）
4. 包含质量参数（如 --ar 16:9 --v 7 --s 200）
5. 避免过于复杂的场景，保持简洁专业

4.3 让 Claude 帮你写 FLUX 提示词🔗

你是一个专业的 FLUX 图像生成提示词专家。我需要为科研论文生成一张配图。

我的需求：
[描述你想要的图片]

请帮我生成一个 FLUX 友好的提示词：
1. 英文描述
2. 详细但有条理（先主题，再风格，再细节）
3. 指定风格关键词：scientific illustration, clean design, white background
4. 指定质量关键词：high resolution, vector graphics style, print quality

4.4 Gemini / ChatGPT 直接生图的提示词模板🔗

Gemini 和 ChatGPT 图像生成的提示词更灵活，因为它们理解自然语言。但好的结构仍然重要：

请生成一张 [图片类型] 的图像。

主题：[具体描述]
风格：[扁平化 / 手绘 / 写实 / 科研插图风格 等]
配色：[蓝白 / 暖色 / 指定配色方案]
尺寸：[16:9 / 正方形 / 指定像素]
背景：[白色 / 透明 / 浅灰]
文字标注：[需要哪些文字标注及位置]
参考：[参考某个风格 / 上传参考图]

要求：
- 线条清晰，适合印刷
- 标注字体清晰可读
- 整体专业简洁

4.5 提示词常用修饰词速查🔗

5. Midjourney 科研配图指南🔗

5.1 基础设置🔗

1. 访问 midjourney.com 注册账号
2. 进入创作界面
3. 建议使用 V7 模型（默认最新版）

5.2 科研配图提示词模板🔗

通用科研模式图：

Scientific schematic diagram of [主题], flat design style, 
clean white background, professional color palette using
blue and teal tones, labeled components in English, 
arrows showing relationships, high resolution, 
print quality --ar 16:9 --v 7 --s 100

生物学机制图：

Detailed biological mechanism diagram showing [机制], 
medical illustration style, cell membrane cross-section, 
protein complexes labeled in English, phosphorylation 
cascades with directional arrows, professional scientific 
color scheme, clean layout --ar 16:9 --v 7 --s 150

Graphical Abstract 模板：

Clean graphical abstract for a scientific paper about [主题],
left-to-right workflow layout, minimalist flat design,
key findings highlighted, professional scientific illustration,
blue-white color scheme, no excessive text, 
high resolution --ar 1:1 --v 7 --s 200

5.3 重要参数说明🔗

6. FLUX.2 与 Seedream：API/开源生图🔗

6.1 FLUX.2 系列速览🔗

FLUX 是 Black Forest Labs（Stable Diffusion 原作者团队创办）推出的下一代图像生成模型：

6.2 FLUX Python API 调用示例🔗

import replicate

# 使用 FLUX 2 Pro 生成科研配图
output = replicate.run(
    "black-forest-labs/flux-2-pro",
    input={
        "prompt": "Scientific schematic diagram of CRISPR-Cas9 gene editing mechanism, "
                  "clean white background, flat design, labeled components, "
                  "professional blue-teal color scheme, high resolution",
        "width": 1920,
        "height": 1080,
        "num_inference_steps": 50,
        "guidance_scale": 7.5
    }
)
print(output)

6.3 LoRA 微调：统一风格批量生图🔗

如果你的论文需要多张风格一致的配图，可以用 FLUX LoRA 微调：

1. 准备 10-20 张目标风格的参考图（如你实验室以往论文的配图风格）
2. 使用 FLUX Dev + LoRA 训练
3. 之后所有生图自动保持统一风格

这在准备系列论文或实验室标准化配图时特别有用。

6.4 Seedream（字节跳动）🔗

Seedream 是字节跳动推出的图像生成模型，在 Image Arena 排行榜上 Seedream 4.0 排名 #5（ELO 1185），API 价格极低（约 $30/千张），适合大批量生图场景：

• Seedream 4.0：ELO 1185，综合质量接近 FLUX.2 [max]
• Seedream 4.5：ELO 1172，更新版本但评分略低
• 通过 BytePlus API 调用（字节跳动的海外云服务）
• 对中文场景支持友好

适用场景： 需要大批量生图且预算有限时，Seedream 是极具竞争力的选择。

7. 科研配图的注意事项与伦理🔗

7.1 学术伦理红线🔗

7.2 常见问题🔗

Q：AI 生成的模式图精度够用吗？

A：对于 Graphical Abstract 和 PPT 配图完全够用。但如果是精确的信号通路图（需要每个蛋白质位点都准确），建议用 AI 生成初稿后在 BioRender 或 Illustrator 中精修。

Q：AI 生成的图分辨率够吗？

A：Gemini 和 ChatGPT 生成的图最大约 2048×2048，Imagen 4 Ultra 支持 2K 分辨率直出，FLUX 和 Midjourney 可以更大。对于期刊投稿（通常要求 300 DPI），建议生成后用 Topaz Photo AI 或开源的 Real-ESRGAN 做超分辨率放大。

Q：如何保持多张图的风格一致？

A：三种方法： 1. 在 Gemini 或 ChatGPT 中使用同一对话生成系列图（共享上下文） 2. 在 Midjourney 中使用 --sref 参数指定风格参考 3. 用 FLUX LoRA 微调统一风格

8. 完整工作流：从需求到成品🔗

步骤 1：明确需求🔗

目标：为论文生成一张 CRISPR 基因编辑的 Graphical Abstract
尺寸：正方形 1200×1200
风格：扁平化科研插图
配色：蓝白色系
内容：左侧 gRNA 设计 → 中间 Cas9 切割 DNA → 右侧 基因修复

步骤 2：让 ChatGPT/Claude/Gemini 优化提示词🔗

将需求输入 Gemini 或 ChatGPT，请它生成优化后的提示词（中英文对照）。

步骤 3：选择生图工具执行🔗

• 方案 A（最快/免费）： 直接在 Gemini 中生成，多轮迭代
• 方案 B（最高质量）： 在 ChatGPT 中用 GPT Image 1.5 生成
• 方案 C（最美）： 将优化后的英文提示词粘贴到 Midjourney
• 方案 D（最灵活）： 用 FLUX.2 API 生成，之后可微调

步骤 4：后期处理🔗

1. 检查文字标注有无拼写错误（AI 偶尔会出错）
2. 用 Illustrator / Figma / PowerPoint 微调细节
3. 如需放大，使用超分辨率工具
4. 导出为期刊要求的格式（通常 TIFF 300 DPI 或 EPS）

步骤 5：声明 AI 使用🔗

在论文 Methods 或 Acknowledgments 中加入类似声明：

Graphical illustrations were generated with the assistance of 
[Google Gemini / ChatGPT GPT Image 1.5 / Midjourney V7 / FLUX.2], 
with subsequent manual editing and verification by the authors.

本章小结🔗

• ✅ Gemini 图像生成（Nano Banana 系列）是科研配图最推荐的入门首选——免费、多轮对话迭代、文字渲染精确
• ✅ GPT Image 1.5 是当前 ELO 排行榜第一，适合追求最高质量的场景（需 ChatGPT 付费订阅）
• ✅ Midjourney V7 适合需要高美感的演示配图和概念可视化
• ✅ FLUX.2 适合批量、定制化、本地部署的场景；Seedream 价格极低适合大批量
• ✅ 核心工作流：LLM 优化提示词 → 专业模型出图 → 人工精修
• ✅ AI 生图可用于模式图、Graphical Abstract、PPT 配图，但绝对不能伪造实验数据图
• ✅ 论文中必须声明 AI 工具的使用

延伸阅读🔗

• Artificial Analysis Image Arena（图像生成模型 ELO 排行榜，2026-04 访问）
• Google Gemini 图像生成（Nano Banana 系列，免费使用）
• Google DeepMind Imagen（Imagen 4 介绍）
• Midjourney 文档（2026-04 访问）
• FLUX.2 系列 - Black Forest Labs（2026-04 访问）
• BioRender（专业生物科学配图工具）
• Real-ESRGAN（开源超分辨率放大）
• 相关章节：AI 辅助 PPT 与图表制作
• 相关章节：VSCode Vibe Coding（用代码调用生图 API）

参考文献🔗