谷歌、字节神仙打架，为何这款叫 Reve 的工具却在悄悄刷屏？

AI 出图终于「指哪打哪」！

最近的 AI 生图、图像编辑领域，简直神仙打架。

正面战场上，Google 的 Nano Banana 与国产新秀豆包 Seedream 4.0 正杀得难解难分，所有人的目光都聚焦于此，比拼的是模型的硬实力，是谁能生成、编辑出更惊艳的图像。  一个神秘选手却从一个意想不到的角度切入了战场。

它叫 Reve。刚上线时，就因为在 X 上的作品频频刷屏，引发了创作者社区的各种讨论。

它似乎无意卷入这场像素级的参数竞赛，而是提出了一个有意思的问题：

当大家都能生成「好图片」之后，创作的真正瓶颈究竟在哪？

Reve 给出的答案是：交互。

相比于目前最 SOTA 的 Nano-Banana、字节 Seedream 4.0、混元图像 3.0，Reve 的自研模型本身并不算「性能突出」，但它提供了一种全新的交互式编辑体验。

经过深度体验，我们认为，用「AI 生图模型」来定义 Reve 已经不够准确。它更像一个视觉 Agent，能理解画面结构，听懂精细指令，并允许你像设计师一样直接「动手」创作。

接下来，我们将深入测评，聚焦于它最突出的 3 大亮点：

【1】 10 人小团队做出来的「模型即产品」

【2】基于交互的精细编辑

【3】美学能力

Reve 是谁？

Reve AI 是一家 2023 年 12 月才建立的加州 AI 初创公司，他们在 2025 年 3 月推出了第一个生图模型叫 Reve Image 1.0，内部代号是「Halfmoon」。6 个月过后，再次升级该模型为「图像编辑模型」。

这家公司虽然年轻，但出手相当生猛。Reve Image 1.0 一上线，就在当时（3 月 26 日）的测评榜 Artificial Analysis Image Arena 上，击败了谷歌的 Imagen 3、Flux 1 等 SOTA 模型，直接冲上榜首。

但更有趣的是，Reve 一点也没有因此张扬。他们几乎不做市场宣传，也不谈流量、融资或收入数据，低调到让人有点好奇。媒体常形容 Reve 是一家「靠产品说话」的公司。

在公开资料里，你几乎看不到他们的融资数额、团队规模或长期计划。

比如 Nugg.ad 的一篇报道就写道：「这家加州初创公司，对自己的规模、融资或远期目标，几乎没有任何公开信息。」

这种风格在硅谷其实挺少见，因为大多数初创企业都想尽可能的高调一点，吸引投资者注意。随着曝光增多，Reve 的创始人身份也浮出水面。他叫 Michaël Gharbi，曾是 Adobe Research 的老将。

在接受采访时，他提到 Reve 的核心目标是打造一种「语义中间表征」（semantic intermediate representation）。

简单理解，就是希望让机器不只是理解「你要画什么」，而是能明白「你想表达什么」，让人和 AI 在创意意图层面更好地协作。

Reve 团队自己也这样介绍自己：

「我们是一支由研究者、工程师、设计师与故事讲述者组成的小团队。」

令人惊讶的是，Reve 从发布研究预览版到登上 LMArena 和 Artificial Analysis 榜单前列，仅用了不到半年。

团队规模也只有10个人。

他们在官网上不断强调自己的「产品」定位：

「我们不只是做模型的公司，我们更是一家做产品的公司。我们的目标是创造最好的创作智能工具，包括我们独一无二的编辑器。」

换句话说，Reve 并不是一家纯粹的模型公司，而是想让 AI 真正成为创意者手里的工具，并为此努力的「产品公司」。

基于交互的精细编辑

Reve 的界面极其简洁，左侧是熟悉的对话框，看似与其他工具无异：

但真正有趣的地方，藏在生成图片后右上角的那个「Edit」按钮里。这正是它与所有同类产品拉开「体验差距」的核心所在。

1）多元素位置调换 OpenAI 发布会位置调换

Reve 的新交互体验最出彩的地方，在于当画面之中存在多个主体、多个元素时的图像编辑。

像是下面这张图片，是 Sam Altman 和他的三位研究员在一次发布会上的图片。 我们能看到画面之中主体是四个人物，以及他们手边都有杯子和笔记本电脑。

下面让我们来看一看 Reve 对于画面的识别的精细能力如何，

过去做 AI 图像编辑时，最大的痛点除了模型能力，就是交互方式的局限。传统流程往往依靠「用嘴说」的方式来操作，虽然比最初的方法方便不少，但在细节把控上依然不够精确。

而现在，Reve 可以通过直接拖动画面中被识别出来的元素，以非常简单的方式，在多个主体之间，进行图像编辑。

像是下图，我将左 2 的男子与右 2 的男子两位直接拖动方块，就可以将他们进行非常精细的替换：

这是 Reve 生成的结果。可以看到，2 位人物的替换精准度很高，不过左 2 人物的姿态并不是很自然，仍然有一些瑕疵：

坦白说，为了得到这个理想效果，我们也经历了数次尝试（Roll 好几次）。目前的模型能力仍有其局限，偶尔会出现一些「幻觉」。

不过，该说不说，整体的交互方式所带给我的感觉仍然是比较惊艳的。 

再比如下面这张图片，我让 2 位主体人物、前面的水杯以及笔准电脑进行了替换，效果如下。

你会发现整体的效果还是比较自然和真实的：

还有 1 个，我们认为专门值得说道的地方。

在很多传统的 AI 图像编辑工具里，当你上传一张图片时，系统确实会帮你分析画面内容，但是，他们往往并不支持「编辑」。

而 Reve 不一样。它会为每一个图层都生成一段可读的 Prompt，更重要的是，你可以直接修改这段 Prompt 来重新定义图像内容。

像是我可以直接在文本框中把原本的提示词更改为「一个具有笑容的表情」，点击编辑执行之后，你就会发现 Sam Altman 出现了一个非常可爱的笑容：

2）指哪打哪的单元素编辑

如下图所示，Reve 准确识别出了三个甜甜圈和一把叉子。每个元素都变成了一个可供点选、拖动的白色方框。

我们只需轻轻一点，就能选中下方的叉子，然后直接将它拖动到甜甜圈的上方。

放手瞬间，Reve 便会重新渲染画面。

最终结果还不错，不仅图像的整体风格、光影保持了高度一致性，而且叉子和甜甜圈之间还产生了自然的物理交互。

同样地，Reve 不仅在视觉上拆分了图层，它还会为整张图乃至每一个被识别出的「图层」元素，自动生成对应的 Prompt。

可以说，修改图片有了两种途径：直接拖拽，或者精准修改局部 Prompt。

比如说，我们对这个 prompt 进行一些小的修改：

让最上面的填线圈变成红色。改变一下摄影的光线，从左上角摄入右下角，并且把叉子的颜色从银色改为金色。  

而且 Reve 会自动归纳物体，像是它会将 3 种甜甜圈归纳为「甜甜圈」。

而当你点开「甜甜圈」之后， 就可以针对每一个元素的 Prompt 进行相对应的独立修改：

像是我输入了一段 prompt：

将最上面的甜甜圈像是被咬了一口一样，产生了一个裂缝。 

可以看到，Reve 用拖动的方式进行精细交互编辑时，整体一致性保持得比较好。

我又上传了一张在东京拍摄的火车照片，画面中有 2 列火车：左下角的红色列车和右上角铁路中的黄色列车。

我们尝试直接对左下角的红色列车进行修改：

左下角的红色火车变为两种形态的白色火车。

Reve 精准地完成了任务，且与周围环境融合得比较好：

甚至我可以直接用鼠标拖动右上角的黄色火车，将它「拽」出隧道，摆放在原先红色火车的身旁。

Reve 不仅完整地抽离了火车元素，保持了周围环境的一致性，甚至还精准地还原了黄色火车「半截在隧道里」的原始状态，让两辆车形成了自然的相对运动姿态。

这背后，体现的是对空间、遮挡关系和光影的物理理解：

不过，受限于模型本身能力，这样质量还不错的结果仍然需要多尝试几轮。

3）推理联想能力

除了对已有图像进行编辑，我们还测试了 Reve 在创意生成方面的能力，试图探究其是否真正理解了画面背后的「场景」与「逻辑」。

像是我上传了一张马斯克与一位女主持人的访谈图片：

先是让 Reve 用多个角度、多种环境进行联想，给出各种结果：

输出的结果展现了它在摄影语言上的多样性。它不仅能模拟出不同机位的拍摄效果，如特写、中景等，还能切换不同的布景与打光方案。

而且在体验的过程中，我发现 Reve 对于环境以及光线、阴影的使用非常熟练。

比如，我给整体画面加上一些摄影风格的艺术效果，这些效果会让画面看起来更紧张、更有压迫感。

你能发现整体的阴影以及光线的效果都非常真实：

为了测试其在商业设计流程中的潜力，我们引入了近期热门的「iPhone 17 与小米 17」作为素材。

首先，在单张产品图的基础上，我们让 Reve 进行了快速的产品迭代构思，例如生成多种配色方案、更换背部副屏的显示效果等：

在这一环节，它表现得相当高效，能够为设计师提供丰富的视觉参考。

随后，我们提升了难度，要求它将两款不同品牌的手机融合在同一画面中，并创作出专业级别的产品宣传图。

最后的效果如下，你会发现，它对于多种物体的摆放，模拟商业摄影的布光、构图和材质反射上，确实展现了一定的熟练度，颇具专业影棚的质感。

甚至最后，我让他为这两款手机放在一起做了一张海报。

标语则是：「我有一个 17 Pro Max，而你也有一个 17 Pro Max。」

最后的效果如下，很有梗，很不错，融合的很协调：

虽然会有一些小小的幻觉的瑕疵，但整体这种商业摆拍图片的效果还是非常不错的。

最后，我让它将 iPhone 17 所有零配件进行拆解，以下 3 张是它给出来的「爆炸图」结果：

这其实已经体现出来，REVE 已经具有初步的视觉推理能力了。

美感

这款 Reve Image 1.0 图像生成模型，并非简单在已有模型基础上微调或蒸馏，而是「从头训练」的新模型，非常强调多样化风格的输出。Reve 的最新版本也再次对视角、内容和细节拥有了更加精确的控制。

1）换装姿势

AI 生图在处理人物时，最常被诟病的就是姿态僵硬、表情空洞，即所谓的「AI 味」。

为了测试 Reve 在这方面的表现，我们试一试虚拟试衣。

我提供一张模特照片作为主体，再辅以一张包含多种服装风格的图片作为「灵感源」，让 Reve 自由搭配并摆出专业的商业姿势：

下面就是 Reve 给出的结果，整体效果非常真实，并且很有美感：

你会发现，Reve 生成的人物，不止是简单地把衣服「P」上去。相对于很多传统模型，它在人物的姿态、神韵和场景融合度上，都显得自然得多，并且表情、角度也会更多变。

2）电影级画面

最后，我们再来看看 Reve 直接所生成的电影级画面的真实度。

提示词如下：

电影感定格画面：黑色电影风格的昏暗小巷，湿润路面上闪烁着霓虹灯的倒影，一个身穿风衣的男人在闪烁的路灯下抽烟，深邃的阴影与强烈的明暗对比，35mm 胶片颗粒质感。

再比如悬疑风格。

提示词如下：

缓慢的推轨镜头穿行在废弃医院的走廊内，闪烁的荧光灯下，墙壁斑驳剥落，走廊尽头隐约出现一个模糊身影，营造出电影般的悬疑感与令人不安的寂静氛围。

不得不说的是，Reve 在多主体多人物的图像中，所产生的这种真实感，确实会让你感觉相对于传统 AI 生图模型， 有了很大的提升：

3）海报

在海报生成的理解能力上，Reve 所产生的效果比较中规中矩，能创作出视觉和谐、重点突出的作品，比如下面这几张灯塔，以及中国传统建筑的英文海报：

对于多种艺术风格的把控，Reve 的表现还不错。

像是下面这张复古朋克风音乐海报，上面会有很多复杂的元素以及图像的排布，Reve 给出的结果还可以。

提示词如下：

复古朋克风音乐海报：深黑做旧杂色背景，叠加半调网点与丝印质感，极繁主义层叠排版。顶部巨幅暗绿色解构字体“NOMERCY”，下方小字“CRAFTEDBYHAND/1979”“ARCHIVERECORD”。中央两张绿色调图像：复古地铁疾驰与眼睛超现实特写。文字信息：左侧“ITSABBYDESIGN/7/42 POSTERS /2025”，中段诗句：“Is there any light for a shadow?...”

虽然细节上可能还有优化的空间，但它确实把复古、朋克、层叠排版、字体设计这些核心元素都融合到了一起，整体效果还是相当不错的。

最后我发现，Reve 其实已经是一个比较合格的 AI 生图 Agent 了。

因为我让它生成了一张 Frank Frazetta 绘画风格的海报，发现它会自动地先去进行相关的艺术风格的检索。

像是它自行去搜索了 Facebook、Amazon 和另一个叫做 illustration 的网站，先给自己补充一些知识，然后再根据这些所获取的风格进行生成图片。

提示词如下：

Frank Frazetta绘画风格，奇幻风格电影海报

对于点绘艺术的多种风格的支持能力，Reve 也展现得还不错。

像是下面这 2 张点绘艺术科幻电影海报：

采用点绘艺术halftone技法，以密集小黑点塑造形象，科幻电影宣传海报  Interstellar navigation  

总而言之，Reve 在 2 个核心层面都给出了不错的答卷：一是图像编辑的交互方式，二是最终出图的美学效果。

它的编辑能力，特别是那种类似图层的、可直接拖拽修改的模式，确实是一个亮点。相比于完全依赖提示词反复调整，这种直观的操作方式在很多场景下效率更高，也更容易实现一些精细的修改。

而在美学层面，无论是人物的姿态、场景的氛围感，还是对特定设计风格的模仿，Reve 的表现都还比较扎实。

综合来看，无论是作为高效的生产力工具，还是作为探索创意的画布，Reve 都展现了其作为当前第一梯队 AI 图像模型的实力。

最后补充一个信息，在测试过程中，我大概生成了 200 张图片后，系统提示我当天的免费用量已经用完了。这个额度对于日常体验来说，应该是足够了。

测评总结：值得关注，但需保持冷静

经过全面的测评，我们可以得出以下结论：

【1】交互方式是核心亮点。

Reve 的「图层式」交互编辑无疑是其最大的创新，它正在从「语言交互」走向更直观的「视觉交互」。

【2】底层模型是主要瓶颈。

尽管交互体验新颖，但最终的成像质量和成功率，仍然受限于其背后图像生成模型的能力。在处理复杂场景，尤其是多人物的精细编辑时，其表现比较不稳定。

【3】定位是「创意辅助」而非「创作者」。

现阶段，Reve 更适合作为激发灵感的工具。它能为你提供无数种可能性，但将这些可能性变为最终作品，仍需要你投入大量的时间和精力进行筛选和再创作。

AI 竞赛的上半场，是关于「力」的较量：更大的模型，更强的算力，更逼真的像素。这无疑是必要且重要的，它为我们今天所见的一切打下了基础。

但当技术狂奔至此，当人人都能用 AI 生成一张「还不错」的图片时，瓶颈便从技术转向了体验。Lovart、Reve 这类产品的出现，正是这一转变的标志。

AI 的下半场，不再仅仅是「模型力」，更是「交互体验」。

重点不再是模型能做多少事，而是它能以多低的门槛、多高的自由度，真正服务创作者。

毕竟，好的交互，就是为了消除人与 AI 之间的那份「隔阂感」，让所有人都更快乐地「玩起来」！

文章来自于微信公众号 “十字路口Crossing”，作者 “十字路口Crossing”