WeGenEditBench 图像编辑基准发布：GPT-Image-2 与 Seedream-5.0-Pro 分项领跑

论文提出图像编辑基准 WeGenEditBench，包含 2,740 个评估实例和 148 种任务类型，覆盖单图、文本密集和多参考图编辑三类场景。评估采用预生成检查清单，把每个请求拆解为原子需求，逐项扣分并附视觉证据，汇总为执行、保真、画质和任务正确性四类得分。15 个受测配置中，GPT-Image-2 以 4.076 分领先单图编辑，Seedream-5.0-Pro 以 4.291 分领先文本密集编辑。配套的 WeGenEvoStudio 多智能体框架面向递归自我改进（RSI），实验中 FLUX.2 [dev] 在 Top-5 单图目标上总分从 1.083 提升到 3.517，Qwen-Image-Edit-2511 提升 13.2%。