CPI-Bench：全面、实用、智能的真实图像编辑基准

随着图像编辑模型的快速发展及其在各个领域的广泛应用，将这些模型能力直接部署到现实场景中的需求越来越迫切。然而，现有的基准测试仍然仅限于简单的单图像任务，受到覆盖维度有限且无法有效区分不同模型之间性能的影响。因此，他们无法可靠地评估复杂的多图像编辑、高要求的推理指令和实际部署设置中的模型性能。为了解决这些限制，我们提出了 CPI-Bench，这是一个用于现实世界图像编辑的全面、实用和智能的基准。 CPI-Bench包含三个核心子集： CPI-General-Bench，全面覆盖多样化编辑任务，引入多图像编辑评估； CPI-Practical-Bench，专注于高频真实用户应用场景； CPI-Intelligent-Bench，致力于评估高要求的基于推理的编辑能力。基于CPI-Bench的主流图像编辑模型的评测结果表明，CPI-Bench增强了模型之间的性能差异化。它对通用编辑能力、实际部署效能和基于推理的高级编辑方面的差距提供了全面、可靠的量化，为未来图像编辑模型的优化提供了宝贵的指导。至关重要的是，我们的排名分析表明，CPI-Bench 与 Arena Image Edit 排行榜的一致性最高，表明与公众人类偏好排名具有更强的一致性，可以作为公众人类评估的有效代理。