Reflective Visual Generation on R3-Bench

0.86Color (Sref)Qwen2.5-VL-7B + R3-Refiner

Evaluation results

Method
Qwen2.5-VL-7B + R3-Refiner2026.05	0.86	0.67	0.81	0.24	0.94	0.71	0.85	0.37	0.86	0.68	0.82	0.43	0.88	0.38	0.8	0.51	0.84	0.47
Gemini-3-Pro2026.05	0.85	0.73	0.81	0.56	0.69	0.43	0.95	0.39	0.96	0.94	0.83	0.5	0.93	0.56	0.86	0.6	0.87	0.6
Banana2026.05	0.84	0.67	0.78	0.31	0.78	0.07	0.9	0.49	0.92	0.78	0.83	0.39	0.88	0.48	0.8	0.55	0.84	0.5
GPT-Image-12026.05	0.82	0.68	0.8	0.39	0.78	0.33	0.74	0.52	0.96	1	0.74	0.46	0.84	0.63	0.76	0.58	0.79	0.57
GPT-5.22026.05	0.82	0.71	0.63	0.57	0.61	0.86	0.91	0.61	0.92	0.96	0.71	0.56	0.89	0.55	0.84	0.63	0.8	0.65
Qwen3-VL-8B + R3-Refiner2026.05	0.81	0.72	0.82	0.33	0.92	1	0.86	0.52	0.92	0.94	0.86	0.56	0.92	0.62	0.83	0.56	0.87	0.62
OmniVerifier2026.05	0.8	0.28	0.71	-0.18	0.92	0.62	0.84	0.24	0.87	0.14	0.8	0.08	0.76	0.17	0.76	0.31	0.8	0.17
ThinkGen2026.05	0.78	0.47	0.84	0.07	0.9	0.14	0.92	0.32	0.93	0.65	0.86	0.25	0.89	0.38	0.89	0.43	0.87	0.37
GPT-4o2026.05	0.77	0.64	0.72	0.3	0.8	0.48	0.78	0.41	0.87	0.87	0.74	0.54	0.72	0.41	0.71	0.53	0.76	0.53
Qwen3-VL-8B2026.05	0.77	0.64	0.71	0.46	0.63	0.57	0.83	0.45	0.88	0.95	0.86	0.43	0.83	0.4	0.77	0.55	0.8	0.54
Reflect-DiT2026.05	0.73	0.25	0.53	0.25	0.92	0.57	0.51	0.37	0.82	0.76	0.64	0.08	0.75	0.39	0.64	0.53	0.68	0.37
Qwen2.5-VL-7B2026.05	0.7	0.56	0.68	0.2	0.76	0.86	0.74	0.23	0.8	0.71	0.71	0.31	0.67	0.24	0.76	0.45	0.72	0.38
UniCot2026.05	0.67	0.38	0.66	0.27	0.88	0.29	0.74	0.29	0.68	0.51	0.62	0.23	0.63	0.21	0.69	0.38	0.68	0.32
ReflectionFlow2026.05	0.67	0.18	0.77	-0.03	0.8	-0.07	0.77	0.28	0.85	0.61	0.8	0.06	0.79	0.32	0.8	0.45	0.78	0.26
OmniGen22026.05	0.58	-0.09	0.43	-0.44	0.41	0.14	0.55	-0.39	0.49	0.08	0.53	-0.27	0.53	-0.18	0.5	-0.09	0.51	-0.19
Bagel2026.05	0.57	0.33	0.57	0.07	0.9	0	0.46	0.05	0.63	0.46	0.45	0.19	0.45	0.12	0.66	0.34	0.56	0.21
ReasonEdit2026.05	0.49	0.19	0.41	-0.02	0.76	0	0.6	0.1	0.56	0.14	0.5	0.09	0.55	-0.03	0.54	0.11	0.54	0.08
SLD2026.05	0.44	0.17	0.21	0.16	0.14	-0.24	0.51	0.34	0.28	0.16	0.24	0.18	0.57	0.52	0.39	0.41	0.37	0.28