На данный момент вижу, что изображения у нейросетей получаются лучше текстов. Визуально достаточно хороши, хотя неточностей в изображении хватает и не всегда правильно интерпретируют запрос на естественном языке. Но если учесть, что это результаты совсем новые, последних лет, то всё совсем неплохо для начала.
Что касается всех вот этих банальностей и политкорректностей, так это значительно зависит от того, на чём их тренировали. А поскольку в западной научной среде политкорректность возведена в ранг закона, то результат вполне ожидаемый. Ну и фильтр выдачи какой-то поставлен, скорее всего. После недавнего самовыпила спятившего бельгийца, которого нейросеть политкорректно поддержала в его планах по самовыпилу, вполне могут ещё сильнее прикрутить.