En el ámbito de la educación infantil, los modelos de lenguaje multimodal grandes (MLLMs) ya se están utilizando para crear materiales educativos para los jóvenes aprendices. Pero, ¿qué tan significativas son las diferencias entre los cuentos de hadas basados en imágenes generados por MLLMs y aquellos elaborados por autores humanos? Este artículo aborda esta cuestión a través del diseño de una evaluación humana multidimensional y encuestas reales. Específicamente, realizamos estudios sobre la evaluación de historias generadas por MLLM y la distinción de estas de las historias escritas por humanos, involucrando a 50 estudiantes de pregrado en carreras relacionadas con la educación, 30 estudiantes de primer grado, 81 estudiantes de segundo grado y 103 padres. Los hallazgos revelan que la mayoría de los estudiantes de pregrado con formación educativa, los estudiantes de primaria y los padres perciben las historias generadas por MLLMs como altamente similares a las escritas por humanos. A través de la evaluación de los estudiantes de primaria y el análisis de vocabulario, se muestra además que, a diferencia de las historias escritas por humanos, que tienden a exceder el nivel de vocabulario de los jóvenes estudiantes, las historias generadas por MLLM son capaces de controlar la complejidad del vocabulario y también son muy interesantes para los jóvenes lectores. Basándonos en los resultados de los experimentos anteriores, discutimos además la siguiente pregunta: ¿Pueden los MLLMs ayudar o incluso reemplazar a los humanos en la escritura de cuentos de hadas chinos basados en imágenes para niños pequeños? Abordamos esta cuestión desde una perspectiva técnica y desde la perspectiva del usuario.