每隔一两周就有人问同一个问题:「想做 AI 图,该订哪个?」诚实的答案是:看你要做什么。Midjourney 美感还是最强;Flux 是想真正控制细节时的首选;Ideogram 则是唯一文字不会糊掉的选项。挑工具看任务,不要看品牌。
Midjourney v6 / v7:美感王者,但控制力不足
当任务是「让画面好看」,Midjourney 还是最快的选择。v6、v7 的输出是目前所有模型里最有氛围的,光线、构图、绘画感都赢过其他人。设计师做 mood board、独立游戏画概念图、自媒体想要一张能在小红书上被看见的图,Midjourney 都很稳。
代价是 prompt 控制不精准。输入「穿红色裙子的女生坐在蓝色椅子上拿着绿色的书」,你大概会拿到一张漂亮的图,但裙子可能变蓝、椅子不见了。新的 Editor 跟 Style Reference(--sref)有帮助,但跟 Flux 或 DALL·E 3 比,还是在「按规格画」这件事上落后一截。
Discord-only 之前是大缺点,现在有网页版了,但工作流还是散。没有真正的 production API,商业使用条款也写得很模糊。如果你要把 image generation 包进产品里,Midjourney 不是合适的后端。
Flux:大家都在它上面盖的底层模型
认真做产品的人都用 Black Forest Labs 的 Flux。Flux Pro 1.1 跟更新的 Flux Ultra 是 production 主力 — Flux Schnell 跟 Flux Dev 可以下载,Pro 透过 Replicate、fal.ai、BFL 自家 API 等等都能调用。
Flux 强在哪:prompt 跟得上、人脸跟手画得对(这是早期 Stable Diffusion 的痛点)、生态很完整。LoRA 在 Flux 上训练很快很好。ControlNet 也有。Schnell 在 4090 上 3 秒内可以出一张。weights 开源代表你不会被某家服务商的定价绑住。
弱点是默认美感比 Midjourney 平。要做出有「艺术感」的图,通常要搭 LoRA、仔细写 prompt、或者再过一次后期。如果你的场景是「给电商站生 10,000 张商品背景图」,Flux 完美;如果是「我要一张震撼的英雄图」,Midjourney 会比较快达标。
Ideogram:唯一搞得定文字的模型
图片里需要有可读的文字 — 海报、logo 提案、菜单草图、表情包 — Ideogram 是目前主流选择里唯一稳定的。Midjourney 写出来的字大概 40% 的概率是外星符号。Flux 有进步但还是会幻觉字母。Ideogram 是专门为 typography 训练的。
Ideogram 2.0 一般图片也算 OK,风格比 Midjourney 平面设计感更重。做 marketing 素材、想要一张内嵌标题的社群图、快速试 logo 想法时,常常是最快出可用结果的工具。
缺点:社区小、教程少、写实照片不如 Flux、艺术感不如 Midjourney。它是个会做专业的工具,顺便也能做一般任务。
DALL·E 3、Imagen、Recraft 这些呢
DALL·E 3(现在 ChatGPT 跟 OpenAI API 都附)是 prompt 最听话的模型。你描述什么它就画什么,有时候太字面。美感很干。在「正确比好看重要」的场景用它最对:技术示意图、教学图、PPT 填空。
Google Imagen 3(现在叫 Gemini Image)被低估了。Google 自家产品里很顺,Gemini API 价格也合理,写实能力跟 Flux 不相上下。缺点是 safety filter 太严,别的模型放行的 prompt 它会拒绝。
Recraft 是设计师圈的黑马 — 矢量输出、品牌套装、批次出图时的风格一致性。如果你要产一系列 icon 或品牌插画,值得试。
Stable Diffusion 3.5 还有立足点 — 完全本地、不用 API key、完全控制。但 2026 年 Flux Schnell 的开放权重把它的饭碗吃掉一大半。
什么时候不适合用
如果你需要一张真实人物、地点、商品的照片,AI image 不是对的工具。Flux 画出来的「埃菲尔铁塔」对于去过的人来说还是哪里怪怪的。AI 适合画「不需要是真的」的东西;它不适合做纪实。
如果你的输出反正都会经过人工审核(市场团队每张素材都看过),坏图的代价只是时间。但如果输出直接给客户看 — 真正的电商商品图、新闻头图、房产 listing — 5% 的错误率就是品牌伤害。要么人工修图,要么拍真照片。
法律面:截至 2026 年,美国版权局还是认定纯 AI 生成的图无法登记版权。如果你要把图当资产守住,要搭配明显的人工编辑。
简单决策树
- 要美感、单张使用、不用 API:Midjourney
- 要量、要可控、要包进产品:Flux Pro via API(或自己跑 Schnell)
- 图片需要含可读文字:Ideogram
- 要 prompt 准确、技术正确:DALL·E 3
- 要矢量输出或品牌一致:Recraft
- 要完全本地、不连网:Flux Schnell 或 SD 3.5 本地版
2026 年大部分人挑一个来付的话,选择大概在 Midjourney(创作者、设计师)跟 Flux Pro via fal.ai / Replicate(builder、agency)之间。如果经常需要在图里放文字,再加 Ideogram 当第二订阅。
下一步
- 看一下 image model 的 prompt 结构,跟 LLM prompt 不一样
- 研究 ControlNet 跟 IP-Adapter 处理形状跟姿势控制
- 需要固定角色或商品外观的话,试试训练 LoRA
- 比一下成本,类似品质的 API 每张价差可达 5 倍