每隔一兩個禮拜就有人問同一個問題:「想做 AI 圖,該訂哪個?」誠實的答案是:看你要做什麼。Midjourney 美感還是最強;Flux 是想要真正控制細節時的首選;Ideogram 則是唯一文字不會糊掉的選項。挑工具看任務,不要看品牌。
Midjourney v6 / v7:美感王者,但控制力不足
當任務是「讓畫面好看」,Midjourney 還是最快的選擇。v6、v7 的輸出是目前所有模型裡最有氛圍的,光線、構圖、繪畫感都贏過其他人。設計師做 mood board、獨立遊戲畫概念圖、自媒體想要一張能在 IG 上被看見的圖,Midjourney 都很穩。
代價是 prompt 控制不精準。輸入「穿紅色洋裝的女生坐在藍色椅子上拿著綠色的書」,你大概會拿到一張漂亮的圖,但洋裝可能變藍、椅子不見了。新的 Editor 跟 Style Reference(--sref)有幫助,但跟 Flux 或 DALL·E 3 比起來,還是在「按照規格畫」這件事上落後一截。
Discord-only 之前是大缺點,現在有網頁版了,但工作流還是散。沒有真正的 production API,商業使用條款也寫得很模糊。如果你要把 image generation 包進產品裡,Midjourney 不是合適的後端。
Flux:大家都在它上面蓋的底層模型
認真做產品的人都用 Black Forest Labs 的 Flux。Flux Pro 1.1 跟更新的 Flux Ultra 是 production 主力 — Flux Schnell 跟 Flux Dev 可以下載,Pro 透過 Replicate、fal.ai、BFL 自家 API 等等都能呼叫。
Flux 強在哪:prompt 跟得上、人臉跟手畫得對(這是早期 Stable Diffusion 的痛點)、生態系很完整。LoRA 在 Flux 上訓練很快很好。ControlNet 也有。Schnell 在 4090 上 3 秒內可以出一張。weights 開源代表你不會被某家服務商的定價綁住。
弱點是預設美感比 Midjourney 平。要做出有「藝術感」的圖,通常要搭 LoRA、仔細寫 prompt、或者再過一次後製。如果你的場景是「給 ecommerce 站生 10,000 張商品背景圖」,Flux 完美;如果是「我要一張震撼的英雄圖」,Midjourney 會比較快達標。
Ideogram:唯一搞得定文字的模型
圖片裡需要有可讀的文字 — 海報、logo 提案、菜單草圖、迷因圖 — Ideogram 是目前主流選擇裡唯一穩定的。Midjourney 寫出來的字大概 40% 的機率是外星符號。Flux 有進步但還是會幻覺字母。Ideogram 是專門為了 typography 訓練的。
Ideogram 2.0 一般圖片也算 OK,風格比 Midjourney 平面設計感更重。做 marketing 素材、想要一張內嵌標題的社群圖、快速試 logo 想法時,常常是最快出可用結果的工具。
缺點:社群小、教學少、寫實照片不如 Flux、藝術感不如 Midjourney。它是個會做專業的工具,順便也能做一般任務。
DALL·E 3、Imagen、Recraft 這些呢
DALL·E 3(現在 ChatGPT 跟 OpenAI API 都附)是 prompt 最聽話的模型。你描述什麼它就畫什麼,有時候太字面。美感很乾。在「正確比好看重要」的場景用它最對:技術圖示、教學圖、簡報填空。
Google Imagen 3(現在叫 Gemini Image)被低估了。Google 自家產品裡很順,Gemini API 價格也合理,寫實能力跟 Flux 不相上下。缺點是 safety filter 太嚴,別的模型放行的 prompt 它會拒絕。
Recraft 是設計師圈的黑馬 — 向量輸出、品牌套裝、批次出圖時的風格一致性。如果你要產一系列 icon 或品牌插畫,值得試。
Stable Diffusion 3.5 還有立足點 — 完全本地、不用 API key、完全控制。但 2026 年 Flux Schnell 的開放權重把它的飯碗吃掉一大半。
什麼時候不適合用
如果你需要一張真實人物、地點、商品的照片,AI image 不是對的工具。Flux 畫出來的「巴黎鐵塔」對於去過的人來說還是哪裡怪怪的。AI 適合畫「不需要是真的」的東西;它不適合做紀實。
如果你的輸出反正都會經過人工審核(行銷團隊每張素材都看過),壞圖的代價只是時間。但如果輸出直接給客戶看 — 真正的 ecommerce 商品圖、新聞英雄圖、不動產 listing — 5% 的錯誤率就是品牌傷害。要嘛人工修圖,要嘛拍真照片。
法律面:截至 2026 年,美國著作權局還是認定純 AI 生成的圖無法登記版權。如果你要把圖當資產守住,要搭配明顯的人工編輯。
簡單決策樹
- 要美感、單張使用、不用 API:Midjourney
- 要量、要可控、要包進產品:Flux Pro via API(或自己跑 Schnell)
- 圖片需要含可讀文字:Ideogram
- 要 prompt 準確、技術正確:DALL·E 3
- 要向量輸出或品牌一致:Recraft
- 要完全本地、不連網:Flux Schnell 或 SD 3.5 本地版
2026 年大部分人挑一個來付的話,選擇大概在 Midjourney(創作者、設計師)跟 Flux Pro via fal.ai / Replicate(builder、agency)之間。如果常常需要在圖裡放文字,再加 Ideogram 當第二訂閱。
下一步
- 看一下 image model 的 prompt 結構,跟 LLM prompt 不一樣
- 研究 ControlNet 跟 IP-Adapter 處理形狀跟姿勢控制
- 需要固定角色或商品外觀的話,試試訓練 LoRA
- 比一下成本,類似品質的 API 每張價差可達 5 倍