如果把时间往前拨两三年我们讨论 AI 生图基本还在比较Stable Diffusion 和 Midjourney 谁画得更好但到了 2026 年这个问题已经完全不一样了。现在的 AI 生图模型已经分化出了非常明显的路线有的追求极致审美有的追求真实摄影感有的擅长海报、文字和排版有的擅长参考图修改有的强调角色一致性有的主打开源、本地部署和工作流还有一些模型已经开始从“文生图模型”变成真正的多模态视觉模型所以今天这篇文章我想把目前市面上比较重要的 AI 生图模型一次性梳理清楚。本文时间基准2026 年 8 月。一、先看结论现在主流生图模型有哪些目前值得重点关注的模型大致可以分成这几派。厂商模型最大特点推荐指数OpenAIGPT Image 2综合能力、编辑、指令理解★★★★★GoogleGemini 3 Image / Nano Banana 系列多模态编辑、参考图、真实性★★★★★MidjourneyV8.2审美、艺术、电影感★★★★★ByteDanceSeedream 5.0中文、商业设计、综合能力★★★★★AlibabaQwen-Image 3.0中文文字、信息图、开源生态★★★★★Black Forest LabsFLUX.2专业生成、可控、开发者生态★★★★★IdeogramIdeogram 4文字、Logo、海报排版★★★★★RecraftRecraft V3平面设计、矢量图、品牌设计★★★★☆TencentHunyuanImage 3.0中文、多模态、开放权重★★★★☆AdobeFireflyPhotoshop/Adobe 工作流★★★★☆Stability AIStable Diffusion 3.5本地部署、社区生态★★★★KuaishouKolors中文、人像、电商★★★★这里其实已经可以看到现在已经不存在一个模型能在所有场景下碾压其他模型。真正应该讨论的是你的业务到底需要什么模型二、OpenAIGPT Image 2如果让我选一个目前最“全能”的生图模型我会把 GPT Image 2 放在第一梯队。OpenAI 官方目前将gpt-image-2定位为其最新的旗舰图像生成模型支持文本输入、图像输入、图像输出同时强化了高质量生成和图片编辑能力。GPT Image 最大的改变并不是“画质提高了一点”。而是它越来越不像传统 Diffusion 模型而像一个真正理解你要求的视觉 AI。比如你可以告诉它把左边这个杯子删除。或者人物不要变化把背景换成一个暖色现代办公室。或者保留这个产品主体在右边加入价格和三条卖点做成电商宣传图。这种自然语言修改是 GPT Image 最大的优势。优点Prompt 理解能力强中文理解很好多轮修改体验好图像编辑强参考图能力强人物、产品主体保持能力不错海报和带文字图片明显强于传统 Diffusion缺点主要还是不开源。你基本只能通过 OpenAI 或相应 API 服务使用。所以对于普通用户、AI Agent、自动生成营销图片来说它非常适合。但如果你想LoRAControlNet自定义推理本地 GPU 部署修改模型权重GPT Image 就不是你的路线。三、GoogleGemini Image / Nano BananaGoogle 是目前另外一个非常值得关注的阵营。很多人习惯把 Google 的图片生成能力统称为Nano Banana但实际上 Google 的图像生成体系已经越来越复杂包括 Gemini 原生图像模型以及 Imagen 系列。Google 官方 Gemini API 已经支持 Gemini 3 系列图像模型并提供最高 4K 等不同图像尺寸输出。另外Google 仍然提供专门的 Imagen 图像生成体系官方将 Imagen 定义为高保真文本生成图像模型。Google 最大的优势我认为不是单纯的文生图。而是图片理解 图片编辑。比如给它一张照片把这个人在东京街头的照片改成巴黎但是人物、衣服和拍摄角度都不要改变。这种任务非常适合 Gemini。尤其当任务涉及多张参考图片人物一致性产品一致性空间关系材质光影图片重新设计Google 的表现非常强。优点多模态理解强图片编辑能力强参考图表现优秀空间关系比较合理真实感强复杂指令理解能力强缺点它有时候没有 Midjourney 那么“会审美”。也就是说你要求它准确完成任务它非常优秀。但你只写给我画一张高级的海报。Midjourney 有时候反而更容易直接给你一个让人“哇”的结果。四、Midjourney V8.2审美依然是一座大山Midjourney 是一个非常特殊的存在。从早期 V4、V5、V6一直到现在的 V8 系列它一直没有把自己变成一个纯粹的 API 基础设施公司。它更像一个 AI 艺术工作室。截至 2026 年 8 月Midjourney 官方文档已经以V8.2为当前版本体系重点继续强化审美、图片质量和 Personalization。V8.1 已经大幅提高生成速度和 Prompt 遵循能力而 V8.2 又继续加强整体审美。Midjourney 最大的问题同时也是最大的优势它会偷偷帮你设计。你给其他模型一辆跑车停在雨夜东京街头。其他模型可能会非常老实地生成“一辆跑车”。Midjourney 则可能自动帮你加入电影级灯光霓虹灯景深摄影构图高级材质环境反射色彩风格所以对于概念设计游戏原画艺术创作电影概念图建筑效果图高端广告摄影风格图片Midjourney 依然非常强。Midjourney 现在还提供 Raw、Style Reference、Personalization、Editor 等能力可进一步控制风格和修改图片。一句话评价如果你不知道自己到底想要什么风格Midjourney 往往比你自己更懂“好看”。五、字节跳动 Seedream目前国产生图第一梯队接下来是国内非常重要的一条路线Seedream。Seedream 来自字节跳动 Seed 团队也是豆包、即梦背后的重要图像生成技术。目前官方已经展示Seedream 5.0 Pro。Seedream 的进化速度其实非常快。Seedream 3.0 时期就已经重点解决中文文字生成小字生成复杂排版Prompt 对齐原生 2K 图片等问题。到了 Seedream 4.0系统进一步统一了文生图 图片编辑 多图片组合。其技术报告还披露了 1K4K 高分辨率生成以及多图参考能力。现在继续发展到 Seedream 5 系列之后我认为 Seedream 已经不是“国产替代”。而是真正进入全球第一梯队。Seedream 特别适合中文海报电商产品设计自媒体配图中文场景摄影AI Agent 自动生图如果你的主要用户在国内这个模型非常值得关注。六、Qwen-Image阿里开始卷“信息图”了Qwen-Image 是我觉得很多程序员应该重点关注的模型。为什么因为它不是单纯追求画一个美女。它非常重视文字。2026 年 7 月阿里已经发布Qwen-Image-3.0。官方将它定位为 Qwen-Image 系列第三代基础图像生成模型。之前 Qwen-Image-2.0 就已经重点强化信息图PPT海报漫画摄影等生产场景。而 Qwen-Image 系列从最初版本开始就特别强调复杂文字渲染和精确图片编辑。这其实非常重要。因为以前 AI 生图最大的笑话就是图挺漂亮字一个都看不懂。而现在这一代模型正在把“图片里的文字”真正变成生产能力。例如生成一张 AI Agent 架构图标题为《AI Agent 工作流程》下面包含感知层、规划层、工具层、执行层。这种任务已经开始变得真正可用了。七、FLUX.2程序员最应该关注的生图模型之一如果你是开发者那么 Black Forest Labs 的 FLUX 基本绕不开。目前已经进入FLUX.2。官方提供四个主要版本FLUX.2 [max]FLUX.2 [pro]FLUX.2 [flex]FLUX.2 [dev]其中dev继续提供开放权重路线。这也是 FLUX 很有意思的地方。它同时在服务两类用户一类是我只想调用 API 得到最好的结果。另一类是我要自己部署、改 Workflow、接 ComfyUI。FLUX.2 官方还强调最高 32K 文本输入、亚 10 秒生成以及更强的专业控制能力。所以对于开发者来说它的意义非常大。你可以围绕它搭建用户 ↓ AI Agent ↓ Prompt Rewrite ↓ FLUX ↓ Control / Reference ↓ Upscale ↓ 图片甚至LLM ↓ 自动拆 Prompt ↓ ComfyUI Workflow ↓ FLUX ↓ LoRA ↓ ControlNet ↓ 后处理 ↓ 最终图片这种自由度是封闭模型无法提供的。八、Ideogram 4专门和“文字”死磕如果你的工作主要是海报LogoBanner广告封面带英文文字的设计Ideogram 一直值得关注。而到了 2026 年Ideogram 已经推出Ideogram 4。更有意思的是Ideogram 4 已经走向开放权重。其官方 GitHub 将 Ideogram 4 定义为公司首个 open-weight 文生图模型并重点强调多语言文字渲染JSON 结构化 PromptBounding Box 布局调色板控制原生 2K 输出等能力。这背后的方向特别值得关注以后 AI 生图 Prompt 可能不只是帮我画一个科技海报而可能逐渐变成{background:dark technology,title:{text:AI AGENT,position:top-center},subject:{type:robot,position:center}}也就是说AI 生图开始从“抽卡”向结构化设计发展。这是非常重要的变化。九、Recraft V3设计师路线Recraft 和前面的模型又不太一样。它不是特别强调我要生成宇宙最漂亮的摄影照片。它更加关注设计。Recraft 官方将其能力覆盖到矢量生成LogoIconMockup广告商品图Stock Image图片编辑甚至可以直接生成 Vector。这就是一个巨大的差异。因为对于设计师来说一张 1024×1024 PNG 并不一定有用。他们可能真正需要的是SVG。Recraft V3 还专门强化了文字渲染、文字位置控制和风格一致性。所以如果做LogoUI Icon品牌视觉插画平面设计SVG电商物料Recraft 是一个经常被低估的模型。十、腾讯 HunyuanImage 3.0腾讯混元也是国内必须提的一支。HunyuanImage 3.0 走了一条非常激进的路线原生多模态生成模型。它将多模态理解与图片生成统一到一个自回归框架中。HunyuanImage 3.0 总参数超过 800 亿并采用 MoE 架构推理时激活约 130 亿参数腾讯公开了相应代码和权重。这意味着它和早期 Stable Diffusion 的思路已经有很大不同。以前是文字 ↓ Text Encoder ↓ Diffusion ↓ 图片未来越来越可能是文字 图片 知识 推理 ↓ 多模态模型 ↓ 理解 生成 编辑 ↓ 图片所以 HunyuanImage 真正值得观察的是这种架构方向。十一、Stable Diffusion老了但还没死很多人现在会问Stable Diffusion 还有必要玩吗我的答案是有。但是它的定位已经变化了。Stable Diffusion 3.5 Large 拥有 81 亿参数Stability AI 将其定位为 SD 3.5 家族中能力最强的基础模型之一。如果只比较输入一句 Prompt谁生成得最好看Stable Diffusion 已经很难继续统治第一梯队。但是如果讨论ComfyUILoRAControlNetIPAdapterInpainting本地部署模型微调二次开发工作流Stable Diffusion 生态依然非常庞大。所以 SD 今天最大的优势已经不是 Base Model。而是生态。这很像 Linux。你很难说 Linux 桌面体验一定比 macOS 好。但如果你要改系统底层Linux 完全是另外一个世界。十二、快手 Kolors另外一个国内经常被低估的模型是Kolors。Kolors 来自快手。它从一开始就特别强调中文 Prompt中文文字人像摄影中国文化语义官方开源模型资料显示Kolors 基于大规模文本图像数据训练重点增强中英文理解以及中文场景生成能力。所以它比较适合电商人像模特穿搭中文广告中国本土场景尤其快手本身拥有大量短视频、电商和人物内容因此 Kolors 的产品方向其实非常好理解。十三、Adobe Firefly真正的优势不是模型而是 PhotoshopAdobe Firefly 是另外一种玩法。单纯讨论Firefly 是不是世界最强生图模型意义其实不大。Adobe 真正可怕的是Firefly Photoshop Illustrator Premiere Creative Cloud这整个生态。Firefly 目前已经成为一个包含图片、视频、音频以及第三方模型的创意平台。Adobe 同时一直强调自家 Firefly 模型主要基于授权内容和版权已到期的公共领域内容训练并结合 Content Credentials 等机制面向商业内容生产。所以如果你的公司是广告公司品牌设计商业摄影企业市场部那么 Firefly 的优势会非常明显。因为设计师可以生成 ↓ Photoshop 修改 ↓ Illustrator ↓ 排版 ↓ 商业交付整个流程不用离开 Adobe。十四、真正应该怎么比较这些模型如果单纯搞一个所谓排行榜第一名 XXX 第二名 XXX 第三名 XXX其实意义已经不大。我更推荐按照场景选。1. 综合生图第一梯队GPT Image 2 Gemini Image Seedream Midjourney FLUX2. 艺术和审美我会优先Midjourney Seedream FLUX GPT ImageMidjourney 依然很难绕开。3. 图片编辑优先考虑Gemini GPT Image Seedream Qwen-Image这其实是新一代模型真正拉开差距的地方。4. 中文海报优先Qwen-Image Seedream GPT Image HunyuanImage尤其复杂中文场景国产模型越来越有优势。5. 英文海报 / Logo可以考虑Ideogram Recraft GPT Image Midjourney6. 摄影和真人优先Gemini Seedream Midjourney FLUX GPT Image7. 本地部署基本就是FLUX Qwen-Image HunyuanImage Stable Diffusion Ideogram 4 Kolors开放权重模型的意义就在这里。十五、我给这些模型做一个主观能力表注意下面不是官方 Benchmark。而是按照实际产品定位和能力方向做的一个主观选型参考。模型画质中文文字编辑审美开放性GPT Image 29.59.591093Gemini Image9.599108.53Midjourney V8.210888102Seedream 59.5109.59.59.54Qwen-Image 3910109.58.59FLUX.29.58.5999.59Ideogram 499108.599Recraft V39810995HunyuanImage 3910998.59Stable Diffusion87.5710*810Kolors8.59.5888.59Firefly8.588.510*8.53这里的10*不是说 Base Model 本身一定最强。Stable Diffusion 的编辑来自整个社区工作流。Firefly 的编辑优势则来自 Photoshop 等 Adobe 产品生态。十六、2026 年最值得关注的变化生图模型正在消失最后说一个我认为很重要的趋势。未来我们可能不会再单独讨论文生图模型。为什么因为它正在被多模态模型吃掉。以前GPT 负责文字 Stable Diffusion 负责图片 Whisper 负责语音 视频模型 负责视频每一种模态都有一个单独模型。但是现在的发展方向越来越明显多模态大模型 │ ┌─────────┼─────────┐ ↓ ↓ ↓ 文字 图片 视频 ↓ ↓ ↓ 理解 编辑 生成图片生成会逐渐从“根据一句 Prompt 抽一张图”变成“AI 理解你的目标然后帮助你完成一个视觉任务。”例如你告诉 AI给我的公众号文章设计一张封面参考苹果发布会风格。标题放左边不要改变我的人物照片背景换成科技蓝并生成横版、竖版和朋友圈三个尺寸。AI 会自己理解哪张图是人物哪些元素必须保留什么是苹果风格标题应该放在哪里不同平台需要什么比例怎样修改背景怎样保证三个版本视觉统一这已经不再是传统意义上的“生图”。而是Visual Agent。十七、如果让我现在选模型如果我是普通用户GPT Image / Gemini / Midjourney如果我是设计师Midjourney Recraft Firefly如果我是国内自媒体Seedream GPT Image Qwen-Image如果我要做中文海报Qwen-Image Seedream如果我要开发 AI 生图产品GPT Image Gemini Seedream FLUX如果我要自己部署FLUX Qwen-Image HunyuanImage Stable Diffusion如果我要研究 AI Agent我反而最关注GPT Image、Gemini、Seedream、Qwen-Image。因为未来真正的竞争并不是“谁能画一张漂亮图片”。而是谁能够真正理解图片然后持续地、可控地帮你完成视觉任务。这才是下一阶段 AI 生图真正有意思的地方。
如果把时间往前拨两三年我们讨论 AI 生图基本还在比较Stable Diffusion 和 Midjourney 谁画得更好但到了 2026 年这个问题已经完全不一样了。现在的 AI 生图模型已经分化出了非常明显的路线有的追求极致审美有的追求真实摄影感有的擅长海报、文字和排版有的擅长参考图修改有的强调角色一致性有的主打开源、本地部署和工作流还有一些模型已经开始从“文生图模型”变成真正的多模态视觉模型所以今天这篇文章我想把目前市面上比较重要的 AI 生图模型一次性梳理清楚。本文时间基准2026 年 8 月。一、先看结论现在主流生图模型有哪些目前值得重点关注的模型大致可以分成这几派。厂商模型最大特点推荐指数OpenAIGPT Image 2综合能力、编辑、指令理解★★★★★GoogleGemini 3 Image / Nano Banana 系列多模态编辑、参考图、真实性★★★★★MidjourneyV8.2审美、艺术、电影感★★★★★ByteDanceSeedream 5.0中文、商业设计、综合能力★★★★★AlibabaQwen-Image 3.0中文文字、信息图、开源生态★★★★★Black Forest LabsFLUX.2专业生成、可控、开发者生态★★★★★IdeogramIdeogram 4文字、Logo、海报排版★★★★★RecraftRecraft V3平面设计、矢量图、品牌设计★★★★☆TencentHunyuanImage 3.0中文、多模态、开放权重★★★★☆AdobeFireflyPhotoshop/Adobe 工作流★★★★☆Stability AIStable Diffusion 3.5本地部署、社区生态★★★★KuaishouKolors中文、人像、电商★★★★这里其实已经可以看到现在已经不存在一个模型能在所有场景下碾压其他模型。真正应该讨论的是你的业务到底需要什么模型二、OpenAIGPT Image 2如果让我选一个目前最“全能”的生图模型我会把 GPT Image 2 放在第一梯队。OpenAI 官方目前将gpt-image-2定位为其最新的旗舰图像生成模型支持文本输入、图像输入、图像输出同时强化了高质量生成和图片编辑能力。GPT Image 最大的改变并不是“画质提高了一点”。而是它越来越不像传统 Diffusion 模型而像一个真正理解你要求的视觉 AI。比如你可以告诉它把左边这个杯子删除。或者人物不要变化把背景换成一个暖色现代办公室。或者保留这个产品主体在右边加入价格和三条卖点做成电商宣传图。这种自然语言修改是 GPT Image 最大的优势。优点Prompt 理解能力强中文理解很好多轮修改体验好图像编辑强参考图能力强人物、产品主体保持能力不错海报和带文字图片明显强于传统 Diffusion缺点主要还是不开源。你基本只能通过 OpenAI 或相应 API 服务使用。所以对于普通用户、AI Agent、自动生成营销图片来说它非常适合。但如果你想LoRAControlNet自定义推理本地 GPU 部署修改模型权重GPT Image 就不是你的路线。三、GoogleGemini Image / Nano BananaGoogle 是目前另外一个非常值得关注的阵营。很多人习惯把 Google 的图片生成能力统称为Nano Banana但实际上 Google 的图像生成体系已经越来越复杂包括 Gemini 原生图像模型以及 Imagen 系列。Google 官方 Gemini API 已经支持 Gemini 3 系列图像模型并提供最高 4K 等不同图像尺寸输出。另外Google 仍然提供专门的 Imagen 图像生成体系官方将 Imagen 定义为高保真文本生成图像模型。Google 最大的优势我认为不是单纯的文生图。而是图片理解 图片编辑。比如给它一张照片把这个人在东京街头的照片改成巴黎但是人物、衣服和拍摄角度都不要改变。这种任务非常适合 Gemini。尤其当任务涉及多张参考图片人物一致性产品一致性空间关系材质光影图片重新设计Google 的表现非常强。优点多模态理解强图片编辑能力强参考图表现优秀空间关系比较合理真实感强复杂指令理解能力强缺点它有时候没有 Midjourney 那么“会审美”。也就是说你要求它准确完成任务它非常优秀。但你只写给我画一张高级的海报。Midjourney 有时候反而更容易直接给你一个让人“哇”的结果。四、Midjourney V8.2审美依然是一座大山Midjourney 是一个非常特殊的存在。从早期 V4、V5、V6一直到现在的 V8 系列它一直没有把自己变成一个纯粹的 API 基础设施公司。它更像一个 AI 艺术工作室。截至 2026 年 8 月Midjourney 官方文档已经以V8.2为当前版本体系重点继续强化审美、图片质量和 Personalization。V8.1 已经大幅提高生成速度和 Prompt 遵循能力而 V8.2 又继续加强整体审美。Midjourney 最大的问题同时也是最大的优势它会偷偷帮你设计。你给其他模型一辆跑车停在雨夜东京街头。其他模型可能会非常老实地生成“一辆跑车”。Midjourney 则可能自动帮你加入电影级灯光霓虹灯景深摄影构图高级材质环境反射色彩风格所以对于概念设计游戏原画艺术创作电影概念图建筑效果图高端广告摄影风格图片Midjourney 依然非常强。Midjourney 现在还提供 Raw、Style Reference、Personalization、Editor 等能力可进一步控制风格和修改图片。一句话评价如果你不知道自己到底想要什么风格Midjourney 往往比你自己更懂“好看”。五、字节跳动 Seedream目前国产生图第一梯队接下来是国内非常重要的一条路线Seedream。Seedream 来自字节跳动 Seed 团队也是豆包、即梦背后的重要图像生成技术。目前官方已经展示Seedream 5.0 Pro。Seedream 的进化速度其实非常快。Seedream 3.0 时期就已经重点解决中文文字生成小字生成复杂排版Prompt 对齐原生 2K 图片等问题。到了 Seedream 4.0系统进一步统一了文生图 图片编辑 多图片组合。其技术报告还披露了 1K4K 高分辨率生成以及多图参考能力。现在继续发展到 Seedream 5 系列之后我认为 Seedream 已经不是“国产替代”。而是真正进入全球第一梯队。Seedream 特别适合中文海报电商产品设计自媒体配图中文场景摄影AI Agent 自动生图如果你的主要用户在国内这个模型非常值得关注。六、Qwen-Image阿里开始卷“信息图”了Qwen-Image 是我觉得很多程序员应该重点关注的模型。为什么因为它不是单纯追求画一个美女。它非常重视文字。2026 年 7 月阿里已经发布Qwen-Image-3.0。官方将它定位为 Qwen-Image 系列第三代基础图像生成模型。之前 Qwen-Image-2.0 就已经重点强化信息图PPT海报漫画摄影等生产场景。而 Qwen-Image 系列从最初版本开始就特别强调复杂文字渲染和精确图片编辑。这其实非常重要。因为以前 AI 生图最大的笑话就是图挺漂亮字一个都看不懂。而现在这一代模型正在把“图片里的文字”真正变成生产能力。例如生成一张 AI Agent 架构图标题为《AI Agent 工作流程》下面包含感知层、规划层、工具层、执行层。这种任务已经开始变得真正可用了。七、FLUX.2程序员最应该关注的生图模型之一如果你是开发者那么 Black Forest Labs 的 FLUX 基本绕不开。目前已经进入FLUX.2。官方提供四个主要版本FLUX.2 [max]FLUX.2 [pro]FLUX.2 [flex]FLUX.2 [dev]其中dev继续提供开放权重路线。这也是 FLUX 很有意思的地方。它同时在服务两类用户一类是我只想调用 API 得到最好的结果。另一类是我要自己部署、改 Workflow、接 ComfyUI。FLUX.2 官方还强调最高 32K 文本输入、亚 10 秒生成以及更强的专业控制能力。所以对于开发者来说它的意义非常大。你可以围绕它搭建用户 ↓ AI Agent ↓ Prompt Rewrite ↓ FLUX ↓ Control / Reference ↓ Upscale ↓ 图片甚至LLM ↓ 自动拆 Prompt ↓ ComfyUI Workflow ↓ FLUX ↓ LoRA ↓ ControlNet ↓ 后处理 ↓ 最终图片这种自由度是封闭模型无法提供的。八、Ideogram 4专门和“文字”死磕如果你的工作主要是海报LogoBanner广告封面带英文文字的设计Ideogram 一直值得关注。而到了 2026 年Ideogram 已经推出Ideogram 4。更有意思的是Ideogram 4 已经走向开放权重。其官方 GitHub 将 Ideogram 4 定义为公司首个 open-weight 文生图模型并重点强调多语言文字渲染JSON 结构化 PromptBounding Box 布局调色板控制原生 2K 输出等能力。这背后的方向特别值得关注以后 AI 生图 Prompt 可能不只是帮我画一个科技海报而可能逐渐变成{background:dark technology,title:{text:AI AGENT,position:top-center},subject:{type:robot,position:center}}也就是说AI 生图开始从“抽卡”向结构化设计发展。这是非常重要的变化。九、Recraft V3设计师路线Recraft 和前面的模型又不太一样。它不是特别强调我要生成宇宙最漂亮的摄影照片。它更加关注设计。Recraft 官方将其能力覆盖到矢量生成LogoIconMockup广告商品图Stock Image图片编辑甚至可以直接生成 Vector。这就是一个巨大的差异。因为对于设计师来说一张 1024×1024 PNG 并不一定有用。他们可能真正需要的是SVG。Recraft V3 还专门强化了文字渲染、文字位置控制和风格一致性。所以如果做LogoUI Icon品牌视觉插画平面设计SVG电商物料Recraft 是一个经常被低估的模型。十、腾讯 HunyuanImage 3.0腾讯混元也是国内必须提的一支。HunyuanImage 3.0 走了一条非常激进的路线原生多模态生成模型。它将多模态理解与图片生成统一到一个自回归框架中。HunyuanImage 3.0 总参数超过 800 亿并采用 MoE 架构推理时激活约 130 亿参数腾讯公开了相应代码和权重。这意味着它和早期 Stable Diffusion 的思路已经有很大不同。以前是文字 ↓ Text Encoder ↓ Diffusion ↓ 图片未来越来越可能是文字 图片 知识 推理 ↓ 多模态模型 ↓ 理解 生成 编辑 ↓ 图片所以 HunyuanImage 真正值得观察的是这种架构方向。十一、Stable Diffusion老了但还没死很多人现在会问Stable Diffusion 还有必要玩吗我的答案是有。但是它的定位已经变化了。Stable Diffusion 3.5 Large 拥有 81 亿参数Stability AI 将其定位为 SD 3.5 家族中能力最强的基础模型之一。如果只比较输入一句 Prompt谁生成得最好看Stable Diffusion 已经很难继续统治第一梯队。但是如果讨论ComfyUILoRAControlNetIPAdapterInpainting本地部署模型微调二次开发工作流Stable Diffusion 生态依然非常庞大。所以 SD 今天最大的优势已经不是 Base Model。而是生态。这很像 Linux。你很难说 Linux 桌面体验一定比 macOS 好。但如果你要改系统底层Linux 完全是另外一个世界。十二、快手 Kolors另外一个国内经常被低估的模型是Kolors。Kolors 来自快手。它从一开始就特别强调中文 Prompt中文文字人像摄影中国文化语义官方开源模型资料显示Kolors 基于大规模文本图像数据训练重点增强中英文理解以及中文场景生成能力。所以它比较适合电商人像模特穿搭中文广告中国本土场景尤其快手本身拥有大量短视频、电商和人物内容因此 Kolors 的产品方向其实非常好理解。十三、Adobe Firefly真正的优势不是模型而是 PhotoshopAdobe Firefly 是另外一种玩法。单纯讨论Firefly 是不是世界最强生图模型意义其实不大。Adobe 真正可怕的是Firefly Photoshop Illustrator Premiere Creative Cloud这整个生态。Firefly 目前已经成为一个包含图片、视频、音频以及第三方模型的创意平台。Adobe 同时一直强调自家 Firefly 模型主要基于授权内容和版权已到期的公共领域内容训练并结合 Content Credentials 等机制面向商业内容生产。所以如果你的公司是广告公司品牌设计商业摄影企业市场部那么 Firefly 的优势会非常明显。因为设计师可以生成 ↓ Photoshop 修改 ↓ Illustrator ↓ 排版 ↓ 商业交付整个流程不用离开 Adobe。十四、真正应该怎么比较这些模型如果单纯搞一个所谓排行榜第一名 XXX 第二名 XXX 第三名 XXX其实意义已经不大。我更推荐按照场景选。1. 综合生图第一梯队GPT Image 2 Gemini Image Seedream Midjourney FLUX2. 艺术和审美我会优先Midjourney Seedream FLUX GPT ImageMidjourney 依然很难绕开。3. 图片编辑优先考虑Gemini GPT Image Seedream Qwen-Image这其实是新一代模型真正拉开差距的地方。4. 中文海报优先Qwen-Image Seedream GPT Image HunyuanImage尤其复杂中文场景国产模型越来越有优势。5. 英文海报 / Logo可以考虑Ideogram Recraft GPT Image Midjourney6. 摄影和真人优先Gemini Seedream Midjourney FLUX GPT Image7. 本地部署基本就是FLUX Qwen-Image HunyuanImage Stable Diffusion Ideogram 4 Kolors开放权重模型的意义就在这里。十五、我给这些模型做一个主观能力表注意下面不是官方 Benchmark。而是按照实际产品定位和能力方向做的一个主观选型参考。模型画质中文文字编辑审美开放性GPT Image 29.59.591093Gemini Image9.599108.53Midjourney V8.210888102Seedream 59.5109.59.59.54Qwen-Image 3910109.58.59FLUX.29.58.5999.59Ideogram 499108.599Recraft V39810995HunyuanImage 3910998.59Stable Diffusion87.5710*810Kolors8.59.5888.59Firefly8.588.510*8.53这里的10*不是说 Base Model 本身一定最强。Stable Diffusion 的编辑来自整个社区工作流。Firefly 的编辑优势则来自 Photoshop 等 Adobe 产品生态。十六、2026 年最值得关注的变化生图模型正在消失最后说一个我认为很重要的趋势。未来我们可能不会再单独讨论文生图模型。为什么因为它正在被多模态模型吃掉。以前GPT 负责文字 Stable Diffusion 负责图片 Whisper 负责语音 视频模型 负责视频每一种模态都有一个单独模型。但是现在的发展方向越来越明显多模态大模型 │ ┌─────────┼─────────┐ ↓ ↓ ↓ 文字 图片 视频 ↓ ↓ ↓ 理解 编辑 生成图片生成会逐渐从“根据一句 Prompt 抽一张图”变成“AI 理解你的目标然后帮助你完成一个视觉任务。”例如你告诉 AI给我的公众号文章设计一张封面参考苹果发布会风格。标题放左边不要改变我的人物照片背景换成科技蓝并生成横版、竖版和朋友圈三个尺寸。AI 会自己理解哪张图是人物哪些元素必须保留什么是苹果风格标题应该放在哪里不同平台需要什么比例怎样修改背景怎样保证三个版本视觉统一这已经不再是传统意义上的“生图”。而是Visual Agent。十七、如果让我现在选模型如果我是普通用户GPT Image / Gemini / Midjourney如果我是设计师Midjourney Recraft Firefly如果我是国内自媒体Seedream GPT Image Qwen-Image如果我要做中文海报Qwen-Image Seedream如果我要开发 AI 生图产品GPT Image Gemini Seedream FLUX如果我要自己部署FLUX Qwen-Image HunyuanImage Stable Diffusion如果我要研究 AI Agent我反而最关注GPT Image、Gemini、Seedream、Qwen-Image。因为未来真正的竞争并不是“谁能画一张漂亮图片”。而是谁能够真正理解图片然后持续地、可控地帮你完成视觉任务。这才是下一阶段 AI 生图真正有意思的地方。
![MyBatis Parameter ‘list‘ not found. Available parameters are [cars, param1] 错误详解](http://pic.xiahunao.cn/yaotu/MyBatis Parameter ‘list‘ not found. Available parameters are [cars, param1] 错误详解)
