模型目录
AI 图像模型——重在用途，不做排名
七个用户真正在点名的模型，以及各自真正擅长的任务。不打分，因为答案完全取决于你的具体工作。
模型目录
- GoogleNano BananaGoogle 的对话式图像编辑器。多次编辑仍能保持人脸一致。
- Stability AIStable Diffusion开源模型之源头。LoRA、ControlNet、checkpoint。
- Black Forest LabsFLUX.1由前 Stable Diffusion 研究人员打造。更忠实理解 prompt，能生成可读文字。
- Midjourney, Inc.Midjourney自带一套固定审美的那款。风格强势、封闭、订阅制。
- RecraftRecraft能导出真正矢量的那款。为品牌与设计而建。
- ByteDanceSeedream字节跳动的模型。中英文文字渲染强，原生高分辨率。
- OpenAIgpt-image-1支撑 ChatGPT 生成图片的模型。指令遵循强，文字渲染出色。
如何在它们之间选择
首先看你是要从无到有生成图像，还是要改一张已有照片。从零生成更看重构图与对 prompt 的遵从；修改照片则需要模型不去触碰你没有提到的部分。这两者几乎是相反的要求，为其一侧而建的工具往往在另一侧表现平平。
其次看你是否需要结果可复现。封闭托管的模型会在你不知情时发生改变，你商业上依赖的风格可能在你无法控制的时间表上消失。开放权重能解决这个问题，但代价是你自己运行基础设施。
第三是输出格式，这点往往在为时已晚时才被发现。如果文件必须能在矢量编辑器中打开，或要打印到两米宽，这个约束会在谈质量之前就把列表的大多数排除掉。
这个目录是什么
- 条目数
- 7 个模型
- 是否排名
- 否 — 仅作说明
- 从属关系
- 与任何模型均无从属关系
- 定价
- 刻意不列出
- 版本
- 不固定 — 演进太快
- 更新
- 2026 年 8 月
如何阅读模型对比
几乎所有排名都在回答你并未提出的问题
“最佳图片模型”榜单通常用同一组 prompt 让各模型各出一图来评比。这只是在衡量这些 prompt 下它们的表现——除非你的工作恰好与这些 prompt 相似，否则意义有限；而那组为博文好看而挑的测试 prompt，往往与真实需求相去甚远。
更有用的问题是结构性的：它是生成还是编辑，它有没有审美倾向，你能否自托管运行，最后输出的是什么——像素还是曲线。这些属性不会因下个小版本而变，且在谈论“画质好坏”前，已经能把候选清掉大半。
三个能迅速缩小范围的问题
先按约束选择，再按质量取舍
第一个分叉，也是差异最大的
从描述生成图像，与编辑你已有的照片，是近乎相反的问题。前者看重构图与对 prompt 的遵从；后者看重对未提及区域的“保持原样”。
面向编辑的模型，能在连贯修改中保持主体身份；面向生成的模型，让你从零控制构图、光学与风格。真正两头都很强的，极少。
- 编辑现有照片：Nano Banana。
- 凭空生成：FLUX、Midjourney。
- 两者兼顾，用对话式：gpt-image-1。
谁在掌控你的关键依赖
封闭的托管模型会在你不掌控的节奏下变化。你为品牌打磨出的独特风格，可能在某次更新后不可复现，且没有可固定的版本。
开放权重能解决这个问题，但代价是基础设施：硬件、存储、更新，以及依赖动了就会断的流水线。
- 重视可复现性：Stable Diffusion、FLUX。
- 不想管基础设施：选择任一托管。
- 量与隐私通常推动自托管。
人们最后才发现的限制
如果输出必须能在矢量编辑器里打开、能放大到建筑尺度、或明年还能被别人重新着色，那么无论看起来多好，位图都是错的制品。
同理，若必须承载一门有大量字符的语言的可读文字，这个条件在开选前就会排除列表中的大多数。
- 可编辑曲线：Recraft。
- 中英文字体：Seedream。
- 其他情形：位图像素。
模型常见问答
选型前大家会问的事
简短回答；各模型自己的页面有更长版本。
为什么同一个 prompt 和模型会出不同的图？
因为起始噪声不同。用 seed 固定起始噪声，prompt + seed + 模型三者一致即可精确复现。改任一项，得到的都是“相关但不相同”的图。
新模型一定更好吗？
在“裸输出”上，多数时候是。在它周边的一切——社区工具、风格适配、许可清晰度、价格稳定性——则未必。Stable Diffusion 是靠生态延续生命力的最典型旧模型。
我的 prompt 能在模型之间通用吗？
主题与场景能迁移；参数与语法很少能。不同模型对权重、负面与风格 token 的理解各异；为某一模型深度调校的 prompt，换到别处通常就“过度规定”了。
开放权重到底给了我什么？
本地运行的能力、把版本永远固定、按次无成本地产生图、以及把素材留在第三方基础设施之外。代价是硬件与维护。
哪个能把文字渲染对？
已有几个能处理短字串，但没有哪个能替代专业排版。先把画面生成好，再在设计工具里加字，你就避开了一整类麻烦。
模型和 prompt 哪个更重要？
低于某个 prompt 水准线时，不重要。一个明确的 prompt 通过中档模型，往往好过一个含糊的 prompt 通过顶级模型——这也是为什么这里的 prompt 指南比目录本身还长。
继续探索
LaFoto 的其他去处
目录在讲工具；下面是用这些工具能做的事。
关于 AI 图像模型的问题
- 哪种 AI 图像模型最好？
- 没有唯一答案，所以这个目录是“描述”而非“排名”。Midjourney 会强加一种审美，FLUX 按字面理解你的指令，Nano Banana 能在不丢人的前提下编辑照片，Stable Diffusion 把零件都交给你，Recraft 输出矢量，Seedream 能中英混排，gpt-image-1 能正确解析复杂句子。按最贴近你问题的描述来选。
- 开源模型和闭源模型有什么区别？
- 开源权重可以下载到你自己的硬件上运行，你能把版本固定住、按张生成零边际成本、并且把素材留在自己手里不经过第三方服务器。闭源模型通过 API 或 App 访问，不用自建基础设施，但更新节奏按提供方而非你来。
- 为什么这些页面不列价格或版本号？
- 因为它们变化比目录页更新得更快，过期的数字看起来像在撒谎，而不是“只是过期”。这里写的是相对恒定的部分——谁做的、怎么使用、权重是否开源、它被设计来擅长什么。
- LaFoto 和这些模型有任何关联吗？
- 没有。我们不转售它们，也与其厂商没有商业往来。唯一用第一人称的地方是 FLUX 条目，在那里我们说明本网站的图片由哪个模型生成——画廊会一张卡一张卡地作证。
- 能把一个模型的 prompt 直接搬到另一个模型吗？
- 主体和场景大多能迁移；参数与语法往往不行。模型在权重语法、负面提示、风格 token 的理解上各不相同，为某个模型深度调过的 prompt 通常对另一个来说就是过度指定。
- 新模型一定比旧模型强吗？
- 在“原始画质”上，通常是。可在其周边——社区工具、风格适配、授权清晰度——却未必。Stable Diffusion 就是靠生态而非素质“硬实力”维持长期相关性的典型。
- 要编辑我已有的照片，该用哪种模型？
- 为编辑而生的模型，而不是仅为生成的。关键能力是能在多次连续修改中把主体稳定地保持为同一个人（或同一个物），多数文生图模型在一两次编辑后就会丢失这一点。
- 它们有哪个能稳定渲染文字吗？
- 有几款对短字串已足够可用，但都不能替代排版。先把画面生成好，再用设计工具加字——生成出来的字母无法在事后编辑、拼写检查或翻译。
今天就开始创作
用最佳 AI 图像生成器生成你的第一张图。
用一句话在数秒内生成成片、逼真的图像——随后精修每个细节。无需配置、无需 Discord、无需 GPU。
加入 4,200+ 位创作者正在使用 LaFoto