Midjourney V8 评测，以及真正值得用的替代方案

任何一份诚实的 Midjourney V8 评测，都得先说清 Midjourney 多年来一直做得很好的那件事：它出的图看起来像是有人做过决定的。喂给它一句简短、含糊的提示词，它依然会返回一张有讲究的配色、有意图的光线，以及连贯风格感的画面。这不是小成就，也解释了为什么概念设计、情绪板和编辑插画这些领域里，相当一部分人还是先打开 Midjourney。

这同时也解释了为什么这么多团队最后都在 Midjourney 旁边再放一个工具。那个“很有主张”的引擎能一次就给你一张漂亮的画面，但当你需要的只是一处具体改动时，它就很难被指挥——换一个标签颜色、把标题里的一个词改对、把某件产品换进一个已有的场景。这篇评测会看看当前 V8 时代的 Midjourney 做得好的地方、它的限制在哪里真的会咬人，以及 OmniArt 里有哪些模型能补上这些缺口。视角是刻意选定的：这些是不同的取舍，不是一张排行榜。

Midjourney 依然做得好的地方

一套能救回弱提示词的固有美学

Midjourney 最鲜明的特征是它的默认输出本身就已经被艺术指导过了。光线偏电影感，构图偏平衡，调色偏和谐。对于正在探索、而不是在执行一份定死的需求的创作者，这种偏向是优点。你可以只打出一个想法的碎片，就得到四张值得反应的画面。

对比那些为严格遵循指令而调优的模型：你给一段平淡无趣的描述，它就忠实地渲染出平淡无趣的结果，因为那就是你要的。Midjourney 会用品味来填补空白。当你还不知道自己想要什么的时候，品味比听话更有用。

整组图的风格连贯

参考系统是很多工作室留下来的现实理由。风格参考、角色与主体参考、情绪板和个性化配置，让你把一种质感确定一次，然后产出一整组彼此协调的图。对一套卡牌游戏、一份提案演示、一本书的章节插图或一块品牌情绪板来说，整组层面的一致性比任何单张画面都重要。

快速、低摩擦的探索

在 Midjourney 里迭代的心智成本很低。变体网格、轻微与强烈两档变体、放大、平移和缩放构成了一个不需要重写提示词就能持续转动的循环。V7 及之后的草稿模式和对话模式在这个方向上走得更远，在你还在找方向的阶段用成图精度换速度。Midjourney 也已经延伸到图生视频，所以你喜欢的一张静图可以不离开工具就动起来。

Midjourney 的限制在哪里显现

编辑精度才是真正的天花板

Midjourney 的编辑器覆盖了局部重绘、扩图、区域变体和重新贴图，这些工具能处理相当大比例的日常修改。它们给不了你的，是确定性的、可精确定位的编辑。你没有可靠的办法说“只改这个坐标位置上的物体”，也没法把一个精确的十六进制色值交给模型并要求它原值返回，或者画一个形状、让它在那个确切位置变成你描述的物体。

实际上这意味着 Midjourney 的编辑是一场谈判。你遮住一个区域、描述改动，然后评估返回的结果——常常会发现周边像素飘了、某处纹理被重新生成了，或者颜色落在你的品牌值附近而不是正中。对探索性的美术工作，这没问题。对包装效果图、服装配色方案、界面效果图，或者任何会被品牌合规人员逐项检查的东西，这就变成了成本。

图片里的文字

整个领域的文字排版能力都在进步，Midjourney 渲染短词的水平也远好于从前。但当图片必须承载一句标题、一组示意图标注、一份菜单，或者几个位置固定的独立文字元素时，它仍然不是该拿起的那个工具。长字符串、小字号和非拉丁文字依旧是弱项。

只有订阅，没有真正的免费档

Midjourney 是一个付费订阅产品。免费试用几年前就消失了，之后也没有以任何稳定的形式回来。它的套餐历来分四档，从入门档每月约 10 美元到最高档每月约 120 美元，按年付款有折扣。各档之间的差别主要落在三条轴上：

• 快速 GPU 时长 —— 每月一定额度的优先生成时间，越贵的档位给得越多。
• Relax 排队模式 —— 不计量但要排队的生成，只从中间档位起才有。
• 隐私与授权条款 —— 隐身生成和适配较大公司的条款位于高档位。

这个结构是自洽的，但它有代价。你每月都要承诺付费，不管产出多少；GPU 时长的账要额外去管；而低档位的默认设置是你的生成结果会出现在公共作品流里。工作量忽高忽低的团队——这个月很重，下个月停摆——付的是平均值而不是实际用量。

工作流摩擦与封闭的接口

Midjourney 是在 Discord 里长起来的，虽然如今网页端已经是个能打的主界面，历史痕迹仍在。基于 Discord 的生成意味着创作过程活在一个聊天频道里，而 Discord 自己的频率限制和审核层就横在你和你的图之间。更重要的是，Midjourney 一直没有提供通用的公开 API。如果你的流程需要程序化生成、批量任务，或者把一个出图步骤接进自动化流水线，Midjourney 就不是那个能插进去的零件。

需要编辑控制时，OmniArt 上的替代方案

下面这些模型都不会给你 Midjourney 那种默认质感，而这正是重点。它们用一套强烈的固有美学，换来了可定位、可复现的控制力——而且它们彼此相邻，共处一个工作区、共用一份额度余额，这会改变你使用它们的方式。

Seedream 5.0 Pro —— 可定位的区域编辑

Seedream 5.0 Pro 是对 Midjourney 编辑天花板最直接的回答。你不必描述一处改动然后指望模型自己找到目标，而是直接指给它：一个选框、一个点、一个箭头，或者一个具体坐标。草图编辑让你画一个粗略形状或色块，再描述它应该在那个确切位置变成什么。锚点编辑能在一个繁杂的画面里锁定小而含糊的目标，让编辑落在正确的元素上。

它还能读取精确的十六进制色值和有名字的材质，而不是给你一个相近的色调——这正是一张配色效果图能不能过品牌审核的分界线。多图融合最多接受 10 张参考图，把它们的物体、风格或材质合成一张输出，于是一整个文件夹里分别拍摄的产品照可以变成一张构好的静物。图层分离则把结果拆成背景加透明元素图层，方便后续重新组合。

代价是真实存在的：这是一个由你指挥的模型，而不是一个替你做艺术指导的模型。提示词写得弱，出来的结果会比 Midjourney 给你的更弱。我们的 Seedream 5.0 Pro 提示词指南 讲了每种编辑模式对应的提示词写法。

Nano Banana 2 —— 参考引导的写实

当需求偏摄影而不是偏插画时——人像、生活场景、材质和光线都要可信的产品主图——Nano Banana 2 就是该拿起来的那一个。它处理参考引导的编辑很稳，能接受物体和角色参考，让同一个主体在一整组图里都认得出来，输出最高到 4K。

它倾向于把复杂指令简化，也不提供 Seedream 那种坐标级的精度。它换回来的是：输出往往需要更少的后期修图就能交付。

GPT Image 2 —— 自然语言修改与文字排版

GPT Image 2 用对话的方式做编辑：用日常语言描述改动，让模型自己判断改在哪里、怎么改。这比给坐标要不精确，但处理日常修改要快得多，也适合那些宁愿说话也不愿标注的人。

它相对 Midjourney 最明显的优势是文字。当一张图必须承载一句读得清的标题、有顺序的示意图步骤、准确的标注，或者版式固定的多个文字元素时，GPT Image 2 是更靠得住的选择，输出同样可达 4K。

Qwen Image —— 便宜、快速的草稿

Qwen Image 填的是 Midjourney 草稿模式那个位置：在需求还没到值得动用更贵模型之前，用低成本快速拿到一个可用方向。它支持 720p 和 1080p、可复现的随机种子以便做受控迭代，以及多张图片输入。把它当成速写本，不是最终成图。

按任务选，而不是按品牌选

最常见的现实配置不是替换，而是分工。在能最快给你方向的工具里探索，然后把生产环节——修改、配色方案、带文字的版本、视频版本——搬进一个每一步都有合适模型的工作区。因为 OmniArt 的模型共享同一个工作区和同一份额度余额，这次交接只是换个模型，而不是一次采购决策。

在 OmniArt 上开始

拿一份你平时会交给 Midjourney 的需求，走两条路各跑一遍。先生成概念画面，然后试试你最后总会需要的那处具体修改——把产品改成一个精确的十六进制色值、把一件物品换进已完成的场景，或者加一句必须拼写正确的标题。哪条路用更少的轮次到达可发布的成品，就让它接管你流程里的这个环节。

打开 OmniArt 图片工作区，用同一条提示词对比 Seedream 5.0 Pro、Nano Banana 2、GPT Image 2 和 Qwen Image，再把你确认的那张画面直接带进视频，不用在别处重搭一遍流程。