01先立三根轴，再看工具
多数人挑绘画工具的方式是看榜单。榜单看的是同一批提示词下谁更好看，可真实工作里，"好看"只是入场券。真正决定你在三个月后还愿不愿意续费的，是三件很朴素的事：能不能一次出到能用、能不能改到你想要、能不能交付成对方要的格式。
我把这三件事拆成三根轴，后面每一款工具都往这三根轴上放。
第一根轴：出片上限
指在不做后期的情况下，第一次生成能达到什么水平。这一项决定你的返工次数。上限高的工具，四张里有一张能直接用；上限低的，二十张出一张，剩下的时间是筛选成本。
出片上限里最容易被高估的是"画质"。2026年了，几家头部的清晰度都够用，真正拉开差距的是三样东西：光是否可信、材质是否有重量、构图是否替你留了信息位。前两样靠模型，第三样靠工具的设计取向——有些工具默认给你一张满构图，有些默认给你一张能放字的图，这是产品哲学差异，不是参数差异。
第二根轴：控制粒度
指你在多大程度上能决定画面里的每一个变量。粗到"换一个风格"，细到"把这块区域的这句英文从十号字改到十二号字，右移两像素"。
控制粒度不是越高越好。粒度越高，学习成本越高，出图越慢。它对不同人有不同的最优值：做概念探索的人需要低粒度加高随机性，做品牌物料的人需要高粒度加高确定性。买错这一项，是绝大多数人换工具的真正原因。
一个判断方法：回想你上一次不满意的图，是"氛围不对"还是"位置不对"。前者是出片问题，后者是控制问题。两者对应的工具，几乎不重叠。
第三根轴：交付形态
指产物能不能直接进入下游。是只能给你一张 PNG，还是能给你分层文件、透明通道、可编辑矢量、带内容凭证的合规文件。这一项在个人创作里几乎不重要，在商业项目里是决定性的。
2026年这条轴上发生的变化最大。两年前所有工具都只给一张扁平图，现在至少五家在往"给素材"的方向走：透明层、可编辑文字、原生矢量、分层导出。谁先把这件事做扎实，谁就吃下了设计团队的采购预算。
选工具不是选最强的，是选跟你瓶颈重合的那一根轴。你的瓶颈在出片，就买审美最好的；瓶颈在改图，就买控制最细的；瓶颈在交付，就买格式最全的。三样都想要，答案通常是两个工具组合，而不是一个全能工具。
022026年真正变了的四件事
这一年版本号刷得很快，但真正改变工作方式的只有四件事。其余都是营销词。
第一件：分辨率不再是卖点，2K成了底线
Midjourney在V8.1里把原生2K做成了标配，出图不再需要单独跑一遍放大；Ideogram 4.0原生2K；Stable Diffusion 4的Ultra版直接给到4096见方；Nano Banana Pro能出4K。当"高清"变成默认，它对选型的影响就归零了。
这件事的连带影响是：后期放大的生意没了。以前一套流程里有个固定环节叫"出图后用放大模型补细节"，现在这个环节被前移进模型内部。省下的不是时间，是一个容易出错的步骤。
第二件：文字从"能出"变成"能读"
这是2026年最实质的进步。Ideogram 4.0在英文OCR基准上做到0.97，Midjourney V8把图内文字渲染列为重点改进，Qwen-Image 3.0宣称能渲染约十像素的小字并支持十二种语言，Seedream 5.0把多语言文字与分层输出绑在一起。
对做海报、包装、电商图的人来说，这一条直接砍掉了"AI出图加人工重排文字"的两段式流程。但要清醒：能读不等于能排。字对了，字距、行距、层级还得人来定。工具解决的是"字不出错"，不是"版面好看"。
第三件：开源追到了"能用"这条线
FLUX.2把开放权重推到320亿参数，支持四百万像素编辑和十张参考图；Stable Diffusion 4换掉U-Net改用DiT，Ultra版原生4K；Qwen-Image 2.1用70亿参数做到原生透明通道和十图编辑。三家的定位不同，但共同点是：开放权重第一次在"商业可用"这个标准上，不再需要打折。
这件事改变的是成本结构。以前开源意味着"便宜但要多干三成活"，现在意味着"便宜且能干"。对年出图量过万的工作室，这个差别就是利润。
第四件：工具的边界开始互相侵入
Midjourney做了视频和编辑模型，Recraft把FLUX、Nano Banana、Ideogram、Seedream都接进自己的画布，Photoshop在生成填充里可以直接切换Firefly、FLUX.2和Gemini，LiblibAI把模型社区、在线生图和节点工作流塞进一个站。
结果是一件有点反直觉的事：你选的不再是模型，是入口。同一个模型，在不同入口里的价格、可控性、交付格式都不一样。所以后面每一款我都标了"它作为入口的价值"，而不只是模型本身。
| 变化 | 谁受益最大 | 谁最该警惕 | 选型上的动作 |
|---|---|---|---|
| 2K成底线 | 印刷、户外、电商主图 | 靠放大服务收费的团队 | 不必再为分辨率付溢价 |
| 文字可读 | 海报、包装、信息图 | 只做纯插画的人（用不上） | 把"图内文字"列进验收项 |
| 开源可用 | 批量出图的工作室 | 按张计费的中间商 | 算边际成本，别只看订阅价 |
| 入口互侵 | 已经在用某个主力软件的人 | 同时订阅五个工具的人 | 先定入口，再定模型 |
03通用旗舰四款
这四款解决的是同一个问题：从零到一张能看的图。它们的差别不在水平高低，而在默认审美和默认控制方式。同样一句话，四家的回答方式完全不同，这就是为什么有人觉得某款"神了"，另一个人觉得"没法用"。
Midjourney V8.2
出片天花板2026年7月24日成为默认版本 · 订阅制 · 无免费档
如果只看"第一眼的惊艳程度"，它仍然是这一档里最强的。V8.2是一次审美与个性化方向的更新，官方说法是画面更"大胆、复杂、锐利"，实际体感是：它更敢做了。低质量的随机翻车明显减少，同一提示词四次生成里，可用的比例比V7时期高出一截。
它这一年真正改了什么
把三个版本连起来看才清楚。V8初版（3月17日）是架构重建，速度提升约五倍，引入原生2K，图内文字渲染大幅改善；V8.1（4月14日，6月10日成为默认）是稳定化，风格往V7的熟悉感回调，情绪板和风格参考更稳；V8.2（7月24日）是审美与个性化，个人偏好档案的样本池更大，匹配更准。
对使用者的实际意义是：如果你在三月试过一次V8就放弃了，那次试的是alpha版，现在的版本已经迭代两轮。这个信息差在中文讨论里特别常见。
控制方式：一手交出去，一手收回来
V8做了一件让老用户不太舒服的事：砍功能。V7时代的Omni Reference、Character Reference、Draft Mode、Turbo、质量参数，在V8线上大多不可用。取而代之的是V8.2引入的编辑模型——支持指令编辑、最多四张参考图、局部重绘和画布外扩，官方说它取代了原来那三个工具。
这个取舍很明确：用更少的旋钮，换更少的决策。对"我想快点看到好图"的人是好事，对"我要精确复现某个角色"的人是坏事。要精确复现，目前还是得回V7，或者换工具。
几个容易忽略的实操细节
第一，HD模式不是免费的。标准任务约耗0.8分钟GPU时间，HD约1.3分钟，成本涨六成。合理做法是定方向用标准，定稿再跑HD。
第二，HD图一旦做平移、扩展或局部修改，会被降回标准分辨率，需要重新放大。这个坑很多人踩过，改完发现清晰度掉了，以为是模型问题。
第三，视频功能只开给高档订阅，而且没有原生音频。要做带声音的片子，声音环节得单独安排。
| 档位 | 价格 | 快速时长 | 适合 |
|---|---|---|---|
| Basic | $10 | 约3.3小时 | 每周出图几十张的个人 |
| Standard | $30 | 15小时 + 无限放松 | 日常接单的自由职业者 |
| Pro | $60 | 30小时 + 隐身模式 | 需要保密项目的团队 |
| Mega | $120 | 60小时 | 高强度批量产出 |
它的短板，说清楚
写实人像仍然偏"美"，皮肤质感和光影太干净，做纪实类、产品细节类会露怯。中文文字渲染是弱项，虽然V8改善了英文，中文长句依然容易崩。批量与流程化能力几乎为零——它是个创作工具，不是生产工具。
适合谁：做概念图、情绪板、封面、插画、社媒视觉的人，尤其是"要的就是那一口气"的创意岗。不适合谁：需要精确复用角色、需要批量出图、需要图内中文排版的人。
Nano Banana Pro
多参考之王Gemini 3 Pro Image · 按张计费 · 4K上限
它解决的是"把东西放对"这个问题。十四张参考图能同时进：最多六张物体、五张人物、三张风格。这个容量在2026年仍是第一梯队，直接决定了它能做别人做不了的事——把五个人的脸放进同一张合影，把产品放进指定的场景，把同一套版式换五种语言。
强在哪
文字与版式是它的主场。官方模型卡里，它的文字渲染得分1198，比上一代Flash图像模型的997高出一大截；在多人物一致性、图表、文字编辑这三项上的领先幅度最大。实际用起来，海报上的短标题、菜单上的品名、包装上的成分表，基本一次能对。
推理是常开的——它会先在脑子里过一遍提示词，甚至先草拟两张中间图再出终稿。这个机制对复杂版式的帮助很大，对简单出图则是多余开销。
贵，但贵得有道理
2K图每张约0.134美元，是同一家2.1版本的2.6倍左右（后者0.0504美元）。差价换来的是多人物一致性和风格参考的精确度。判断标准很简单：如果你的图里需要五个人长得像同一个人，用Pro；如果只是日常海报和商品背景，用2.1更划算。
官方自己的评测里，2.1在整体偏好、信息图设计、蒙版编辑几项上已经反超Pro，只在"五人以上一致性"和"专属风格参考"上落后。这个结论挺反直觉的：贵的不一定更适合你。
拿你自己最难的三个需求，分别用Pro和2.1各跑一遍，别看总分，看"能不能一次通过"。总分领先往往来自你不做的场景，一次通过率才是你的真实成本。
短板
一千像素下的小字会糊，这是官方自己列的已知问题，所以凡是带小字的图，一律上2K或4K。风格化程度不如Midjourney，做艺术向的东西会显得"太规矩"。国内访问需要额外条件，这是现实约束不是产品问题。
适合谁：做电商、本地化物料、多人物合成、带字海报的团队。不适合谁：追求强烈个人风格的插画创作。
即梦 Seedream 5.0 Pro
中文语义最顺2026年7月8日 Pro 版 · 国内直连 · 分层导出
中文提示词的理解深度，是它最实在的优势。你不用把"新中式的茶席，午后侧光，桌上有一只粗陶壶"翻译成英文再塞一堆参数，直接用中文写，它接得住。这个差别在写长提示词时特别明显——越长，翻译损耗越大。
它这一年加了什么
5.0这一代最重要的两个能力：联网检索生图和分层输出。前者让它能在生成前查一下真实世界的资料，做历史场景、真实地标、特定产品时不至于瞎编；后者能把一个场景导出成互相分离的透明图层，直接拖进设计软件继续改。
分层这件事的意义被低估了。以前AI出图是"一张死图"，改一个字要重生成；现在主体、文字、背景分开给，文字可以拿到排版软件里重排。这等于把AI从"出图工具"变成了"出素材工具"，工作流整个变了。
版本别搞混
这条产品线命名有点乱：5.0在2月10日上线，主打推理与检索；5.0 Lite在2月13日跟进，更快更便宜；5.0 Pro在7月8日才到，才是真正的旗舰。所以看到"5.0"三个字，先确认是哪个档。
| 能力 | Lite | 标准 5.0 | Pro |
|---|---|---|---|
| 参考图编辑 | 较少 | 多张 | 最多10张 |
| 输出像素 | 2K | 2K | 2.36MP / 高清4.19MP |
| 分层透明导出 | 不支持 | 部分 | 支持 |
| 联网检索 | 支持 | 支持 | 支持 |
| 单张成本 | 低 | 75积分 | 75 / 高清100积分 |
短板
艺术风格的锐度不如Midjourney，做"有脾气"的图会显得温吞。复杂多主体场景的空间关系偶尔混乱，人多的图仍要挑。高分辨率档的成本不低，批量跑要算账。
适合谁：国内团队、中文电商、社媒配图、需要分层交付的设计岗。不适合谁：追求强烈风格化的艺术创作。
Ideogram 4.0
排版最准2026年6月3日 · 93亿参数 · 开放权重 · 原生2K
它是这一档里唯一把"排版"当成核心命题做的模型。英文文字渲染在公开基准上做到0.97，在开源权重模型里排第一，而且是在只有93亿参数的情况下，赢了参数量两三倍的对手。这个结果说明一件事：文字准确度靠的是标注颗粒度，不是参数堆叠。
JSON提示是它真正的差异点
它可以接受结构化的输入：用十六进制色值锁定色板，用归一化坐标框指定每个元素的位置。比如"标题在这块区域、标志在正中、背景用这两个色"，写成一段结构化描述，模型照着渲染。
这个能力的价值不在炫技，在于可复现。同一个版式跑十次，位置基本一致，这才谈得上进入正式工作流。用自然语言描述排版的工具，每次都在重新猜你的意思。
交付形态走在前面
原生支持透明通道，出图即抠图；路线图上写着"可编辑文字层"和"可移动图像层"会随后续版本给出。这个方向是对的：专业设计交付的从来不是一张图，是一堆能改的零件。
短板要说重一点
写实能力明显落后。要一张有说服力的人像或电影感场景，Midjourney和FLUX.2都更强。它的强项区间很窄——凡是图里必须有字、位置必须对的活，它最好；凡是图里不需要字的活，它有更好的替代。
许可是另一个要注意的点：权重开放，但商用条款和推理代码的许可是两套，企业采购前要让法务过一遍，别默认"开放=随便用"。
适合谁：海报、包装、标识、社媒卡片、需要版式确定性的品牌物料。不适合谁：人像摄影、电影感场景、纯艺术创作。
要那口气，用 Midjourney;要把东西放对，用 Nano Banana Pro;要中文写得顺、还要能拆层，用 Seedream；要字和版式一次到位，用 Ideogram。四款不必都买，但出片工具 + 排版工具这个组合，2026年几乎是专业岗的标配。
04可控与本地四款
这一组解决的是另一个问题：让结果可重复。前一组拼的是"这一次好不好看"，这一组拼的是"下一次能不能一样"。凡是需要批量、需要品牌一致、需要数据不出内网的场景，答案基本都在这里。
FLUX.2
开源旗舰2026年7月32B架构更新 · 商用开放权重 · 4MP编辑
2026年开放权重阵营里最能打的一个。32B的dev版把文生图、图像编辑、多参考合成压进同一个checkpoint，编辑支持到四百万像素，参考图最多十张。这个组合在一年前还不存在——那时候要做"换背景 + 保人物 + 换风格"三件事，得串三套模型。
架构上值得知道的一件事
它把一个240亿参数的视觉语言模型接在扩散主干前面：VLM负责"看懂"提示词和参考图里的世界知识，主干负责空间关系、材质和光线。这个分工解释了它的体感——它比纯扩散模型更"懂你在说什么"，而不是只懂"像什么"。
三个版本，别买错
| 版本 | 形态 | 特点 | 适用 |
|---|---|---|---|
| pro | 闭源 API | 质量最高，速度快 | 直接调用，不折腾 |
| flex | API，可调步数与引导 | 质量与速度可换 | 要控成本的生产线 |
| dev | 32B 开放权重 | 可微调，可自托管 | 年出图量大、要私有化 |
| klein 4B / 9B | 轻量开放权重 | 4B 为 Apache 2.0，13GB 显存 | 本地实时、边缘部署 |
klein这条线值得单独说。4B版在消费级显卡上跑到亚秒级，量化后显存门槛降到十三吉字节左右，意味着"实时出图"第一次不依赖云端。做交互式工具、IDE插件、设计软件内嵌的人，这才是真正改变产品形态的东西。
短板
全精度跑起来要16到24吉字节显存，消费卡吃力，量化后质量损失比SD系更明显——DiT架构的注意力机制会放大量化噪声，这不是调参能解决的。许可证也不是标准开源：禁止用它的输出去训练竞品模型，SaaS二次分发要单独谈。
适合谁：要私有化部署、要微调、要接进自有产品的团队。不适合谁：只想出图、不想碰环境的人。
Stable Diffusion 4
生态最深2026年4月 · Base 与 Ultra 双档 · 社区许可
它的优势从来不是模型本身，是六年攒下来的整套工具链：ControlNet、LoRA、各种采样器、各种节点工作流。当人们说"用SD"的时候，说的其实是这一整套，不是那个checkpoint。
SD4 换掉了什么
彻底离开U-Net，改用扩散变压器架构，加了RoPE位置编码。带来两个可见结果：手部结构在标准引导下的正确率从SD3.5的约72%提到87%；Ultra版原生输出4096见方，是开放权重里第一个不需要拼贴放大就能到4K的。
Ultra还首次加了专门的文字字形模块。这是SD系列一直以来的硬伤，现在至少能用了——但长文本和花体仍不如闭源头部，别指望它做包装主视觉的字。
授权是最容易被误读的地方
社区许可分三档：研究用途任何规模免费；年营收一百万美元以下的商业用途免费；超过这条线要谈企业授权。这是个台阶，不是按次计费——一旦授权，自托管的边际成本趋近于零。
很多中型公司在这条线上翻车：以为"开源就是免费商用"，营收过线后没换授权。法务风险不在模型，在流程。
短板
开箱即用的审美不如Midjourney，你得自己调、自己配LoRA、自己搭流程。Ultra要24GB以上显存，硬件是硬门槛。社区模型质量参差，找一个能用的要花时间。
适合谁：有技术能力、要深度定制、要控制边际成本的工作室。不适合谁：想开箱就用的人。
通义万相 / Qwen-Image
国产开源Qwen-Image 3.0（7月）与 2.1（9月）双线 · 按张计费
这条线2026年的进步幅度是所有国产工具里最大的，但它的版本关系最容易搞错：3.0比2.1发布得早，两个不是替代关系，是两条不同的路线。3.0冲的是复杂版式和小字渲染，2.1冲的是轻量、透明、编辑。
3.0：把图当版面做
它的定位是"能承载信息的视觉内容"。长提示词能写到标题、分区、图解、侧栏、说明文字、地图、界面元素的层级，宣称能渲染约十像素的小字，支持十二种语言的原生渲染。做双語海报、教学图、信息图、报纸式排版，这是国内目前最对路的一个。
2.1：把图当素材做
70亿参数的视觉生成部分，原生支持透明图像——直接出带alpha通道的图，不用抠。支持十张参考图做合成，支持圈选、涂抹、独立蒙版三种局部编辑方式，2K输出。对企业来说这是"素材生产线"，不是"创作工具"。
要提醒的是许可：可下载权重的商用部署需要额外许可，不是公开许可自动授予。这条和FLUX、SD一样，别默认。
| 维度 | 3.0 路线 | 2.1 路线 |
|---|---|---|
| 核心命题 | 复杂版式、小字、多语言 | 轻量、透明、编辑 |
| 参数规模 | 较大 | 视觉部分 7B |
| 透明输出 | 弱 | 原生支持 |
| 参考图 | 较少 | 最多 10 张 |
| 典型场景 | 双語海报、信息图、课件 | 素材库、商品图、抠图 |
| API 价格 | 按档计 | 约 ¥0.25 / 张 |
短板
艺术风格的惊艳度不如头部闭源。多主体复杂场景的一致性仍需挑图。文档分散在不同子品牌下，查参数要花点功夫。
适合谁：国内企业、要私有化、要中文小字、要做素材流水线。不适合谁：追求单张冲击力的创作。
LiblibAI 哩布哩布
模型超市2026年 2.0 版 · 国内直连 · 免费额度 + 会员
它卖的不是模型，是不用配环境就能跑别人的模型。十万量级的LoRA，加上在线生图和节点工作流，把"找模型→调参→出图→修图"压进一个站。对不想装CUDA、不想配Python的人，这是最低门槛的入口。
它真正解决的两个痛点
第一是模型发现。同一个人物、同一种画风，社区里有几十个版本，哪个好用靠试。它把示例图、参数、权重都摆在同一个页面，试错成本比自己在模型站翻低很多。
第二是训练门槛。上传二十来张风格一致的图，十几分钟能出一个LoRA，专业版还能训更大的模型。这意味着小团队也能有自己的专属画风，不必等模型厂商。
短板
依赖上游算力，晚高峰排队是常态。质量上限取决于你选的模型，平台本身不保证出片水平。免费额度看着多，跑高清和批量消耗很快。它更像"工具集散地"，不是"一体化生产系统"。
适合谁：画师、中小工作室、想低成本试各种模型的人。不适合谁：要SLA保障的企业生产线。
FLUX.2 胜在架构与多参考，SD4 胜在生态与硬件门槛分档，Qwen 胜在中文与透明输出，LiblibAI 胜在零配置。四者的共同前提是你愿意投入学习时间——这一组没有开箱即用的选项，省下的钱是拿学习曲线换的。
05垂直交付两款
最后两款不拼模型，拼的是产物能不能直接进下游流程。一个是矢量，一个是企业合规。这两块的市场小，但替代品几乎没有。
Recraft V4.1
原生矢量V4（2月）→ V4.1（5月）→ Flash（9月，约1.3秒）· 订阅制
它解决的是"AI出的图没法用"这个老问题，方式是换一种产物。别人给你像素，它给你真正的贝塞尔路径——不是把位图描成矢量那种假矢量，是生成阶段就是路径，拖进Illustrator能直接改锚点。
为什么这件事重要
标志、图标、插画这三类东西，交付标准是"能改"。客户要改颜色、要放大到十米、要拆成单色版，位图全都做不到。以前的做法是AI出草稿、人再重画一遍，中间那道工序的成本比设计本身还高。原生矢量把这道工序砍掉了。
它的三个支点
第一是品牌风格锁定。给一到十张参考图，提取成可复用的风格，之后所有生成都套用，不用每次重述"同样的配色、同样的调性"。第二是画布，多个资产在同一个可缩放画布上并排做，不用来回切会话。第三是它还把FLUX、Nano Banana、Ideogram、Seedream这些外部模型接进来了——它正在从"一个模型"变成"一个工作台"。
短板
写实不是它的赛道，人像和场景远不如头部。单一订阅模型，想换引擎得靠它接的外部模型，灵活性受制于平台。API全量要高档订阅。它很挑场景：你如果不需要矢量，它的溢价就没有理由。
适合谁：标志、图标、品牌插画、需要成套视觉资产的市场团队。不适合谁：摄影类、场景类、纯出图的人。
Adobe Firefly Image 5
合规最稳原生 4MP · 深度集成 Photoshop · 企业版含法律赔付
它的卖点从来不是画质，是敢在公司里用。训练数据来源清晰、输出带内容凭证、企业版有法律赔付条款——这三件事对个人创作者没意义，对法务部有决定性意义。
Image 5 这一代的能力
原生四百万像素，光影和写实细节比上一代明显提升，还加了"指令式编辑"：不是框选一块再填提示词，而是用一句话描述完整的改图意图，它自己理解要动哪里。这个交互变化看着小，实际用起来省很多步骤。
它最大的变化是"不当唯一模型了"
Photoshop 27.8 开始，生成图像里可以直接切换 Adobe 自家模型和合作方模型，包括 FLUX.2 Pro 和 Gemini。这个变化意味深长：Adobe 把自己变成了入口，而不是唯一的引擎。对你来说，这意味着不必为了用某个模型而换软件。
| 维度 | Firefly | Midjourney | FLUX.2 | Recraft |
|---|---|---|---|---|
| 核心卖点 | 合规与集成 | 审美 | 开放可控 | 矢量交付 |
| 训练来源 | 授权库为主 | 未公开 | 未完全公开 | 未完全公开 |
| 产物格式 | PSD 原生图层 | 位图 | 位图 + 可微调 | SVG + 位图 |
| 内容凭证 | 支持 | 不支持 | 部分 | 不支持 |
| 企业采购难度 | 低 | 高 | 中 | 中 |
短板
创意锐度一般，做"有想法"的图不如Midjourney。中国区不可用，这是硬约束不是策略问题。生成额度按点数扣，重度使用要算账。
适合谁：品牌方、上市公司、有法务审核流程的团队、已经在用创意套件的人。不适合谁：追求风格突破的个人创作者。
十款工具，三条路线，没有一款能同时拿下三根轴。出片看 Midjourney 和 Nano Banana Pro，可控看 FLUX.2 和 SD4，交付看 Recraft 和 Firefly。真正的专业配置通常是"一主一辅"：主工具负责你 80% 的活，辅工具补那个卡住你的环节。
06十款横向对比
下面这张表把前面散落的信息压成一张。价格按公开报价折算，只作量级参考——各家都在调价，下单前请以官网为准。重点看"可控度"和"交付形态"两列，这两列才决定它能不能进你的流程。
| 工具 | 路线 | 单张成本量级 | 输出上限 | 可控度 | 中文友好 | 最适合 |
|---|---|---|---|---|---|---|
| Midjourney V8.2 | 出片 | $0.02–0.05 | 2K | 中低 | 弱 | 概念、封面、插画 |
| Nano Banana Pro | 出片 | $0.13 | 4K | 中高 | 中 | 多人物合成、带字海报 |
| Seedream 5.0 Pro | 出片 | $0.04/0.09 | 4.19MP | 中高 | 强 | 中文电商、分层素材 |
| Ideogram 4.0 | 出片 | $0.02–0.08 | 2K | 高 | 中 | 带字版式、包装 |
| FLUX.2 | 可控 | 按API/自托管 | 4MP | 很高 | 中 | 私有化、微调 |
| Stable Diffusion 4 | 可控 | ≈电费 | 4096² | 极高 | 中 | 深度定制、批量 |
| Qwen-Image 3.0/2.1 | 可控 | ¥0.25 | 2K | 高 | 很强 | 中文小字、透明素材 |
| LiblibAI 2.0 | 可控 | 免费/¥68起 | 取决于模型 | 高 | 强 | 试模型、训LoRA |
| Recraft V4.1 | 交付 | $10–48/月 | 2048² + SVG | 高 | 中 | 标志、图标、品牌资产 |
| Firefly Image 5 | 交付 | 含订阅/点数 | 4MP | 中 | 弱 | 企业合规、PS工作流 |
三个反常识的读表方式
第一，价格列最不重要。单张几分到一毛三，看着差六倍，但一张商业图的人力成本是它的几十倍。为了省几分钱去用不合适的工具，是典型的算错账。
第二，"输出上限"这一列已经失效。除了个别老版本，2026年的主流工具都过了"够用"这条线。真正要看的不是像素数，是"在你要的尺寸下，字还清不清楚、皮肤还像不像皮肤"。
第三，"可控度"不是越高越好。可控度越高，你需要的决策越多，出图越慢。做快速探索时，高可控度反而是负担。把这一列当成"学习成本"的代理指标，比当成"能力"更准。
先在"路线"列找到你的位置，再在候选里挑中文友好或交付形态对得上的那一款，最后用一次真实任务验证。不要横向比总分，要纵向比"在你这一个场景里谁最省事"。
07按身份选：五条路径
下面五条路径对应五种真实工作状态。每条给出主工具、辅工具、月成本量级，以及一个"先别买"的提醒。
路径一：自由职业接单
主：Midjourney Standard，$30。辅：Ideogram Plus，$20（带字物料）或 Recraft Basic，$10（要矢量时）。
这条路径的核心矛盾是"客户改稿"。你需要出片快、改得快、还得能出带字的图。Midjourney负责前三版方向，Ideogram负责最终的带字交付，中间用同一个色板和字体气质串起来。
月成本 40 到 50 美元，折人民币三百多。按一单五百到两千的报价，两单就回本。先别买：不要一上来买年付。工具迭代快，季度付更稳。
路径二：电商与店铺运营
主：Seedream 5.0，按量。辅：Qwen-Image 2.1 或 LiblibAI，处理抠图与素材。
电商的活是"量 + 一致"。一个详情页二十张图，五个尺寸，还要保持商品颜色一致。分层导出能力在这里是决定性的——主图、场景图、卖点图共用一套素材，换活动只改文案。
成本按张算，比订阅制更适合波动大的店铺。大促前一个月跑几千张，平销期几百张，按量付费不吃亏。先别买：不要为了"高级感"去用艺术向工具，电商图要的是清楚，不是惊艳。
路径三：品牌与市场团队
主：Recraft Pro，$48。辅：Firefly（已在创意套件里）+ Ideogram。
品牌团队的活是"一套"，不是"一张"。标志的三个版本、图标的二十个、插画的十张、社媒模板的八套，全都得在同一个视觉语言里。原生矢量加品牌风格锁定，是这条路上唯一不返工的解法。
合规也得考虑。对外物料一旦涉及商用授权，Firefly那套内容凭证和法律赔付就是刚需，不是为了画质。先别买：不要在没有品牌规范的情况下采购，工具再好也统一不了没有标准的视觉。
路径四：设计工作室与批量生产
主：FLUX.2 dev 自托管 或 SD4 Ultra。辅：LiblibAI（训LoRA）+ Nano Banana Pro（难题兜底）。
工作室的核心指标是边际成本。订阅制在月出图过万时一定不划算，自托管的重资产投入会在半年内摊平。前提是你有一个人能维护环境。
剩下的难题用闭源兜底：五个人的合影、极复杂的版式、客户临时要的怪需求，扔给按张计费的旗舰，比自己调一天便宜。先别买：没有稳定单量之前别自建，服务器空转的成本比订阅高。
路径五：技术团队做产品内嵌
主：FLUX.2 klein 4B（Apache 2.0，13GB显存）或 Qwen-Image 2.1。辅：商业API做高端档。
产品内嵌要的是延迟和可控，不是极致画质。亚秒级出图能让交互成立，两秒以上用户就走了。授权也要干净：Apache 2.0 才能放心嵌进商业产品。
架构上建议双档：默认走本地小模型保延迟，用户点"高质量"再走云端大模型。这个设计在2026年已经是标准做法。先别买：不要用非商用许可的权重做商业产品，事后换模型的成本极高。
| 路径 | 月成本量级 | 月度产出 | 核心指标 | 最容易选错 |
|---|---|---|---|---|
| 自由职业 | ¥300–400 | 50–150 张 | 改稿速度 | 买了用不上的矢量功能 |
| 电商运营 | ¥200–2000 | 500–5000 张 | 单张成本 | 用艺术工具做商品图 |
| 品牌团队 | ¥400–800 | 100–300 件 | 一致性 | 没有规范就采购 |
| 工作室 | ¥1000–5000 | 5000+ 张 | 边际成本 | 单量不足就自建 |
| 技术内嵌 | 按调用 | — | 延迟与授权 | 许可不清就上生产 |
08算一笔真实的账
工具账最容易算错的地方，是把订阅费当成全部成本。真实的账有三层：看得见的订阅、看不见的时间、以及最贵的返工。
第一层：订阅与调用
订阅制的心理陷阱是"买了就要用满"。一个月三十美元，用二十次和用两百次，单价差十倍。这会让一些人为了"摊薄"去做没必要的工作——多做几张没人看的图，不叫效率。
按量计费反过来，用多少付多少，但会让人不敢试。而试错恰恰是AI出图里最值钱的动作：不试三十版，你找不到那一版。所以定方向阶段适合订阅，定稿阶段适合按量，两者混着用最经济。
第二层：时间
一张商业图的时间分布，大概是这样的：想清楚要什么占四成，生成占两成，筛选占两成，修图与排版占两成。工具能压缩的只有中间那两成。
这就是为什么"换个更快的模型"往往感觉不到提升——你省下的是二十分钟里的五分钟。真正能提速的是把前面那四成想清楚：先写一句话主张，先定三个信息，先找五张参考图。这些动作跟工具无关。
第三层：返工
最容易忽略也最贵的一层。返工有三个来源：分辨率不够要重出、文字错了要重排、授权不清要重做。
第一项在2026年基本消失了，2K成了底线。第二项靠工具选型解决，带字物料用排版强的模型。第三项靠流程解决，采购前把商用条款读一遍——这一条能省下的钱，可能是全年订阅费的几十倍。
| 成本项 | 金额量级 | 占比 | 能不能压缩 |
|---|---|---|---|
| 工具与额度 | 2–8 元 | 不到 1% | 压了没意义 |
| 人力时间 | 500–600 元 | 约 70% | 靠流程，不靠工具 |
| 沟通与改稿 | 150–250 元 | 约 25% | 靠前期对齐 |
| 返工与重做 | 0–300 元 | 波动最大 | 靠规范与验收 |
这张表想说一件事：别在工具价格上省钱，要在流程上省钱。一个月多花两百块买对工具，比省下两百块用错工具、多返工两次，划算得多。
如果你还在纠结两款工具选哪个，问自己一句话：哪一个能让我少改一次？少改一次的收益，通常大于两款工具的全年价差。
09六个容易踩的坑
这六个坑按踩中的频率排序，前面三个几乎人人踩过。
坑一：把"最好看"当成"最合适"
榜单评的是审美，你的活可能根本不需要审美。做电商主图的人买了最艺术的工具，结果每张都要往下压饱和度；做品牌规范的人买了最会创作的工具，结果每张都"太有个性"不能用。先明确你要的是"惊艳"还是"稳定"，这一句能省掉一半试错。
坑二：用免费额度评估付费工具
免费档普遍有三处阉割：分辨率、并发、商用授权。你在免费档试出来的体验，和付费后的真实体验不是一回事。更麻烦的是额度限制会让你不敢试错，于是你评估的其实是"小心翼翼用一次"的效果。
建议：直接买一个月最低档，用真实任务跑一遍完整流程，包括导出和交付。一个月的钱，比选错工具三个月的损失小得多。
坑三：忽略"一千像素下的小字"
这是2026年最隐蔽的翻车点。同一段提示词，1K出图时小字糊成一团，2K就清楚了。很多人在低分辨率下反复改提示词，改十次也没用——问题不在提示词，在分辨率。
规则很简单：凡是图里带小于二十像素的文字，一律出2K以上；凡是印刷用途，一律出4K或矢量化。这条写进流程，能省掉大量无效调试。
坑四：把"开放权重"当成"免费商用"
2026年主流开放模型没有一个是标准开源许可。SD4按营收划线，FLUX.2禁止训练竞品，Qwen的可下载权重商用要额外授权，Ideogram的权重和代码是两套条款。
这些限制对个人基本无感，对企业是实打实的风险。采购前让法务读一遍，比事后换模型便宜一万倍。
坑五：为"全能"付两次钱
很多工具在往全能走：能出图、能改图、能做视频、能做版式。宣传上"一个就够"，实际用起来每项都差一口气。你为了省一个订阅，结果在每个环节都多花两成时间。
更现实的做法是承认分工：出片归出片，排版归排版，矢量归矢量。三个工具月成本可能还不如一个"全能"高级档，但每项都顺手。
坑六：不做沉淀，每张从零开始
这是最普遍也最贵的一个。做完十张图，风格、色板、提示词结构全在脑子里，下次再来一遍。三个月后你有一百张图，但没有一套方法。
沉淀三样东西就够：一份提示词模板（固定结构，只换变量）、一个色板（三到五个色值）、一个素材库（标志、常用配图、二维码）。这三样建起来，单张时间能砍掉三到四成。
六个坑里，前五个是选型问题，第六个是习惯问题。选型错了可以换，习惯错了换什么都没用。先把沉淀做起来，再去挑工具，你会发现自己需要的工具比想象中少。
10我的判断
写了这么多，最后说三个可能不太讨喜的判断。
第一，模型正在趋同，工作流不会
2026年这批工具的画质差距，比2024年小得多。同一段提示词扔给五家，外行已经分不出谁是谁。这意味着"选模型"这件事的回报在下降，"选工作流"的回报在上升。
工作流是什么？是你在哪个环节用什么工具、产物怎么流转、验收看哪几项。这套东西别人抄不走，因为它长在你的业务上。未来两年真正拉开差距的，不是谁用了最新的模型，是谁把流程磨得更顺。
第二，竞争焦点正在从"生成"转向"素材"
看这一年各家在做什么就明白了：Seedream做分层导出，Ideogram做透明通道和可编辑图层，Qwen做原生透明，Recraft做矢量，Midjourney做编辑模型。全都在往"给可用的零件"走，没有一家还在单纯比"谁的图更美"。
这个转向的底层逻辑是：生成已经变成水电煤，值钱的是能不能接进下游。一张只能看的图，价值有限；一套能改的素材，价值高一个量级。选工具时把"产物能不能被继续修改"当成硬指标，会比看画质更有前瞻性。
第三，中文排版仍是最后一块硬骨头
英文文字渲染已经被解决得差不多了，0.97的准确率足够商用。中文还差得远：笔画多、字重差异大、标点规则复杂，加上字体授权，三座山叠在一起。目前能用的只有少数几家，而且都还停留在"字不出错"的阶段，谈不上"排得好看"。
这既是短板也是机会。做中文内容的人，短期内仍然需要"AI出图 + 人工排版"的两段式流程。谁能把这条流程做顺，谁就还有窗口期。别指望模型明年就解决中文排版，做好手工兜底的准备。
最后：一个不推荐的做法
不要同时订阅五款工具。工具的边际价值在第三款之后急剧下降，而学习成本是线性叠加的。真实情况是：大部分人用一款主力工具就能覆盖八成需求，剩下的两成交给临时按量付费。
如果你现在还没开始，建议的顺序是：先用按量的旗舰跑二十张，搞清楚自己卡在哪根轴上；再按那根轴买一款月度订阅；用满一个月后，再决定要不要加第二款。这个顺序比看十篇测评都管用。
个人创作者：先把一句话主张练好，工具是次要的。团队负责人：先定规范，再买工具，顺序反了会返工。技术团队：先算延迟和授权，再谈画质。