剛出來就被冠上最強稱號，但這圖像AI好像也就那樣_風聞

本文原創於微信公眾號：差評  作者：世超

大家還記得 Stable Diffusion嘛，就是那個曾經和 DALL·E 、 Midjourney 齊名的圖像生成 AI 。

經歷了老闆跑路，核心開發成員離職，昔日攪動圖像 AI 市場的 Stability AI ，內部已經亂成一鍋粥了。

近幾個月來，關於它資金鍊斷裂、尋求賣身的消息，是沒怎麼斷過。

而在前東家身陷狼狽處境，正想法子自救時，年初離開的那批成員，就正正好對標Stable Diffusion成立了一家新公司Black Forest Lab（ 黑森林實驗室 ）。

就在這個月月初，他們宣佈成立新公司的時候，也一口氣放出了三個不同體量的文生圖模型 FLUX.1 。

有主打圖片質量的大杯 pro ；兼顧速度和圖片質量的中杯 dev ；還有人稱 “ 速度旋風 ” 的小杯 schnell 。

按照他們官網的説法，大中杯的 FLUX ，已經成了所有圖片 AI 裏最厲害的存在。

拆分出來的各項能力，像是視覺質量、尺寸可變性、輸出多樣性等等，也都要比其他模型強不少。

不光官方這麼説，在不少網友和媒體的嘴裏，剛發佈的這個 FLUX ，也已經到了拳打 Midjourney ，腳踢 DALL·E 的程度。

看網上的評論，倒是把世超的興趣給勾起來了。FLUX 是不是真像大夥們説得那麼厲害，這次我們拉來了 Midjourney ，把它和大杯的 FLUX 放一塊一起測了測。

開局我們先來一個常規的測試題熱熱身，分別讓它們倆畫一幅中國的水墨畫。

結果表現都還不錯，像漁夫、羣山、蘆葦等提示詞裏的內容，全都有畫出來。不過 Midjourney 這邊畫得太陽，着實有點太大了，也沒啥夕陽的感覺。

提示詞：

中國水墨畫風格，一個孤獨的漁夫在傳統的木船上，在夕陽下在寧靜的湖面上輕輕漂流，中國水墨畫風格，温暖的藍色調映照着平靜的水面，柔和的筆觸捕捉着傍晚的寧靜，遠處的羣山在漸漸的燈光下剪影，岸邊的傳統小屋，蘆葦在微風中搖曳， 8K 分辨率，電影般的感覺，懷舊而寧靜的氛圍

FLUX （ 左 ）， Midjourney （ 右 ）

關注圖片 AI 這塊的朋友應該都知道，**“ 文字生成太差 ”**幾乎是所有 AI 都再過跟頭的地方。之前 DALL·E 也曾專門針對這個弱項優化過一次，但偶爾也還是會出錯。

而這次，據説 FLUX 在這塊的能力已經是爐火純青了，於是我專門選了幾個要生成文字的提示詞丟給它和 Midjorney 。

先讓它們各自生成一個帶有 Prada 商標的包包，最後給出的答案都還算不錯，文字都沒出現錯誤。

看圖片整體的效果也是各有千秋， FLUX 不僅把文字寫對了，甚至連 Prada 那個倒三角 LOGO 都給畫了出來，而 Midjourney 的看起來則更時尚點兒。

提示詞：一個大的白色 “ Prada ” 手提包，小人物用冰塊搭建而成，被冰雪包圍，風格像時尚廣告，靈感來源於 prouce 雜誌廣告、高分辨率攝影、廣告靈感的印刷設計風格

FLUX （ 左 ）， Midjourney （ 右 ）

接下來再上點難度，讓它們給短袖設計一個復古的圖片，而且還要加上兩個英文單詞。

這次它倆也都沒出啥大錯，但要論整體效果的話，世超個人覺得，還是 Midjourney 的更好一些。

提示詞：復古風格的 T 恤設計以一輛帶有方格旗的老式飆車為特色，並附有文字 “Lagertha” 和 “Semper Fi” ，以單色背景為背景。舉着旗幟的拉格薩身上有紋身。這幅藝術作品的風格捕捉到了她的動作姿勢，展示了車速和維京力量的力量。這是一個高對比度的插圖，突出了他們的運動裝和大膽的文字排版。

FLUX （ 左 ）， Midjourney （ 右 ）

看一個圖像模型能力，經典問題**“ 畫手 ”**肯定也繞不過。

Midjourney 這邊呢，依舊是有點不太穩定，生成的手時好時壞，像右邊這張圖，比個耶就莫名多出一個小指。

兩張均由 Midjourney 生成

而 FLUX 的效果，説實話還是挺讓人意外的，無論是剪貼畫風格，還是寫實風格，手部幾乎都看不出啥破綻來。

兩張均由 FLUX 生成

到這為止， FLUX 在一些圖片細節和小問題上，處理得還不錯。

當然了，在一定程度上，圖像 AI 也是個幫大夥實現想象力的工具，於是世超又丟了一些腦洞大的提示詞。

提示詞：一個穿着紅色連衣裙的年輕女孩，坐在一條長着巨大牙齒和眼睛的巨龍旁邊。她正面對它，好像他們是朋友或好警察。這個場景發生在山裏的雪石裏。以詹姆斯 · 卡梅隆的風格拍攝的《 狼的秘密生活 》， 70 年代的電影。

FLUX （ 左 ）， Midjourney （ 右 ）

emmm 。。。誰好誰壞就不用世超幫大夥下結論了吧， FLUX 基本上就是一眼 AI 的程度，反觀 Midjourney ，到真有點真人特效的味兒。

之後，世超又給 FLUX 為了個簡單點的提示詞： “ 現代文明的毀滅 ” ，看看它自個兒的想象力咋樣。

結果這次，它和 Midjourney 都栽跟頭了。

單看圖片效果， Midjourney 會更勝一籌，確實是把史詩感拿捏了，但這建築前看後看，跟現代文明也半毛錢關係啊。。。

FLUX （ 左 ）， Midjourney （ 右 ）

有趣的是， FLUX 在生成誇張漫畫版本的名人肖像時，還挺在行。像是馬斯克和喬布斯，它在生成時，五官特色抓得都挺精準。

兩張均由 FLUX 生成

整體體驗下來，世超覺得 FLUX 的真實水平，還談不上一騎絕塵，但也差不到哪裏去。

畢竟還是 Stable Diffusion 的原班人馬搞出來的，差不多就和 Midjourney 一個梯隊。

而且新公司黑森林在月初推出 FLUX 的時候，還官宣了自家的融資進度，到現在已經完成了3100 萬美元的融資。

更重要的是，雖然黑森林的各位都離開 Stability AI 了，但還是繼承了它開源的傳統美德，中杯、小杯的 FLUX 都開源。

這還沒完，推出圖片 AI ，似乎也只是他們趕進度的一環。官網上，他們也挑明瞭下一步的計劃，要做視頻 AI 裏的 SOTA 。

但話説回來，圖片 AI 的商業化都是快被討論爛的一個話題了。

黑森林的前東家 Stability AI 就是因為商業化的問題，爛攤子一堆。而它自個兒，現在搞得開源，還有付費模型那套，和之前的 Stability AI 基本沒啥差別。

後續在商業化上，會不會有啥其他新動作，咱只能再觀望觀望，畢竟也才剛出來。

可別照搬 Stability AI 的老路，又重走一遍。。。

圖片、資料來源：

FLUX、MidJourney