Дуэль генераторов: Midjourney v7, Qwen, FLUX 2, GPT-5 Image и Grok-3 Vision на одних и тех же промптах

2026 год. Рынок генерации изображений кипит. Пока одни пророчат скорую смерть Midjourney из-за нашествия open-source моделей, другие рапортуют о невероятном качестве от Grok от xAI. Но кто на самом деле рисует лучше, когда мы загоняем модели в жесткие рамки одинаковых промптов?

Я взял шесть претендентов — Midjourney v7 (последняя версия, релиз апреля 2026), Qwen-Image-2512 (от Alibaba, open-source), FLUX 2 Max (Black Forest Labs), GPT-5 Image (встроенный генератор OpenAI в GPT-5), Grok-3 Vision (xAI) и SenseNova-U1 (от SenseTime) — и прогнал через пять разных промптов. Результаты — под катом.

Почему я не верю в "лучшую нейросеть" (и вам не советую)

В 2026 году уже нет монополии на качество. Каждая модель заточена под свой сценарий. Midjourney v7 — король эстетики, но сосет с руками/текстом. FLUX 2 Max — гений фотореализма, но требует мощного железа. Qwen-Image — дитя open-source, которое можно запустить локально на RTX 5090, но с композицией бывают провалы. GPT-5 Image встроен в ChatGPT и понимает контекст чата — удобно, но цензура душит творчество.

Я не буду сыпать терминами из области архитектур нейросетей — вам это не нужно. Моя задача: показать на реальных примерах, как ведет себя каждая модель, когда ей дают одну и ту же инструкцию.

Подопытные и их тарифы (на июль 2026)

Кстати, для тех, кто хочет попробовать локально FLUX или Qwen — советую почитать сравнение локальных AI-моделей на RTX 5090. Там детально разобраны требования к железу.

Промпт №1: Фотореалистичный портрет старика с сигарой

Промпт: "Hyper-realistic portrait of an old fisherman with a thick beard, smoking a cigar, dramatic lighting, rain on his face, cinematic, shot on Kodak Portra 400, shallow depth of field."

Здесь интересно было проверить, как модели справляются с текстурой кожи, дыма от сигары и эмоцией.

• Midjourney v7: Божественная текстура, влага на коже выглядит естественно. Дым — легкий, полупрозрачный. Единственная модель, где сигара не выглядит как пластмассовая палка. Но есть пересвет на левой щеке.
• FLUX 2 Max: Фотореализм зашкаливает — кажется, что это настоящая фотография. Детализация бороды выше, чем у Midjourney. Но фон немного размыт неестественно (шевеленка). В целом — победитель по реализму.
• Qwen-Image-2512: Китайская модель удивила — кожа выглядит живой, но с оттенком "пластиковости". Дым получился, но сигара слишком яркая. Зато отлично отработал дождь — капли на лице прописаны четко.
• GPT-5 Image: Средний результат. Кожа гладкая, как после фотошопа, сигара выглядит наклеенной. Вылитый "портрет из Инстаграма". Не хватает грязи и характера.
• Grok-3 Vision: Интересный стиль — немного гиперреалистичный, с усиленной цветностью. Дым передан хорошо, но старик выглядит слишком молодым для рыбака. Видимо, xAI еще тренирует возрастные лица.
• SenseNova-U1: Архитектура NEO-unify без VAE (подробнее в обзоре SenseNova-U1) дает интересный эффект — картинка похожа на масляную живопись, а не фото. Кому-то зайдет, но для фотореализма — мимо.

Промпт №2: Фэнтези-город на облаках

Промпт: "Fantasy city floating in the clouds, golden hour, flying ships, waterfalls falling from the city, bioluminescent plants, concept art, epic scale."

Этот промпт проверяет фантазию моделей и работу с композицией сложных сцен.

• Midjourney v7: Эпично. Цвета — сказочные, золотой час передан идеально. Летающие корабли имеют стилистику стимпанка. Единственный минус — водопады выглядят как "молоко", без прозрачности.
• FLUX 2 Max: Более реалистичное освещение, но композиция перегружена — слишком много деталей на одном снимке. Корабли похожи на самолеты, а не на фэнтези-суда. Чуть хуже с атмосферой.
• Qwen-Image-2512: Неплохая попытка, но упрощенная архитектура — мало мелких деталей. Облака выглядят пушистыми, биолюминесценция есть, но водопады — просто белые полоски.
• GPT-5 Image: Выдал нечто среднее между "Аватаром" и "Рапунцель". Водопады — лучшие среди всех моделей (прозрачные, с брызгами). Но корабли маленькие и недетализированные.
• Grok-3 Vision: Агрессивная цветокоррекция — небо кислотно-оранжевое. Корабли стилизованы под драккары викингов. Интересно, но слишком нереалистично даже для фэнтези.
• SenseNova-U1: Средний результат, уступает остальным в детализации. Облака — гладкие, без текстур. Для концепт-арта не хватает масштаба.

Промпт №3: Сложные руки и взаимодействие

Промпт: "A barista making latte art, pouring milk into a cup, hands visible from first-person perspective, steam rising, wooden countertop, shallow depth of field."

Все знают, что нейросети долго не умели рисовать руки. В 2026 ситуация исправилась, но не у всех.

• Midjourney v7: Руки — отлично, пальцы на месте, поза естественная. Пена в кофе — красивая, но молоко льется немного неестественно (струя слишком толстая).
• FLUX 2 Max: Анатомия рук идеальна, но в некоторых изображениях — 6 пальцев? Проверил 20 генераций — у 2 были лишние пальцы. Для меня это брак.
• Qwen-Image-2512: Только что читал обзор Qwen-Image-2512, где хвалили руки. Соглашусь — у Qwen руки выглядят лучше всех: правильное количество пальцев, естественные тени на суставах.
• GPT-5 Image: Стандарт — пальцы есть, но кисти рук выглядят "мыльными", без деталей ногтей.
• Grok-3 Vision: Довольно спорно — руки нормальные, но ладонь слишком большая относительно чашки.
• SenseNova-U1: Провал — почти на всех генерациях пальцы слипаются или отсутствуют. Видимо, архитектура без VAE плохо справляется с мелкими деталями.

Промпт №4: Текст и типографика

Промпт: "A poster for a rock band called 'NEON REBELS', concert in Berlin, 2026, neon lights, graffiti background, bold typography."

Золотая рыбка генерации — текст. Многие модели до сих пор не могут написать связное слово.

• Midjourney v7: Текст читается, но с искажениями — "NEON REБELS" (кириллическая Б вместо R). Цвета и шрифт — крутой, но доверия к надписи нет.
• FLUX 2 Max: Лучший среди всех — текст четкий, без ошибок, шрифт стилизован под неон. FLUX явно дообучали на постерах.
• Qwen-Image-2512: Надпись есть, но половина букв слита — читается как "NEON REB L " (пробел посередине). Не годится для прода.
• GPT-5 Image: OpenAI проделали работу — текст идеально ровный, BERLIN написано без ошибок. Но шрифт скучный, Arial-like.
• Grok-3 Vision: Текст есть, но слишком мелкий, чтобы разобрать. Зато граффити на заднем плане — шедевр.
• SenseNova-U1: Полный игнор текста — просто каракули. Модель не обучена на типографику.

Промпт №5: Абстрактная 3D-сцена с отражениями

Промпт: "Abstract 3D render, reflective spheres floating in a glass room, neon blue and pink lighting, reflections in polished marble floor, cinematic, octane render."

Тест на работу с отражениями и стеклом — ахиллесова пята многих моделей.

• Midjourney v7: Отражения есть, но размытые. Стеклянная комната выглядит как дымка. Зато цветовая гамма — сочная.
• FLUX 2 Max: Фантастика — пол из полированного мрамора отражает сферы так, что кажется, это 3D-рендер. Прозрачность стекла идеальна. Победитель номинации.
• Qwen-Image-2512: Отражение сфер есть, но мрамор выглядит пластиковым, без глубины.
• GPT-5 Image: Средняя детализация. Отражение есть, но сферы кажутся плоскими.
• Grok-3 Vision: Стильная картинка — добавил эффект bloom, превратил сцены в неоновый рай. Отражения угадываются, но нечеткие.
• SenseNova-U1: Кошмар — сферы сливаются с фоном, отражений нет. Не рекомендую для 3D-концептов.

Итоговая таблица (оценки от 1 до 10)

Кому что брать? Вердикт для каждого сценария

1. Профессиональный дизайнер / арт-директор. Важно качество и стиль. Ваш выбор — Midjourney v7. Он все еще задает тренды, особенно в эстетике. Если нужно идеальное фото — FLUX 2 Max. Берите подписку на оба: MJ для креатива, FLUX для реализма.

2. Разработчик, которому нужно генерировать тысячи картинок. Вам нужна скорость и цена. Qwen-Image-2512 запускается локально (читайте сравнение локальных LLM для понимания железа). API FLUX дешевый, но не для batch-генераций.

3. Маркетолог / контент-мейкер. GPT-5 Image в ChatGPT — просто и быстро. Не надо учить промпты. Но качество среднее. Для соцсетей — сойдет.

4. Исследователь / энтузиаст. Grok-3 Vision радует неожиданными стилями, а SenseNova-U1 — экспериментальная архитектура. Пробуйте, но не ждите коммерческого качества.

Подводные камни и что бесит в каждой модели

• Midjourney v7: Упертая цензура на лица реальных людей. Нельзя сгенерировать "президента X, смеющегося". Только вымышленные персонажи.
• FLUX 2 Max: Лицензия — вы не можете коммерчески использовать изображения, сгенерированные через бесплатный API. Только через Pro.
• Qwen-Image-2512: Open-source версия не апскейлит до 2K. Приходится дорисовывать вручную.
• GPT-5 Image: Нельзя изменить соотношение сторон кроме квадрата. Только через обрезку.
• Grok-3 Vision: Ограничение 25 изображений в день на бесплатном тарифе. Не хватает на тесты.
• SenseNova-U1: Часто падает с ошибками при генерации сложных сцен. Нестабильна.

А что будет через год?

Прогнозировать сложно, но тренды 2026 показывают: open-source модели типа Qwen и FLUX будут догонять Midjourney по эстетике. GPT-5 Image вряд ли станет лидером — OpenAI сфокусированы на мультимодальности, а не на качестве картинки. Grok может удивить, если xAI развяжет кошелек для датасетов.

Мой совет: не зацикливайтесь на одной модели. Держите под рукой 2-3 инструмента. Используйте Midjourney для поиска референсов, FLUX для итогового рендера, Qwen для быстрых прототипов. И никогда не верьте обещаниям "идеального ИИ-художника" — пока у нейросетей нет рук, придется дорисовывать самим.

Подписаться на канал