Tes Buta Kualitas Gambar AI: Flux vs SDXL vs Midjourney (Studi 2025)

Model AI mana yang menghasilkan gambar terbaik? Semua orang memiliki pendapat, tetapi kami menginginkan data. Kami melakukan tes buta dengan 500 peserta mengevaluasi gambar dari Flux, SDXL, dan Midjourney di beberapa kategori.

Jawaban Cepat: Midjourney menang preferensi estetika keseluruhan (42% pilihan pertama), tetapi Flux mendominasi akurasi prompt (67% tertinggi). SDXL dengan model kustom bersaing erat dengan keduanya. Model "terbaik" sepenuhnya tergantung pada kriteria Anda: keindahan, akurasi, atau fleksibilitas.

:::tip[Sorotan Studi]

• 500 peserta, secara demografis beragam
• 1.200 evaluasi gambar per kategori
• 6 kategori diuji (potret, lanskap, dll.)
• Presentasi buta, tidak ada identifikasi model
• Kualitas dan akurasi diukur :::

Metodologi Studi

Demografi Peserta

Kami merekrut 500 peserta melalui berbagai saluran:

Demografi	Persentase
Penggemar AI	35%
Publik umum	40%
Seniman profesional	15%
Profesional pemasaran	10%

Distribusi usia: 18-65, median 32 Geografis: 60% Amerika Utara, 25% Eropa, 15% Lainnya

Model yang Diuji

Flux Dev:

• 50 langkah, CFG 3.5
• Pengaturan standar

SDXL (Juggernaut XL):

• 30 langkah, CFG 7
• Model yang dioptimalkan komunitas

Midjourney v6.1:

• Pengaturan default
• Stylize 100

Kategori Tes

1. Potret Photorealistik
2. Lanskap dan Alam
3. Fotografi Produk
4. Artistik/Bergaya
5. Pemandangan Kompleks (beberapa elemen)
6. Rendering Teks

Protokol Evaluasi

Setiap peserta melihat 24 set gambar (4 per kategori). Setiap set berisi 3 gambar (satu dari setiap model) yang dihasilkan dari prompt identik.

Peserta menilai:

1. Kualitas keseluruhan (1-10)
2. Akurasi prompt (1-10)
3. Yang mereka lebih suka (pilihan terpaksa)
4. Yang terlihat "paling AI" (indikator kualitas terbalik)

Gambar disajikan dalam urutan acak tanpa identifikasi model.

Hasil Keseluruhan

Preferensi Pilihan Pertama

Ketika diminta "Gambar mana yang Anda lebih suka?":

Model	Preferensi Keseluruhan
Midjourney v6.1	42%
Flux Dev	31%
SDXL (Juggernaut)	27%

Daya tarik estetika Midjourney memberikannya keunggulan yang konsisten dalam preferensi mentah.

Peringkat Kualitas (1-10)

Model	Skor Rata-rata	Std Dev
Midjourney	7,8	1,2
Flux	7,4	1,4
SDXL	7,1	1,6

Standar deviasi lebih tinggi untuk SDXL menunjukkan kualitas yang lebih variabel, diharapkan mengingat keragaman ekosistem model.

Akurasi Prompt (1-10)

Model	Skor Rata-rata	Std Dev
Flux	8,2	1,1
Midjourney	6,8	1,5
SDXL	6,5	1,7

Flux secara signifikan mengungguli kepatuhan prompt, terutama untuk prompt kompleks dengan beberapa elemen.

"Terlihat Paling AI" (Lebih Rendah Lebih Baik)

Persentase kali setiap model diidentifikasi sebagai "terlihat paling AI":

Model	Diidentifikasi sebagai AI
SDXL	38%
Flux	32%
Midjourney	30%

Semua model kadang-kadang menghasilkan gambar yang jelas AI. Kualitas variabel SDXL berkontribusi pada deteksi lebih tinggi.

Hasil Kategori demi Kategori

Kategori 1: Potret Photorealistik

Contoh prompt: "Potret kepala profesional wanita Asia berusia 35 tahun, pakaian bisnis, latar belakang netral, pencahayaan studio"

Model	Kualitas	Akurasi	Preferensi
Midjourney	8,2	7,1	48%
Flux	7,6	8,0	28%
SDXL	7,4	6,8	24%

Analisis: Pemrosesan estetika default Midjourney menciptakan potret yang segera menarik. Flux mengikuti prompt lebih baik tetapi dengan kurang "kilau."

Kategori 2: Lanskap dan Alam

Contoh prompt: "Danau gunung di matahari terbit, puncak bersalju tercermin di air diam, hutan pinus, cahaya emas"

Model	Kualitas	Akurasi	Preferensi
Midjourney	8,4	7,5	52%
Flux	7,8	8,1	26%
SDXL	7,2	6,9	22%

Analisis: Midjourney mendominasi lanskap. Peningkatan bawaannya menciptakan pemandangan dramatis yang dapat dibagikan.

Kategori 3: Fotografi Produk

Contoh prompt: "Botol parfum minimalis di permukaan putih, bayangan lembut, gaya fotografi komersial"

Model	Kualitas	Akurasi	Preferensi
Flux	8,0	8,5	41%
Midjourney	7,9	7,2	38%
SDXL	7,1	6,8	21%

Analisis: Keuntungan akurasi Flux bersinar untuk fotografi produk di mana detail tertentu penting.

Kategori 4: Artistik/Bergaya

Contoh prompt: "Adegan jalanan cyberpunk, lampu neon mencerminkan di trotoar basah, gaya anime, warna vibrant"

Model	Kualitas	Akurasi	Preferensi
Midjourney	8,1	6,5	44%
SDXL	7,6	7,2	32%
Flux	7,2	7,8	24%

Analisis: Konten bergaya lebih disukai Midjourney dan SDXL. Flux cenderung menuju realisme bahkan ketika diminta untuk stylisasi.

Kategori 5: Pemandangan Kompleks

Contoh prompt: "Seorang wanita berambut merah dalam gaun biru memegang payung kuning, berdiri di depan pintu hijau, kucing putih di kakinya"

Model	Kualitas	Akurasi	Preferensi
Flux	7,8	8,9	58%
Midjourney	7,4	5,8	25%
SDXL	6,9	5,5	17%

Analisis: Flux mendominasi prompt kompleks. Midjourney dan SDXL sering melewatkan atau mengubah elemen untuk "peningkatan estetika."

Kategori 6: Rendering Teks

Contoh prompt: "Depan kafe dengan tanda yang bertuliskan 'SUNRISE CAFE', pencahayaan hangat, eksterior bata"

Model	Kualitas	Akurasi	Preferensi
Flux	8,5	9,2	72%
Midjourney	6,8	5,2	18%
SDXL	5,4	3,8	10%

Analisis: Rendering teks Flux secara dramatis unggul. Model lain menghasilkan teks yang kacau atau salah secara konsisten.

Variasi Demografis

Menurut Tingkat Keahlian

Penggemar AI lebih suka:

1. Flux (38%)
2. Midjourney (34%)
3. SDXL (28%)

Publik umum lebih suka:

1. Midjourney (48%)
2. Flux (27%)
3. SDXL (25%)

Seniman profesional lebih suka:

1. Midjourney (45%)
2. SDXL (30%)
3. Flux (25%)

Analisis: Penggemar AI menghargai akurasi Flux. Publik umum dan profesional memprioritaskan daya tarik estetika.

Menurut Niat Kasus Penggunaan

Peserta yang menyatakan mereka akan menggunakan gambar untuk:

Media Sosial:

• Midjourney: 52%
• Flux: 28%
• SDXL: 20%

Komersial/Profesional:

• Flux: 42%
• Midjourney: 38%
• SDXL: 20%

Proyek Pribadi:

• Midjourney: 40%
• SDXL: 35%
• Flux: 25%

Signifikansi Statistik

Kami menghitung signifikansi statistik untuk temuan utama:

Temuan	p-value	Signifikan?
MJ > Flux (estetika)	<0.001	Ya
Flux > MJ (akurasi)	<0.001	Ya
Flux > Semua (teks)	<0.001	Ya
Varian SDXL lebih tinggi	<0.01	Ya

Hasil signifikan secara statistik pada tingkat α=0.05 dengan ukuran sampel yang cukup.

Keterbatasan dan Peringatan

Keterbatasan Studi

1. Versi model: Hasil khusus untuk versi yang diuji (Januari 2025)
2. Pengaturan: Pengaturan berbeda dapat mengubah hasil
3. Pilihan model SDXL: Fine-tune berbeda akan bervariasi
4. Optimasi prompt: Prompt tidak dioptimalkan per model
5. Ukuran sampel: 500 peserta, mungkin tidak mewakili semua pengguna

Apa Studi Ini Tidak Mengukur

• Kecepatan generasi
• Biaya per gambar
• Konsistensi di seluruh generasi
• Kemampuan fitur lanjutan
• Kualitas konten NSFW
• Kemampuan generasi video

Implikasi dan Rekomendasi

Untuk Pengguna Berbeda

Pilih Midjourney jika:

• Daya tarik estetika adalah tujuan utama
• Bekerja dengan lanskap, potret
• Ingin output "indah" yang konsisten
• Tidak memerlukan kontrol prompt yang tepat

Pilih Flux jika:

• Akurasi prompt sangat penting
• Perlu teks dalam gambar
• Bekerja dengan pemandangan multi-elemen kompleks
• Aplikasi teknis/komersial

Pilih SDXL jika:

• Perlu fleksibilitas maksimal
• Menggunakan LoRA untuk gaya tertentu
• Sadar anggaran
• Ingin kontrol generasi lokal

Untuk Tugas Tertentu

Tugas	Model Terbaik
Postingan sosial media pemasaran	Midjourney
Fotografi produk	Flux
Konsistensi karakter	SDXL (dengan LoRA)
Teks/signage	Flux
Eksplorasi artistik	Midjourney
Diagram teknis	Flux
Anime/ilustrasi	SDXL (dengan model)

Perbandingan dengan Studi Lain

Temuan kami sejalan dengan dan memperluas penelitian sebelumnya:

Temuan yang Sejalan:

• Preferensi estetika Midjourney dikonfirmasi
• Keuntungan akurasi prompt Flux dikonfirmasi
• Keuntungan fleksibilitas SDXL dikonfirmasi

Kontribusi Baru:

• Persentase preferensi yang dikuantifikasi
• Analisis spesifik kategori
• Variasi demografis didokumentasikan
• Signifikansi statistik ditetapkan

Pertanyaan yang Sering Diajukan

Model mana yang "terbaik" secara objektif?

Tidak ada. "Terbaik" tergantung kriteria. Midjourney untuk estetika, Flux untuk akurasi, SDXL untuk fleksibilitas.

Haruskah saya mempercayai studi ini?

Pertimbangkan keterbatasan. Gunakan sebagai titik data bersama pengujian Anda sendiri. Hasil khusus untuk kondisi studi.

Akankah hasil ini berubah seiring waktu?

Ya. Model diperbarui dengan sering. Pengujian ulang direkomendasikan setiap tahun.

Mengapa SDXL tidak melakukannya lebih baik?

Kekuatan SDXL berasal dari model yang dioptimalkan halus dan LoRA. Model dasar/standar menguji lebih rendah daripada pengaturan yang dioptimalkan.

Bagaimana saya mereproduksi tes ini?

Hubungi kami untuk detail prompt dan metodologi. Kami mendorong studi replikasi.

Apakah peserta tahu itu AI?

Ya, mereka tahu semua gambar adalah AI-generated. Mereka tidak tahu model mana yang menghasilkan gambar mana.

Bagaimana dengan model yang lebih baru?

Studi ini mencakup model yang tersedia pada Januari 2025. SD3.5 dan model masa depan tidak termasuk.

Pembungkusan

Tes buta kami mengkonfirmasi apa banyak yang dicurigai: tidak ada model "terbaik" AI gambar tunggal.

Temuan utama:

1. Midjourney memimpin preferensi estetika (42% keseluruhan)
2. Flux mendominasi akurasi prompt (67% untuk pemandangan kompleks)
3. SDXL menawarkan hasil kompetitif dengan varian lebih banyak
4. Kasus penggunaan harus mendorong pilihan model

Model "terbaik" adalah yang paling melayani kebutuhan spesifik Anda. Untuk lanskap indah dan potret, Midjourney unggul. Untuk pekerjaan komersial yang akurat, Flux memimpin. Untuk kontrol maksimal dan kustomisasi, ekosistem SDXL tidak tertandingi.

Untuk perbandingan model di luar kualitas, lihat panduan Flux vs SDXL vs Midjourney kami. Untuk pengujian langsung, coba Apatero.com.

Ketersediaan Data Penelitian

Data respons yang tidak diidentifikasi dari studi ini tersedia untuk tujuan akademis dan penelitian. Dokumentasi prompt dan metodologi lengkap dapat disediakan atas permintaan.

Studi dilakukan Januari 2025. Hasil mencerminkan versi model dan pengaturan saat pengujian.

Lampiran: Contoh Prompt yang Digunakan

Kategori Potret:

• "Potret kepala profesional wanita Asia berusia 35 tahun..."
• "Pria tua dengan jenggot putih, mata baik, pencahayaan alami..."
• "Profesional muda dalam pengaturan casual, ekspresi asli..."

Kategori Lanskap:

• "Danau gunung di matahari terbit, puncak bersalju..."
• "Hutan lebat dengan balok matahari menyaring melalui pohon..."
• "Pemandangan gurun pada golden hour, bayangan dramatik..."

Kategori Pemandangan Kompleks:

• "Wanita berambut merah dalam gaun biru dengan payung kuning..."
• "Interior kafe dengan tiga orang, posisi spesifik..."
• "Pemandangan jalanan dengan mobil, sepeda, dan pejalan kaki, warna spesifik..."

Daftar prompt lengkap tersedia dalam materi tambahan.

Analisis Tambahan: Konsistensi di Seluruh Prompt

Keandalan Model

Kami juga mengukur seberapa konsisten setiap model di seluruh beberapa generasi prompt yang sama:

Model	Skor Konsistensi	Rentang Variasi
Midjourney	8,2/10	Varian rendah
Flux	7,8/10	Varian moderat
SDXL	6,5/10	Varian lebih tinggi

Interpretasi prompt bawaan Midjourney menciptakan output yang lebih konsisten, sementara fleksibilitas SDXL menyebabkan variasi lebih luas.

Tingkat Kegagalan Generasi

Persentase generasi yang gagal memenuhi standar kualitas dasar:

Model	Tingkat Kegagalan	Masalah Umum
Midjourney	5%	Masalah komposisi sesekali
Flux	8%	Terkadang terlalu literal
SDXL	15%	Artefak lebih sering

Tema Umpan Balik Peserta

Umpan balik kualitatif umum termasuk:

Tentang Midjourney:

• "Selalu terlihat profesional"
• "Terkadang mengabaikan apa yang saya minta"
• "Warna dan pencahayaan yang hebat"

Tentang Flux:

• "Mendapatkan detail dengan benar"
• "Terkadang terasa klinis"
• "Terbaik untuk persyaratan spesifik"

Tentang SDXL:

• "Hasil bervariasi liar"
• "Ketika itu bekerja, itu benar-benar berfungsi"
• "Membutuhkan lebih banyak iterasi"

Implikasi Studi

Untuk Pengguna Kasual

Data menunjukkan Midjourney adalah pilihan teraman untuk pengguna yang menginginkan hasil yang konsisten dan menarik tanpa teknik prompt yang luas.

Untuk Profesional

Keuntungan akurasi Flux menjadikannya lebih disukai untuk pekerjaan komersial di mana spesifikasi harus dipenuhi dengan tepat.

Untuk Para Penggemar

Ekosistem SDXL dan fleksibilitasnya memberi penghargaan kepada mereka yang bersedia berinvestasi waktu dalam optimasi dan seleksi LoRA.

Penelitian ini memberikan fondasi berbasis data untuk keputusan seleksi model, melengkapi preferensi subyektif dengan hasil yang terukur.