AI图像质量盲测：Flux vs SDXL vs Midjourney（2025年研究）

哪个AI模型产生最好的图像？每个人都有观点，但我们想要数据。我们进行了一个盲测，有500名参与者评估来自Flux、SDXL和Midjourney的图像跨多个类别。

快速回答：Midjourney赢得整体美学偏好（42%第一选择），但Flux主导提示词准确度（67%最高评级）。SDXL与自定义模型与两者都竞争接近。"最好的"模型完全取决于你的标准：美、准确性或灵活性。

:::tip[关键要点]

• 关键选项包括照片逼真肖像和风景和自然
• 定价差异显著 - 考虑你的量和特性需求
• 在承诺付费计划前测试免费层
• 你的特定工作流要求应该驱动最终选择 :::

研究方法论

参与者人口统计

我们通过多个渠道招募500名参与者：

人口统计	百分比
AI爱好者	35%
一般公众	40%
专业艺术家	15%
营销专业人士	10%

年龄分布： 18-65，中位数32 地理： 60%北美，25%欧洲，15%其他

测试的模型

Flux Dev:

• 50步，CFG 3.5
• 标准设置

SDXL（Juggernaut XL）：

• 30步，CFG 7
• 社区优化模型

Midjourney v6.1：

• 默认设置
• 风格化100

测试类别

1. 照片逼真肖像
2. 风景和自然
3. 产品摄影
4. 艺术/风格化
5. 复杂场景（多个元素）
6. 文本渲染

评估协议

每个参与者查看24个图像集（每个类别4个）。每个集包含3个图像（每个模型一个）从相同提示词生成。

参与者评级：

1. 整体质量（1-10）
2. 提示词准确度（1-10）
3. 他们更喜欢哪个（强制选择）
4. 哪个看起来"最AI"（质量反向指标）

图像以随机顺序呈现，没有模型识别。

整体结果

第一选择偏好

当问"哪个图像你更喜欢？"：

模型	整体偏好
Midjourney v6.1	42%
Flux Dev	31%
SDXL (Juggernaut)	27%

Midjourney的美学吸引力给了它在原始偏好中一致的边缘。

质量评级（1-10）

模型	平均分	标准差
Midjourney	7.8	1.2
Flux	7.4	1.4
SDXL	7.1	1.6

SDXL更高标准差表示更易变质量，鉴于模型生态多样性预期。

提示词准确性（1-10）

模型	平均分	标准差
Flux	8.2	1.1
Midjourney	6.8	1.5
SDXL	6.5	1.7

Flux在提示词遵守上显著超越，特别是对于有多个元素的复杂提示词。

"看起来最AI"（更低更好）

每个模型被识别为"最AI看起来"的百分比：

模型	识别为AI
SDXL	38%
Flux	32%
Midjourney	30%

所有模型偶尔生成明显的AI图像。SDXL的易变质量贡献了更高检测。

按类别结果

类别1：照片逼真肖像

提示词例子： "一个35岁的亚洲女性的专业证件照，商业装扮，中性背景，工作室光线"

模型	质量	准确性	偏好
Midjourney	8.2	7.1	48%
Flux	7.6	8.0	28%
SDXL	7.4	6.8	24%

分析： Midjourney的默认美学处理创建立即吸引的肖像。Flux遵循提示词更好但有更少"波兰"。

类别2：风景和自然

提示词例子： "山湖在日出，雪覆盖的峰反射在平静水，松树森林，金光"

模型	质量	准确性	偏好
Midjourney	8.4	7.5	52%
Flux	7.8	8.1	26%
SDXL	7.2	6.9	22%

分析： Midjourney主导了风景。其内置增强创建戏剧、可分享的风景。

类别3：产品摄影

提示词例子： "最小香水瓶在白色表面，软阴影，商业摄影风格"

模型	质量	准确性	偏好
Flux	8.0	8.5	41%
Midjourney	7.9	7.2	38%
SDXL	7.1	6.8	21%

分析： Flux的准确度优势闪耀于产品摄影，具体细节重要。

类别4：艺术/风格化

提示词例子： "赛博朋克街道场景，霓虹灯反射在湿路面，动漫风格，充满活力的颜色"

模型	质量	准确性	偏好
Midjourney	8.1	6.5	44%
SDXL	7.6	7.2	32%
Flux	7.2	7.8	24%

分析： 风格化内容青睐Midjourney和SDXL。Flux趋向现实主义甚至当提示词请求风格化。

类别5：复杂场景

提示词例子： "一个红色头发女人穿着蓝色连衣裙握黄色伞，站在绿色门前，白色猫在她的脚"

模型	质量	准确性	偏好
Flux	7.8	8.9	58%
Midjourney	7.4	5.8	25%
SDXL	6.9	5.5	17%

分析： Flux主导了复杂提示词。Midjourney和SDXL频繁地错过或改变"美学改进"元素。

类别6：文本渲染

提示词例子： "咖啡店店面有标志读'日出咖啡馆'，温暖照明，砖外部"

模型	质量	准确性	偏好
Flux	8.5	9.2	72%
Midjourney	6.8	5.2	18%
SDXL	5.4	3.8	10%

分析： Flux的文本渲染戏剧上更优。其他模型产生了乱七八糟或不正确的文本一致地。

人口统计变化

按专业水平

AI爱好者偏好：

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

一般公众偏好：

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

专业艺术家偏好：

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

分析： AI爱好者重视Flux的准确性。一般公众和专业人士优先审美吸引力。

按使用情况意图

说明他们将使用图像的参与者：

社交媒体：

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

商业/专业：

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

个人项目：

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

统计显著性

我们为关键发现计算了统计显著性：

发现	p值	显著？
MJ > Flux（美学）	<0.001	是的
Flux > MJ（准确性）	<0.001	是的
Flux > 全部（文本）	<0.001	是的
SDXL方差更高	<0.01	是的

结果在α=0.05水平上统计显著，有足够的样本大小。

限制和注意事项

研究限制

1. 模型版本： 结果特定于测试版本（2025年1月）
2. 设置： 不同的设置可能改变结果
3. SDXL模型选择： 不同的微调会变化
4. 提示词优化： 提示词没有针对每个模型优化
5. 样本大小： 500名参与者，可能不代表所有用户

这项研究不测量什么

• 生成速度
• 每个图像的成本
• 跨代生成的一致性
• 高级特性功能
• NSFW内容质量
• 视频生成功能

含义和建议

对于不同用户

选择Midjourney如果：

• 美学吸引力是主要目标
• 与风景、肖像合作
• 想要一致的"美丽"输出
• 不需要精确的提示词控制

选择Flux如果：

• 提示词准确度是关键
• 需要图像中的文本
• 与复杂多元素场景合作
• 技术/商业应用

选择SDXL如果：

• 需要最大灵活性
• 使用LoRAs对于特定风格
• 预算意识
• 想要本地生成控制

对于特定任务

任务	最好的模型
营销社交帖子	Midjourney
产品摄影	Flux
字符一致性	SDXL (用LoRA)
文本/标牌	Flux
艺术探索	Midjourney
技术图表	Flux
动漫/插图	SDXL（用模型）

与其他研究的比较

我们的发现与并扩展以前的研究：

一致的发现：

• Midjourney美学偏好确认
• Flux提示词准确度优势确认
• SDXL灵活性优势确认

新的贡献：

• 量化的偏好百分比
• 按类别具体分析
• 记录的人口变化
• 建立的统计显著性

常见问题

哪个模型是客观"最好的"？

都没有。"最好的"取决于标准。Midjourney对于美学，Flux对于准确性，SDXL对于灵活性。

我应该信任这项研究吗？

考虑限制。用作与你自己的测试一起的数据点。结果特定于研究条件。

这些结果会随着时间改变吗？

是的。模型频繁更新。建议每年重新测试。

为什么SDXL没有更好地做？

SDXL的力量来自微调模型和LoRAs。基础/标准模型测试低于优化的设置。

我如何重新产生这个测试？

联系我们以获取提示词和方法论细节。我们鼓励复制研究。

参与者知道它是AI吗？

是的，他们知道所有图像都是AI生成的。他们不知道哪个模型产生了哪个图像。

关于更新的模型什么？

这项研究涵盖了2025年1月可用的模型。SD3.5和未来的模型未包括。

总结

我们的盲测确认许多怀疑：没有单一的"最好的"AI图像模型。

关键发现：

1. Midjourney领导审美偏好（42%整体）
2. Flux主导提示词准确度（67%对于复杂场景）
3. SDXL提供竞争结果更多差异
4. 使用情况应该驱动模型选择

"最好的"模型是最好地服务你特定需求的模型。对于美丽的风景和肖像，Midjourney卓越。对于准确的商业工作，Flux领导。对于最大控制和自定义，SDXL的生态无与伦比。

对于质量之外的模型比较，看看我们的Flux vs SDXL vs Midjourney指南。对于实践测试，尝试Apatero.com。

研究数据可用性

来自这项研究的匿名回应数据对学术和研究目的可用。完整的提示词集和方法论文档可在请求时提供。

研究进行了2025年1月。结果反映在测试时的模型版本和设置。

附录：使用的样本提示词

肖像类别：

• "一个35岁亚洲女性的专业证件照..."
• "白胡子有kind眼睛的年长男人，自然光..."
• "年轻专业在随意设置，真实表达..."

风景类别：

• "山湖在日出，雪覆盖的峰..."
• "密集森林与太阳光线通过树过滤..."
• "沙漠景观在金色时刻，戏剧阴影..."

复杂场景类别：

• "红色头发女人在蓝色连衣裙有黄色伞..."
• "咖啡店内部有三个人，特定位置..."
• "街道场景有车、自行车和行人，特定颜色..."

完整的提示词列表在补充材料中可用。

其他分析：跨提示词一致性

模型可靠性

我们也测量了每个模型在相同提示词的多个生成之间的一致性如何：

模型	一致性分数	变化范围
Midjourney	8.2/10	低变化
Flux	7.8/10	中等变化
SDXL	6.5/10	更高变化

Midjourney的内置提示词解释创建更一致的输出，而SDXL的灵活性导致更广泛的变化。

生成失败率

未满足基本质量标准的生成百分比：

模型	失败率	常见问题
Midjourney	5%	偶尔构图问题
Flux	8%	有时过度字面
SDXL	15%	更频繁伪迹

参与者反馈主题

常见的定性反馈包括：

关于Midjourney：

• "总是看起来专业"
• "有时忽视我要求的东西"
• "伟大的颜色和光线"

关于Flux：

• "找到细节正确"
• "有时感觉临床"
• "最好对于特定要求"

关于SDXL：

• "结果差异很大"
• "当它工作时，它真的工作"
• "需要更多迭代"

研究含义

对于随意用户

数据提示Midjourney是最安全的选择对于想要一致地吸引结果而不需要广泛的提示词工程的用户。

对于专业人士

Flux的准确度优势使其对于必须精确满足的商业工作是可取的。

对于热情者

SDXL的生态和灵活性奖励那些愿意投入时间优化和LoRA选择的人。

这项研究提供了一个数据驱动的基础以进行模型选择决定，补充主观偏好与可测量的结果。