پرسشِ Midjourney یا DALL-E امروز جوابِ تازه‌ای دارد: DALL-E دیگر وجود ندارد و OpenAI آن را با خانواده‌ی GPT Image عوض کرده است. پس مقایسه‌ی درست بین Midjourney، GPT Image، Flux و Stable Diffusion است؛ Midjourney برای زیبایی و حالِ هنری، GPT Image برای فهمِ دقیقِ دستور و متنِ داخلِ عکس، و Flux و Stable Diffusion برای کنترل و اجرای مستقل.
این نوشته وضعِ مهر ۱۴۰۵ (اکتبر ۲۰۲۶) را با نسخه‌ها، قیمت‌ها و دسترسی از ایران مرور می‌کند. اگر مقایسه‌ی گسترده‌تر با مدل‌های ویدیو هم می‌خواهید، مقایسه‌ی مدل‌های ساخت عکس و ویدیو با پرامپتِ یکسان را ببینید. قیمت‌ها و نسخه‌ها در مهر ۱۴۰۵ بررسی شده‌اند و ممکن است عوض شوند.
همین الان امتحان کنید: Midjourney، Flux و GPT Image را با یک پرامپتِ یکسان در ساخت عکس با هوش مصنوعی در هوش‌نو کنار هم بسنجید؛ هوش‌نو سرویسِ خودِ ماست و پرداخت تومانی و به اندازه‌ی مصرف است.
جوابِ کوتاه: کدام را انتخاب کنیم؟
اگر ظاهرِ هنری و سینمایی مهم‌تر از دقتِ لفظی است، Midjourney. اگر می‌خواهید مدل هر جمله‌ی پرامپت و هر نوشته‌ی داخلِ تصویر را دقیق اجرا کند، GPT Image. اگر کنترلِ کامل، ویرایشِ چندمرحله‌ای یا اجرا روی سیستمِ خودتان می‌خواهید، Flux یا Stable Diffusion.
| مدل | نقطه‌ی قوت | رایگان؟ | مناسبِ |
|---|---|---|---|
| Midjourney (نسخه‌ی ۸) | زیبایی، نورپردازی، سبکِ هنری | نه، اشتراکِ ماهانه | هنر، پوستر، مفهوم‌سازی |
| GPT Image (جانشینِ DALL-E) | فهمِ دقیقِ دستور، متنِ داخلِ تصویر | سهمیه‌ی محدود در چت | تبلیغ، اینفوگرافی، ویرایشِ گفت‌وگومحور |
| Flux | کیفیتِ بالا، ویرایش با تصویرِ مرجع، وزنِ باز در بعضی نسخه‌ها | بسته به نسخه | طراحی، کنترل، اجرای مستقل |
| Stable Diffusion | انعطافِ بی‌پایان با مدل‌ها و افزونه‌های جامعه | بله، روی سخت‌افزارِ خودتان | کاربرِ فنی، سفارشی‌سازی |
نتیجه‌ی جدول: هیچ‌کدام در همه‌چیز برنده نیست. انتخاب را با کاری که می‌خواهید بکنید شروع کنید، نه با اسمِ مدل.
از DALL-E تا GPT Image: چه چیزی عوض شده
DALL-E 3 دیگر در دسترس نیست: OpenAI اعلام کرده بود API مدل‌های DALL-E 2 و DALL-E 3 در ۱۲ مه ۲۰۲۶ (۲۲ اردیبهشت ۱۴۰۵) بسته می‌شود و جانشینِ مستندش خانواده‌ی GPT Image است. کاربرانِ ChatGPT هم پیش‌تر به GPT Image منتقل شده بودند. جزئیاتِ رسمی در صفحه‌ی deprecationهای OpenAI آمده است.
برای کسی که هنوز «DALL-E» جست‌وجو می‌کند، یعنی نتیجه‌ی امروزش را باید در GPT Image دید. طبق گزارش‌ها آخرین نسخه‌ی این خانواده با نامِ GPT Image 2 در آوریلِ ۲۰۲۶ عرضه شد؛ نسخه‌ی دقیق را پیش از تصمیمِ مهم در مستنداتِ OpenAI بسنجید. نقطه‌ی قوتِ این خانواده همان چیزی است که DALL-E را محبوب کرد: دستورِ طولانی را جمله‌به‌جمله دنبال می‌کند و نوشته‌ی داخلِ تصویر را بهتر از بیشترِ رقبا درمی‌آورد.
Midjourney یا GPT Image: تفاوتِ اصلی
Midjourney یا GPT Image؟ اگر بگویید «پوسترِ شروعِ فروشِ شب یلدا با عنوانِ فلان و سه محصولِ مشخص»، GPT Image معمولاً چیدمان و متن را دقیق‌تر رعایت می‌کند. اگر بگویید «کوچه‌ای مه‌آلود در غروب، حالِ نوستالژی»، Midjourney اغلب تصویری جذاب‌تر می‌دهد. یکی مجری است و دیگری هنرمند.
Midjourney v7 و بعد از آن
Midjourney v7 از میانه‌ی ۲۰۲۵ نسخه‌ی پیش‌فرض بود، ولی امروز جدیدترین نسخه‌ها از خانواده‌ی ۸ هستند: نسخه‌ی ۸ در ۱۷ مارس ۲۰۲۶ به‌صورت آلفا آمد و طبق منابعِ بررسی‌شده نسخه‌ی ۸٫۲ از ۲۴ ژوئیه‌ی ۲۰۲۶ پیش‌فرض شده است. نسخه‌ی ۷ هنوز قابلِ انتخاب است، برای کسی که سبکِ آن را دوست دارد.
تغییرِ مهمِ نسخه‌ی ۸ سرعت و کیفیتِ بالاترِ پیش‌فرض (خروجیِ HD)، فهمِ بهتر دستور و متنِ خواناتر است؛ یعنی بزرگ‌ترین نقطه‌ی ضعفِ قدیمیِ Midjourney، نوشتنِ حروف، کمتر شده است. با این حال هنوز برای متنِ طولانی GPT Image مطمئن‌تر است. تاریخچه‌ی تغییرها را در به‌روزرسانی‌های Midjourney و شروعِ کار را در راهنمای جامع Midjourney ببینید. جزئیاتِ هر نسخه در مستنداتِ رسمی Midjourney است.
Midjourney یا Leonardo AI
Midjourney یا Leonardo AI؟ Leonardo پلتفرمی است که چند مدل و ابزارِ ویرایش را در یک محیط می‌دهد و پلنِ رایگان با سقفِ روزانه دارد؛ شرایطِ دقیقِ آن پیوسته عوض می‌شود، پس هر بار از خودِ سایت بپرسید. Midjourney روی سبکِ ویژه‌ی خودش تمرکز دارد. اگر کنترل‌های ویرایشی و رایگان‌بودنِ آزمایشی برایتان مهم‌تر است، Leonardo؛ اگر زیبایی‌ی بی‌دردسر، Midjourney.
Flux و Stable Diffusion: متن‌باز و قابلِ اجرا روی سیستم
Flux ساخته‌ی Black Forest Labs است و Stable Diffusion مدلِ متن‌بازِ قدیمی‌تری است که جامعه‌ای بزرگ از مدل و افزونه اطرافش ساخته. هر دو را می‌توان روی سخت‌افزارِ شخصی اجرا کرد، به‌شرطِ داشتنِ کارتِ گرافیکِ مناسب؛ نیازِ سخت‌افزاری را در سخت‌افزارِ لازم برای مدل‌های ساخت تصویر ببینید.
Midjourney و Flux
Midjourney و Flux هر دو تصویرِ باکیفیت می‌دهند، ولی فلسفه‌شان فرق دارد. Midjourney خروجیِ «پرداخت‌شده» می‌دهد و کنترلِ کمتری. Flux.2 تا چند تصویرِ مرجع می‌گیرد، کنترلِ رنگ دارد و برای ویرایشِ تصویر ساخته شده است. نسخه‌ی dev که وزنش باز است برای استفاده‌ی تجاری مجوزِ جدا از سازنده می‌خواهد و فقط نسخه‌ی klein 4B با مجوزِ Apache 2.0 منتشر شده؛ پیش از هر کارِ تجاری مجوزِ نسخه‌ی مشخص را در یادداشت‌های انتشارِ Black Forest Labs بخوانید. شیوه‌ی نوشتنِ دستور در پرامپت‌نویسی Flux آمده است.
Midjourney یا Stable Diffusion
Midjourney یا Stable Diffusion؟ Stable Diffusion اگر وقتِ یادگیری دارید قدرتمندتر است: مدل‌های سفارشی، ControlNet و ویرایشِ بخشی از تصویر. اما برای کسی که فقط نتیجه‌ی خوب می‌خواهد، منحنیِ یادگیری و نصب سنگین است و کیفیتِ اولیه بدونِ مدلِ مناسب نامنظم است. Midjourney در ده دقیقه نتیجه می‌دهد.
آزمونِ کنارِ هم با ۶ پرامپتِ یکسان
نتیجه‌ی آزمونِ ساختگی نمی‌نویسیم؛ به‌جایش یک آزمونِ ۶ پرامپتی می‌دهیم که خودتان در چند دقیقه اجرا می‌کنید. هر پرامپت را عیناً به هر مدل بدهید، بدونِ ویرایش، و فقط اولین خروجی را بسنجید.
- پرتره‌ی واقع‌گرایانه: photorealistic portrait of an elderly craftsman in his workshop, window light, 85mm؛ معیار: پوست، دست‌ها و نور.
- متنِ داخلِ تصویر: a cafe sign that reads "Sepid Cafe, open 8 to 22"؛ معیار: درستیِ حروف.
- محصول: studio product photo of a ceramic mug on a wooden table, soft shadows؛ معیار: تمیزیِ لبه‌ها.
- هنر و مفهوم: a floating city above clouds at sunset, painterly, cinematic؛ معیار: حالِ هنری.
- دستورِ چندجزئی: three red apples on the left, two green pears on the right, one blue vase in the center؛ معیار: تعدادِ اشیا و جای‌شان.
- فارسی: متنی کوتاه مثلِ «فروشِ ویژه» روی بنر؛ معیار: اتصالِ حروفِ فارسی و جهتِ راست‌به‌چپ.
معمولاً پرامپتِ ۴ را Midjourney بهتر درمی‌آورد و پرامپت‌های ۲، ۵ و ۶ را مدل‌های دقیق‌تر؛ ولی نتیجه‌ی شما از ترجیحِ خودتان می‌آید. برای پرامپت‌های بیشتر پرامپت‌نویسی اصولی در Midjourney و برای متنِ فارسی روی عکس ساخت عکس با هوش مصنوعی فارسی را بخوانید.
قیمت و دسترسی از ایران
Midjourney رایگان ندارد و اشتراکش ماهانه ۱۰ (Basic)، ۳۰ (Standard)، ۶۰ (Pro) و ۱۲۰ (Mega) دلار است؛ پرداختِ سالانه حدودِ ۲۰٪ ارزان‌تر است. تفاوتِ پلن‌ها در ساعتِ پردازشِ سریع و حالتِ خصوصی است (آخرین بررسی: مهر ۱۴۰۵). GPT Image بخشی از ChatGPT و API است و سهمیه‌ی رایگان محدود دارد. Flux و Stable Diffusion اگر خودتان اجرا کنید رایگان‌اند و هزینه‌شان سخت‌افزار است.
مشکلِ مشترکِ کاربرِ ایرانی پرداختِ ارزی و نبودنِ حسابِ بین‌المللی است. راهِ قانونی و ساده استفاده از پلتفرمی داخلی است که این مدل‌ها را با پرداختِ تومانی عرضه می‌کند؛ هوش‌نو یکی از آن‌هاست، با Midjourney، Flux و GPT Image در یک‌جا و بدونِ اشتراکِ اجباری. هزینه‌ی هر ساخت پیش از شروع در خودِ ابزار نشان داده می‌شود. اگر دنبالِ گزینه‌های بیشتر هستید، معرفیِ ابزارهای تصویرساز را ببینید.
کدام برای هنر، کدام برای تبلیغ
برای هنر و مفهوم‌سازی Midjourney، چون حالِ تصویر را بدونِ پرامپتِ طولانی می‌سازد. برای تبلیغ، پوستر و اینفوگرافی GPT Image، چون متن و چیدمان را رعایت می‌کند. برای بنرهای تکراری با تصویرِ مرجع و ویرایش Flux. برای پروژه‌ای که به مدلِ سفارشی و کنترلِ دقیق نیاز دارد Stable Diffusion.
- فروشگاهِ اینستاگرامی: GPT Image برای بنر با قیمت و عنوان، Flux برای عکسِ محصول روی پس‌زمینه‌های مختلف.
- تصویرسازِ کتاب یا بازی: Midjourney برای کشفِ سبک، بعد Stable Diffusion برای ثابت‌ماندنِ شخصیت.
- محتوای شبکه‌های اجتماعی: ترکیبِ دو مدل، یکی برای زیبایی و یکی برای متن.
از ساختِ تصویر با چهره‌ی افرادِ واقعی بدونِ رضایتشان بپرهیزید؛ با عکسِ خودتان یا شخصیتِ خیالی کار کنید. موضوعِ حقوقیِ تصاویر را هم با شرایطِ هر سرویس تطبیق دهید.
اشتباه‌های رایج در انتخاب و استفاده
بیشترِ ناامیدی‌ها از انتظارِ نادرست می‌آید، نه از ضعفِ مدل. این‌ها رایج‌ترین اشتباه‌هاست و راهِ رفعشان.
- قضاوت با یک تصویر: هر مدل گاهی یک خروجیِ عالی و گاهی یک خروجیِ ضعیف می‌دهد. دست‌کم چهار خروجی بسازید و میانگین را ببینید.
- پرامپتِ یکسان برای همه‌ی مدل‌ها: Midjourney با عبارت‌های کوتاه و توصیفیِ تصویری بهتر کار می‌کند، GPT Image با جمله‌های کامل. برای آزمونِ عادلانه یک‌بار پرامپتِ یکسان بدهید و یک‌بار پرامپتِ بهینه برای هر مدل.
- نادیده‌گرفتنِ مجوز: اجرای مدلِ وزن‌باز روی سیستمِ خودتان به‌معنیِ آزادیِ استفاده‌ی تجاری نیست؛ مجوزِ همان نسخه را بخوانید.
- انتخابِ مدل فقط با شهرت: مدلِ محبوب لزوماً مناسبِ کارِ شما نیست. اول نوعِ خروجی (عکسِ محصول، پوستر، هنر) را مشخص کنید.
- پرداخت از راه‌های نامطمئن: خریدِ اکانتِ دست‌دوم یا اشتراکِ مشترک ریسکِ بسته‌شدنِ حساب دارد؛ پلتفرمِ داخلی با پرداختِ تومانی ساده‌تر و شفاف‌تر است.
یک مسیرِ سریع برای شروع
- کاری که می‌خواهید را در یک جمله بنویسید، مثلاً «بنرِ فروشِ محصولِ جدید» یا «تصویرِ جلدِ داستان».
- اگر کارتان متنِ داخلِ تصویر دارد، با GPT Image شروع کنید؛ اگر حالِ هنری می‌خواهید، با Midjourney.
- پرامپتِ شماره‌ی مناسب از آزمونِ ۶ پرامپتی را به مدل بدهید و چهار خروجی بسازید.
- خروجیِ نزدیک‌تر را نگه دارید و با تصویرِ مرجع یا ویرایش اصلاحش کنید؛ برای اصلاحِ دقیق Flux معمولاً راحت‌تر است.
- اگر نتیجه برای انتشار بود، مجوزِ استفاده‌ی تجاری را در شرایطِ همان سرویس بررسی کنید.
نکته‌ی عملی: برای یک پروژه‌ی واقعی بهتر است دو مدل را کنار هم نگه دارید؛ یکی برای ایده و حال‌وهوا و دیگری برای اجرای دقیقِ متن و چیدمان. این کار هزینه‌ی کمی دارد و ریسکِ گیرکردن در نقطه‌ضعفِ یک مدل را کم می‌کند.
مدل‌های تازه‌تر مثل Nano Banana و Flux 2 را در راهنمای به‌روزِ مدل‌های ساخت عکس مقایسه کرده‌ایم.
سؤالات متداول
midjourney بهتر است یا dall-e؟
بستگی به کار دارد. برای تصویرِ هنری و زیبا Midjourney بهتر است. اما DALL-E دیگر وجود ندارد و جانشینش GPT Image است که در دنبال‌کردنِ دقیقِ دستور و متنِ داخلِ عکس بهتر عمل می‌کند.
آیا dall-e هنوز وجود دارد؟
نه. OpenAI اعلام کرد API مدل‌های DALL-E 2 و DALL-E 3 در ۱۲ مه ۲۰۲۶ بسته می‌شود و جایگزینِ مستندش مدل‌های GPT Image است. در ChatGPT هم تصویرسازی پیش‌تر به GPT Image منتقل شده بود.
midjourney یا flux؟
اگر زیبایی و سبکِ آماده می‌خواهید Midjourney؛ اگر ویرایش با تصویرِ مرجع، کنترلِ بیشتر یا اجرای مستقل می‌خواهید Flux. هر دو را می‌شود با یک پرامپت امتحان کرد و ترجیحِ خودتان را دید.
کدام رایگان است؟
Stable Diffusion و بعضی نسخه‌های Flux روی سخت‌افزارِ شخصی رایگان‌اند، ولی کارتِ گرافیکِ قوی می‌خواهند. Midjourney رایگان ندارد. GPT Image و بسیاری سرویس‌های دیگر سهمیه‌ی محدودِ رایگان دارند که شرایطش عوض می‌شود.
midjourney v7 هنوز قابلِ استفاده است؟
بله. نسخه‌ی ۸٫۲ پیش‌فرضِ تازه است، ولی طبق منابعِ بررسی‌شده نسخه‌ی ۷ هنوز قابلِ انتخاب است و برای سبکِ خاصِ خودش همچنان استفاده می‌شود.
جمع‌بندی
پرسشِ قدیمیِ Midjourney یا DALL-E حالا به «Midjourney یا GPT Image» تبدیل شده و Flux و Stable Diffusion گزینه‌های کنترل‌محورند. ساده‌ترین راهِ تصمیم این است که شش پرامپتِ بالا را به هر مدل بدهید و ببینید کدام برای کارِ شما بهتر درمی‌آید. اگر نمی‌خواهید با پرداخت ارزی و چند حساب درگیر شوید، می‌توانید همین مدل‌ها را در هوش مصنوعی ایرانی هوش‌نو با پرداختِ تومانی امتحان کنید.
