來自 6 家廠商的 14 個模型。選一個，看看它的優秀案例、支援的模式和大家的寫法。
OpenAI 的第一代圖像模型。指令跟得緊，畫面裡的文字和版式複雜的圖也能畫準。
Google Gemini 2.5 Flash 世代的圖像模型。出圖快，改圖和保持人物一致特別好用，一般人也玩得起來。
快手可靈（Kling）。圖片方面擅長人像、國風和商品圖，光影與材質表現細膩；提示詞用中文寫就好，給參考圖能鎖住人物和構圖，同一家的影片模型見可靈影片。
2026 年 4 月發布。比上一代生成更快、改圖更準，尺寸靈活、能直接拿一張圖當輸入，畫面裡的文字和版式明顯更好。
字節跳動的 Seedream 系列圖像模型。中文語意理解佳，人像、商品圖與海報都穩定，光影與材質細膩；提示詞用中文寫即可，比例與解析度在介面上選或寫在提示詞裡。
畫味最足的一家，光影、質感和構圖是強項。用風格參考（--sref）和 Omni Reference（--oref）能把風格和角色固定住，參數寫在提示詞末尾。
xAI 的圖像生成（Grok Imagine）。在 X 裡用一句話就能出圖，改圖（換背景、改風格、擴圖）也直接說；風格偏寫實、網感強，適合快速試想法。
2026 年 9 月發布，編輯精度最高的一代，分 Flare（偏快）和 Sunburst（偏精）兩個版本，文字和指令遵循都更穩。
基於 Gemini 3 Pro，會先推理再出圖，還懂世界知識和即時資訊。做海報、資訊圖和視覺化很穩，畫面裡的文字基本不出錯。
Gemini 3.1 Flash 世代，更快的新一代。可上網查資料、製作資訊圖，支援 1K / 2K 與自訂畫面比例。
位元組的 Seedream 5.0 系列。會先推理再出圖，還能聯網查資料，商品圖和海報尤其出色。
快手可靈（Kling）的影片模型。文生影片和圖生影片都行，人物動作和鏡頭運動比較自然，國風、寫實和廣告質感都拿手；提示詞中文寫就好，給首幀圖能鎖住構圖和人物。
字節新一代的音視頻聯合生成模型，一次最長 30 秒、還能續接兩次；能讀懂參考視頻的構圖和鏡頭語言，支持綠幕、白模等專業編輯。
統一的音視訊聯合生成架構，可同時以文字、圖片、音訊、視訊作為參考；運動穩定、音畫同步，用參考素材控制表演、光影和運鏡。