Мне регулярно присылают запрос «найди лучшую нейросеть для картинок». За этим стоит одна история: человек поставил пять приложений, потратил вечер, получил пластиковые лица с шестью пальцами и решил, что нейросети не работают. Проблема почти всегда не в модели.
Разница между моделями при этом огромная. Flux прорисовывает микротрещины на коже так, что коллега-ретушёр не отличает от стока. Midjourney выдаёт кадр, который хочется поставить на обложку без обработки. Kandinsky единственный внятно понимает слово «кокошник». DALL-E аккуратно переставит вазу на столе, но может наотрез отказаться рисовать саму вазу, если фильтр увидит в ней что-то подозрительное.
Отвечать на вопрос «какая нейросеть лучше для изображений» одной строчкой бессмысленно. Разберу по задачам, с деталями и с тем, что реально мешает работать из России.
Сначала определитесь, что вы генерируете
Половина споров о моделях заканчивается в момент, когда люди понимают, что говорят о разных вещах. Все запросы делятся на три кучи, и они почти не пересекаются.
Первая: фотореализм. Карточки товара для маркетплейса, портреты, интерьеры, фуд-съёмка. Тут решают кожа, свет и отражения. Вторая: арт и креатив. Обложки, постеры, концепты, стилизация. Тут решает вкус модели, а не количество пикселей. Третья: прикладное. Текст на изображении, точечные правки готового фото, вписывание логотипа в сцену, замена предмета.
Вчерашний заказ для наглядности: три ракурса керамической кружки на белом фоне и постер к вебинару. Это две разные кучи, и одной моделью их не закрыть. Модели, которые тащат первую, обычно слабоваты в третьей. И наоборот: та, что гениально рисует постеры, часто не умеет аккуратно убрать объект с фотографии клиента. Ниже рабочий расклад, собранный на реальных заказах, а не на красивых демо.
Тест на одном промпте: что я сравнивал
Чтобы не спорить вкусами, я прогнал один и тот же запрос через все модели, до которых дотянулся. Промпт: женщина 35 лет, веснушки, мягкий свет из окна слева, свитер крупной вязки, объектив 85 мм, малая глубина резкости, без макияжа.
Flux выдал самое близкое к фото: видны отдельные волоски на свитере, веснушки не размазаны в пятно, свет падает логично. Midjourney сделал красивее, чем в жизни: свет кинематографичный, но кожа слишком гладкая, как в рекламе косметики. Qwen удивил отражениями в глазах и мелкими деталями, но пересветил окно. Kandinsky справился с образом, однако фактура свитера получилась условной, как в иллюстрации. DALL-E дал аккуратный, почти стерильный кадр без характера.
Дальше я усложнил: попросил табличку с русской надписью в руках. Flux вписал текст по перспективе со второй попытки. Qwen с кириллицей мучился четыре раза и выдал «КОФЕ» с лишней буквой. DALL-E понял с первого раза, но отказался делать второй вариант, сославшись на политику. Kandinsky написал по-русски чисто, только шрифт вышел детсадовский.
Вот этот тест и есть ответ. Не «кто лучше», а «кто лучше в чём».
Flux 1.1 Pro держит детализацию и текст, но каждая генерация стоит денег
Нужен максимально дорогой на вид кадр с микротрещинами, ворсом и надписью на упаковке - иду в Flux. Он лучший по вписыванию букв в объект: вывеска, этикетка, номерной знак встают по перспективе, а не поверх картинки наклейкой. Плюс это самая быстрая из тяжёлых моделей, минуту ждать не придётся.
Минусы честные. Стоимость генерации кусается, если гонять сотни вариантов на перебор идей. Промпт нужен строгий: на размытое «красивая девушка в парке» модель отвечает стоковой пустотой. На освоение настроек уйдёт вечер, и это не преувеличение. Зато гибкость окупается на сложных сценах: кино, мультипликация, предметка с мелкими деталями.
Мой сценарий: Flux для финального кадра, который уйдёт в рекламу или на карточку товара. Для черновиков слишком дорого.
Midjourney до сих пор вне конкуренции по эстетике
Есть вещи, которые Midjourney делает лучше всех, и это не про фотореализм. Он умеет насмотренность: свет как у классической живописи, композиция как в кино, цвет как в японской фотографии. Нужен постер, обложка трека или концепт-арт для презентации - иду сразу сюда, не тратя время на сравнение.
Слабое место: предсказуемость. Модель любит фантазировать и добавлять детали, которых вы не просили. Анатомия уплывает на сложных позах, особенно с руками. Для правок готового изображения неудобен: перерисовать один объект, не тронув остальное, толком не выйдет. И ещё момент: чтобы получить предсказуемый результат, нужна дисциплина в промпте, иначе каждый кадр в серии будет из другой вселенной.
Qwen-Image: бесплатный фотореализм, к которому надо привыкнуть
Китайская модель от Alibaba удивила меня больше всех в этом году. Сложное освещение, отражения в стекле, мелкие детали на ткани - уровень, за который раньше просили подписку. Генерация бесплатная, без привязки карты, действует только дневной лимит. Живёт внутри Qwen Chat и включается кнопкой Image Generation под строкой ввода.
Отдельно нравится диалоговый режим. Не нужно переписывать промпт с нуля: сказал «убери тень слева, добавь дождь», и модель поправила тот же кадр. Для итераций это экономит часы. Я гонял версию Qwen3.7-Plus, по реализму она спокойно спорит с платными вариантами.
Где ломается: кириллица. Русские надписи получаются с третьего-четвёртого раза, а иногда не получаются вообще. Интерфейс неочевидный, первые полчаса уходят на тыканье. И если вам нужен арт, а не реализм, Qwen выдаст приличную, но скучноватую картинку: он про точность, а не про характер.
Kandinsky понимает русскую культуру, но не западную поп-культуру
Модель Сбера единственная, с кем можно говорить про лубок, кокошник, самовар и персонажей фольклора, и получить осмысленный результат, а не набор клише. Актуальная версия Kandinsky 6.0 работает внутри ИИ-помощника ГигаЧат: пишешь промпт на русском как сообщение в чате и получаешь картинку. Авторизация по Сбер ID, генерации бесплатные, жёсткого лимита по количеству нет.
Правки текстом тоже работают: заменить фон, убрать объект, поправить одежду. Для фона презентации, простой иллюстрации в статью или обложки внутреннего документа самое то. И это самый доступный вход для тех, кто вообще не хочет разбираться с оплатой.
Обратная сторона: героев западной поп-культуры модель представляет отдалённо. Попросите персонажа из известной игры, получите нечто похожее на водяного, с проблемами в анатомии. Для мемов и фан-арта мимо.
DALL-E 4 (GPT Image 2.0): мастер точечных правок и жертва цензуры
Лучше всех работает с русским языком в промпте и умеет хирургию: заменить объект на фото, сохранив логику кадра, свет и перспективу. Для ретуши, для замены товара в готовой сцене, для аккуратной правки без перерисовки всего полотна это лучший инструмент из доступных.
Но фильтры. Они блокируют вещи, в которых нет ничего запрещённого: спокойный портрет в купальнике, историческую сцену с оружием, детскую иллюстрацию с нестандартным сюжетом. Я держу DALL-E именно для правок, а не для генерации с нуля, иначе половина рабочего дня уходит на переформулировки одного и того же запроса.
Leonardo.AI, Stable Diffusion и BananoGEN: нишевые, но полезные
Leonardo часто называют бесплатной альтернативой Midjourney, и это половина правды. 150 кредитов в день, обычная генерация за 2 кредита, фотореалистичная за 16. Текстуры и размытие фона передаёт красиво, картинка выглядит дорого. Но запросы понимает не всегда верно, анатомию знает плохо и любит дофантазировать. Для фактур, фонов и абстракций да, для людей через раз.
Stable Diffusion остаётся выбором тех, кто готов ставить модель локально и крутить чекпойнты. Максимальный контроль, нулевая цена за генерацию, но порог входа такой, что знакомые дизайнеры до сих пор просят меня «настроить это чудо». Не готовы читать документацию вечерами - проходите мимо.
BananoGEN всплывает в рейтингах как самый быстрый способ получить фотореализм из России: работает в Telegram, выдаёт картинку уровня Midjourney без ляпов с пальцами. Для задачи «нужно сейчас» нормально. Только не ждите от бота тонких настроек и контроля над композицией.
Где модели врут: типичные провалы, о которых не пишут в рейтингах
Кисти рук. В обсуждениях на Reddit ретушёры сходятся: прогресс есть, но на сложных жестах пальцы всё ещё слипаются. Спасает кадрирование: обрезал по грудь, и вопрос снят. Я часто так и делаю, вместо того чтобы перебирать двадцать вариантов.
Мелкий текст. Даже Flux срывается, если надпись длиннее десяти-двенадцати символов или идёт по кривой. Проверяйте каждую букву, иначе на карточке товара потом найдёте «БЕЗ ГМО» с переставленными знаками.
С симметрией хуже: ряд из восьми одинаковых стаканов ломается на седьмом, модель начинает импровизировать. То же с плиткой, заборами, рядами окон.
Логика теней. Если в промпте два источника света, половина моделей путается и кладёт тень не туда. Для предметки это критично, товар начинает выглядеть наклейкой.
Разрешение. Почти все модели отдают кадр, который годится для веба, но не для печати. Апскейл отдельным шагом, иначе на баннере 3 на 6 метров увидите мыло.
Сколько это стоит на самом деле
Бесплатные варианты закрывают процентов шестьдесят задач. Qwen и Kandinsky дают реализм и понимание русского контекста без единого рубля. Как только нужен коммерческий кадр под печать или серия из тридцати картинок в одном стиле, бесплатные лимиты начинают мешать.
Дальше начинается арифметика подписок. Одна модель для реализма, вторая для арта, третья для правок. Плюс иностранная карта, плюс VPN, плюс нервы при очередном отказе платежа. Я проходил этот этап и скажу прямо: держать четыре подписки ради одного проекта - дорого и глупо.
Настоящая проблема не в модели, а в доступе к ней
Вот где начинается практика, а не рейтинги. Половина перечисленных моделей требует иностранную карту и стабильного доступа. Qwen и Kandinsky спасают, но они не заменяют Flux и Midjourney. А гонять рабочий процесс через три браузера, два кошелька и костыли с оплатой - это не работа, а квест на выживание.
Я перестал это терпеть, когда очередной клиент попросил пять вариантов обложки к утру, а оплата зарубежного сервиса зависла на сутки.
Сейчас пользуюсь роутером 3GPT от 3SELLER. Это доступ ко всем флагманским моделям нейросетей из России, без иностранных карт. Chat GPT 6 Astra, the model 5, the model 5.1, the model 5.5, Chat GPT 5.5, Chat GPT 6.1 Sol, Nano Banana для создания изображений, генерация видео и голоса. Всё в одном окне, вход от 149₽.

Пополнить баланс можно российской картой, через СБП или криптой. Никаких посредников и переписки с поддержкой на английском.
Как я строю работу в 3GPT
Логика простая: одна задача, одна модель, и переключаюсь я внутри одного интерфейса, а не между вкладками. Нужен фотореализм для карточки товара, иду в тяжёлую модель. Нужен постер, беру ту, что сильнее в эстетике. Нужно поправить готовый кадр, ту, что умеет точечные правки.
Отдельная фишка, которая экономит мне больше всего времени, это готовые ИИ-агенты под задачи: 3seller.com/ai/agents. Выбираете агента, начинаете общение, а модель меняете прямо в чате, не создавая новый диалог. Для контент-рутины удобнее, чем каждый раз собирать промпт с нуля и заново объяснять контекст.

Для картинок есть отдельный вход: 3seller.com/3gpt-image. Реалистичные фотографии, обработка существующих изображений, генерация с нуля. Мне нравится, что не надо держать в голове, какая модель отвечает за фотореализм, а какая за арт: выбираешь инструмент под результат, а не наоборот.


Плюс видео и озвучка в том же месте. Когда клиенту нужен не просто кадр, а десятисекундный ролик с этим кадром, не приходится искать отдельный сервис и отдельно платить за него.
Промпт решает больше, чем модель
Сколько раз видел, как человек сравнивает Flux и Midjourney, вбивая «красивая картинка с котом». Так вы сравниваете не модели, а свою фантазию. Рабочий промпт состоит из четырёх частей, и это работает в любой нейросети.
- Объект и действие: кто, что делает, в каком количестве.
- Свет и оптика: мягкий боковой свет, 50 мм, малая глубина резкости.
- Материал и фактура: матовая керамика, шершавый бетон, влажный асфальт.
- Кадр: ракурс, план, что в фокусе, что размыто.
Дальше добавляете то, что нужно именно вам: соотношение сторон, стиль, референс. И обязательно негативный промпт, если модель его поддерживает: без лишних пальцев, без текста, без водяных знаков. На Reddit в ветках про промпт-инжиниринг всплывает тот же вывод: негативка снимает процентов двадцать брака, а на сложных сценах и больше.
И да, каждая модель ломается по-своему. Qwen не берёт кириллицу, Kandinsky не знает западных персонажей, Flux требует строгости, DALL-E включает фильтры. Знание этих болячек экономит больше времени, чем перебор десяти сервисов подряд.
Мой рабочий ответ на вопрос «какая лучше»
Если нужен один универсальный совет: для фотореализма и текста на изображении берите Flux, для арта и постеров Midjourney, для бесплатных экспериментов Qwen и Kandinsky, для точечных правок DALL-E. Это не рейтинг мест, это распределение ролей. Модель, которая победила в чужом топе, может провалиться на вашей конкретной задаче.
А чтобы всё это не превращалось в логистику с картами и VPN, держите один вход: 3GPT, 149₽ на старте, российская карта, СБП или крипта. Возьмите свою реальную задачу и прогоните её там, прежде чем платить за четыре подписки. Сюрприз, скорее всего, будет приятным.