יסודות AI Image Generation — נוסחה אחת לכל מודל
ב-2026 אין יותר "המודל הנכון". יש שבעה מודלים מובילים, וכל אחד חזק במשהו אחר. במפגש הזה לומדים את השפה המשותפת: אנטומיית פרומפט בת 6 שכבות שעובדת בכל מודל, וטבלת תרגום שהופכת פרמטר של Midjourney לפרמטר המקביל ב-GPT Image 2, Nano Banana Pro, Flux.2 או Ideogram. שולטים בשפה — בוחרים את המודל לפי המשימה.
1 · נוף המודלים ב-2026 — איפה אנחנו עומדים
עד 2024, Midjourney שלטה. ב-2026, השוק מפוצל: 7 מודלים בולטים, כל אחד חזק במשהו אחר. החדשות הכי גדולות של 2026 הן GPT Image 2 של OpenAI (אפריל 2026 — שובר שיא בטקסט רב-לשוני כולל ערבית), Nano Banana Pro של גוגל (מרץ 2026 — חוצה את ה-character consistency), ו-Flux.2 של Black Forest Labs (נובמבר 2025 — open-weights באיכות פוטוריאליסטית).
- Midjourney v8.1 (4/26) — אסתטיקה ארטיסטית. עדיין מלך ה-mood boards.
- GPT Image 2 (OpenAI, 4/26) — היחיד שמייצר עברית/ערבית קריאה בתמונה.
- Nano Banana Pro (Google, Gemini 3 Pro Image) — multi-reference consistency. עוקף את MJ ב-character lock.
- Flux.2 (BFL, 11/25) — Pro (cloud) + Dev (open-weights, מריצים מקומי). פוטוריאליזם + ControlNet.
- Ideogram 3 — typography ולוגואים. שלטים, באנרים, כיתובים בלטינית.
- Leonardo Phoenix — fine-tune אישי + PBR textures ל-Rhino/Twinmotion.
- Imagen 4 (Google, Fast/Standard/Ultra) — stills זולים ב-API, prompt adherence הדוק.
במפגש 6 — השוואה מלאה, תמחור ועץ החלטות. כאן רק שמות.
שורה תחתונה לפי משימה אדריכלית: פוטוריאליזם הירואי → Nano Banana Pro או Flux.2 Pro. רנדר מתוכנית מדויקת → Flux.2 Dev + ControlNet. שלט בעברית בתמונה → GPT Image 2 (אין מתחרה). Mood board אטמוספרי → MJ v8.1. PBR textures → Leonardo Phoenix.
2 · אנטומיה של פרומפט אדריכלי — 6 שכבות שעובדות בכל מודל
פרומפט מקצועי בנוי תמיד מ-6 שכבות, בסדר הזה. הנוסחה זהה ב-Midjourney, GPT Image 2, Nano Banana Pro, Flux.2 או Imagen 4 — מה שמשתנה זה רק התחביר של הפרמטרים בשכבה השישית.
דוגמה — פרומפט שמיישם את כל השכבות:
שמות עצם קונקרטיים מנצחים שמות תואר. "brutalist concrete tower" עדיף תמיד על "amazing tall beautiful building". המודל מאומן על מאות אלפי תמונות מתויגות — תן לו תיוגים, לא רגשות.
3 · טבלת תרגום פרמטרים cross-model
פרמטרי Midjourney הם הסטנדרט שכולם מכירים — אבל מתחת לתחביר, כל מודל מודרני מציע את אותן הפעולות. הטבלה מתרגמת כל פרמטר MJ למקבילה ב-6 המודלים האחרים. שמרו אותה ליד התרגיל הראשון.
| כוונה | Midjourney v8.1 | GPT Image 2 | Nano Banana Pro | Flux.2 · Ideogram · Imagen 4 |
|---|---|---|---|---|
| Aspect Ratio יחס גובה–רוחב |
--ar 16:9 | size: "1792x1024" | aspectRatio: "16:9" | width/height (Flux) · --ar (Ideogram) · aspectRatio (Imagen) |
| Model version | --v 8.1 / niji 7 | model: "gpt-image-2" | gemini-3-pro-image | flux-2-pro / dev · v_3 · imagen-4-ultra |
| Stylization כמה "אומנותי" |
--s 0–1000 | "photorealistic / illustrated" בפרומפט | "photoreal / stylized" בפרומפט | guidance scale (Flux) · style code (Ideogram) |
| Quality / steps | --q 0.25–2 | quality: "high" | resolution: "2K / 4K" | num_steps (Flux Dev) · Fast/Std/Ultra (Imagen) |
| Chaos / variation | --chaos 0–100 | n: 4 (מבקש 4 וריאציות) | n: 4 + temperature | seed שונה (Flux) · "more variation" (Ideogram) |
| Negative prompt | --no people, text | "without people, no text" בפרומפט (חלש) | "avoid people" בפרומפט | negative_prompt: "..." (Flux native) · weak (Ideogram) |
| Seed שחזור |
--seed 12345 | לא נתמך ישירות | seed: 12345 | seed: 12345 (Flux, Imagen, Ideogram) |
| Style Reference "באותו סגנון" |
--sref <URL> --sw 100 | image input + "in the style of" | subject reference image ★ | reference_image (Flux) · style_reference (Ideogram) |
| Character / Object lock | --cref <URL> | conversational follow-up (חלש) | ★★ Multi-reference (3–5 תמונות) — הטוב בעולם | LoRA training (Flux Dev) · weak (Imagen, Ideogram) |
| Image-to-Image | --iw 0.5–2 | image_url + edit prompt ★ (conversational) | image input + edit prompt ★ | image + strength (Flux) · img2img (Ideogram) |
| Text in image שלטים, כיתובים |
חלש מאוד | ★★★ הטוב בעולם — כולל עברית/ערבית | ★★ מעולה לטיני | ★★ Ideogram לטיני · חלש (Flux, Imagen) |
| Raw / photo mode | --raw | "photorealistic, no stylization" בפרומפט | "photorealistic" + thinking mode | Flux.2 Pro פוטוריאליסטי ב-default |
שורה = מה רוצים לעשות. עמודות = איך עושים את זה בכל מודל. כשרואים פרומפט של MJ עם --ar 16:9 --sref URL --s 200, אפשר לתרגם אותו לכל מודל אחר — פשוט לחפש את אותה כוונה בעמודה המתאימה. ★ = המודל שמצטיין בפעולה הזו.
4 · חמישה סגנונות אדריכליים — תיוגים שעובדים בכל מודל
הסגנונות שלמטה הם "בלוקי בנייה" אגנוסטיים — אותם תיוגים עובדים ב-Midjourney, GPT Image 2, Nano Banana Pro, Flux.2, Ideogram ו-Imagen. אפשר לערבב ביניהם. כל שדה keywords הוא מילים שאפשר להעתיק ישר לכל פרומפט. הפרמטרים בסוף (אחרי --ar) הם תחביר MJ — לתרגם לפי הטבלה למעלה.
חמישה פרומפטים מוכנים — אחד לכל סגנון
- בחרי 5 סגנונות אדריכליים שונים (אפשר מהרשימה למעלה או אחרים).
- לכל אחד — כתבי פרומפט מלא לפי "נוסחת 6 השכבות" (Subject → Style → Composition → Lighting → Details → Parameters).
- הריצי כל פרומפט ב-Midjourney וקבלי 4 וריאציות.
- בחרי את הטובה ביותר, עשי לה Upscale.
- הגישי PDF עם 5 דימויים + הפרומפט שיצר כל אחד + שורת רפלקציה: מה למדתי על הפרומפט הזה?
טכניקות מתקדמות — Style, Consistency, Image-to-Image בכל מודל
ברגע ששולטים בפרומפט בסיסי, המעבר הבא הוא שליטה ב-DNA הסגנוני: לתת למודל תמונה ולומר "תייצר לי עוד תמונות באותו סגנון". במפגש הזה — שלוש הטכניקות שמפרידות בין מתחילים למקצוענים: Style Transfer, Character Consistency, Image-to-Image. לכל טכניקה מציגים את התחביר ב-MJ (הסטנדרט הכי מוכר), ואז את המקבילות בכל יתר המודלים — כי לפעמים Nano Banana Pro או Flux.2 יתנו תוצאה טובה יותר מ-MJ.
1 · Style Transfer — באותו סגנון, סובייקט אחר
Style Transfer לוקח את הסגנון של תמונת רפרנס — צבעים, חומרים, אווירה, סוג רנדר — ומפעיל אותו על הסובייקט החדש שכתבת בפרומפט. הסובייקט שלך משתנה, הסגנון נשאר. זו טכניקת הליבה לבניית שפה ויזואלית עקבית לפרויקט שלם.
- --sw (Style Weight) — כמה חזק להחיל את הסגנון. טווח 0–1000, ברירת מחדל 100. ל-50 הסגנון רך, ל-500+ אגרסיבי.
- --sref random מקבל קוד אקראי לסגנון שאפשר אחר־כך לקבע ולהשתמש שוב.
- אפשר לערבב כמה Style References:
--sref URL1 URL2— ה-MJ ימזג אותם.
איך עושים את זה במודלים אחרים
- Nano Banana Pro (★ הכי טוב ב-2026): מעלים את תמונת הרפרנס כ-subject reference, ובפרומפט כותבים "in the visual style of the reference image, but with [new subject]". יודע למשוך גם פלטה וגם material language בלי לחקות את הקומפוזיציה.
- GPT Image 2: מעלים את התמונה כ-image input ל-ChatGPT, ובפרומפט כותבים "Using the visual style of this image — colors, lighting, materials, mood — generate [new subject]". טוב לעריכה איטרטיבית בשיחה.
- Flux.2 Pro / Dev: API param בשם
reference_image+style_strength: 0.6. ב-Dev אפשר גם לאמן LoRA אישי על 15-20 רפרנסים ולקבל "סגנון הסטודיו שלך". - Ideogram 3: בלחיצה על "Style Reference" מעלים תמונה. --sw equivalent = סליידר "Style strength" באתר.
- Imagen 4: חלש יחסית בזה — אין reference image native. עוקפים עם פרומפט מילולי מפורט ("in the style of brutalist architecture photography, harsh shadows, raw concrete texture").
- Leonardo Phoenix: מאמנים Custom Model על 10-20 תמונות והופך לבסיס שכל פרומפט נעמד עליו.
2 · Character / Object Consistency — אותו בניין, זוויות שונות
Character / Object Consistency שומר על דמות, אובייקט או אותו בניין ספציפי עקבי בין דימויים שונים. באדריכלות זה זהב: רוצים להציג ללקוח את אותו בית — מבט עין, מבט ציפור, יום, לילה, חורף, קיץ — וכל הזוויות יראו אותו בניין ולא וריאציות אקראיות.
עד 2025, --cref של Midjourney היה הטוב בעולם. ב-2026, Nano Banana Pro של גוגל קפצה קדימה: היא מקבלת עד 5 תמונות רפרנס של אותו אובייקט (זוויות שונות), ושומרת על עקביות גיאומטרית ברמה שאף מודל אחר לא מתקרב אליה. זה השינוי האדריכלי החשוב ביותר של 2026.
--cw (Character Weight): 0 = שומר רק על קווי המתאר העיקריים · 100 = שומר על כל הפרטים · 200 דבק לרפרנס.
איך עושים את זה במודלים אחרים
- Nano Banana Pro (★★ אלוף 2026): מעלים 3–5 תמונות רפרנס של אותו בניין מזוויות שונות. בפרומפט כותבים "the same building from the references, now shown [new angle / new time of day]". איכות העקביות חוצה את כל המתחרים — כולל MJ.
- GPT Image 2: עובד בשיחה — מעלים תמונה ראשונה, מקבלים תוצאה, ואז כותבים "now show the same building from a different angle". ה-context של ChatGPT שומר על העקביות. חלש בהשוואה ל-Nano Banana כשעוברים יותר מ-3 תמונות.
- Flux.2 Dev + LoRA: הפתרון המקצועי-קצוות. מאמנים LoRA על 20-30 תמונות של הבניין → מקבלים מודל אישי שיודע "מי" הבניין הזה. עלות חד-פעמית של GPU, יציב כמו סלע.
- Leonardo Phoenix: כמו Flux Dev, רק שה-fine-tuning מנוהל ב-UI ולא דורש שורת פקודה. נוח להנדסאי אדריכלות בלי backend.
- Ideogram 3, Imagen 4: חלשים ב-consistency. לא להשתמש בהם למשימות מרובות-זוויות.
3 · Image-to-Image — מסקיצה ביד לרנדר פוטוריאליסטי
טכניקה שלישית: מצרפים תמונת רפרנס לתחילת הפרומפט, והמודל משתמש בה גם לסגנון וגם לקומפוזיציה. בניגוד ל-Style Reference ש"גוזל" רק את הסגנון, כאן גם הקומפוזיציה נשמרת. שימוש קלאסי להנדסאי אדריכלות: סקיצה ביד → רנדר פוטוריאליסטי, או תוכנית חזית → דימוי תלת-ממדי.
--iw: טווח 0–3. ברירת מחדל 1. 0.25 — השפעה רכה, 3 — כמעט זהה לרפרנס.
איך עושים את זה במודלים אחרים
- GPT Image 2 (★ הכי פשוט): גוררים את הסקיצה לתוך שיחת ChatGPT וכותבים "Transform this sketch into a photorealistic render, golden hour lighting, brutalist concrete materials". איטרציה במשפט אחד.
- Nano Banana Pro: image input + edit prompt. שומר על geometry של הסקיצה ומשנה רק חומריות/תאורה. אידיאלי לחזיתות אדריכליות מדויקות.
- Flux.2 Pro / Dev: API param
image+strength: 0.3–0.9. ערך נמוך = שומר על הסקיצה, ערך גבוה = "משחרר" את הקומפוזיציה. הכי מדויק מבחינה גיאומטרית. - Ideogram 3, Imagen 4: image-to-image בסיסי. עובד טוב לאיטרציה רכה, פחות טוב לסקיצה → רנדר.
- Leonardo Phoenix: סליידר "Init Strength" בממשק — כלי ויזואלי במקום API. מצוין למתחילים שמעדיפים UI על קוד.
למשימה הקלאסית של "תוכנית חזית מ-AutoCAD → רנדר", עברו ל-ControlNet במפגש 6 — הוא הרבה יותר מדויק מ-image-to-image רגיל.
4 · Mood Board של פרויקט שלם — זרימת עבודה
זו הזרימה שהנדסאי אדריכלות מקצועי משתמש בה כדי לבנות שפה ויזואלית לפרויקט שלם, לא דימוי בודד:
בשלב Style Lock אל תבחרו רפרנס יחיד — בחרו שניים שמשלימים זה את זה: אחד למסת הבניין (ארכיטקטוני) ואחד לאווירה (תאורה/אטמוספירה). למשל: רפרנס בנייני בטון + רפרנס שקיעה מעל הים. ב-MJ משלבים את שניהם ב---sref URL1 URL2. ב-Nano Banana Pro מעלים את שניהם כ-subject references. ב-Flux משתמשים ב-reference_images: [url1, url2].
5 · בנקי דימויים — 30 רפרנסים השראה להנדסאי אדריכלות
אלה המקורות שכל הנדסאית אדריכלות צריכה לסמן כסימניות. כולם חינמיים לצפייה ולשימוש כרפרנסים (תמיד לבדוק רישיון לפני שימוש מסחרי בתמונה עצמה).
- בחרי פרויקט אדריכלי דמיוני (למשל: "בית קפה בוטיק ביפו העתיקה" / "מרכז קהילתי בנהריה" / "מלון בוטיק בגליל").
- אספי 2 רפרנסים — אחד למסה ארכיטקטונית, אחד לאווירה.
- צרי 8 דימויים באותו --sref: חזית, כניסה, פנים מבט עליון, פנים מבט עין, פרט חומרי, סביבה לילית, סביבה יומית, זווית דרון.
- סדרי את ה-8 ל-Mood Board אחד ב-Figma או PowerPoint עם כותרת + תיאור קצר של הזהות הויזואלית.
- הגישו PDF + צרפו את ה-Prompt + style anchor (URL רפרנס / קוד --sref / image input).
- בונוס: צרו את אותו Mood Board במודל אחר (Nano Banana Pro / Flux / GPT Image 2) והשוו את התוצאות. איזה מודל נתן את העקביות הסגנונית הטובה ביותר?
אקוסיסטם המודלים — 7 כלים, ControlNet, ועץ החלטות 2026
ב-2026 השוק מפוצל ל-7 מודלים מובילים. כל אחד שובר שיא במשהו אחר: GPT Image 2 בטקסט רב-לשוני, Nano Banana Pro ב-character consistency, Flux.2 בפוטוריאליזם open-weights + ControlNet, MJ v8.1 באסתטיקה. ההבדל הגדול ביותר להנדסאי אדריכלות: ControlNet — היכולת לקחת תוכנית/סקיצה מ-AutoCAD ולחייב את ה-AI לכבד אותה בדיוק. מעודכן 25/5/2026.
1 · השוואת 7 המודלים המובילים — מאי 2026
| קריטריון | MJ v8.1 | GPT Image 2 | Nano Banana Pro | Flux.2 Pro/Dev | Ideogram 3 | Leonardo Phoenix | Imagen 4 |
|---|---|---|---|---|---|---|---|
| איכות פוטוריאליסטית | ●●●●● | ●●●●○ | ●●●●● | ●●●●● | ●●●○○ | ●●●●○ | ●●●●○ |
| אסתטיקה ארטיסטית | ●●●●● | ●●●○○ | ●●●●○ | ●●●●○ | ●●●○○ | ●●●●○ | ●●●○○ |
| Character / Object consistency | ●●●○○ | ●●●○○ | ●●●●● ★ | ●●●●○ (LoRA) | ●●○○○ | ●●●●○ | ●●●○○ |
| טקסט בתמונה (לטיני) | ●●○○○ | ●●●●● ★ | ●●●●○ | ●●●○○ | ●●●●● | ●●●○○ | ●●●●○ |
| טקסט עברי / ערבי | לא קריא | ★ קריא | חלקי | לא קריא | לא קריא | לא קריא | לא קריא |
| תמיכה ב-ControlNet / שליטה מדויקת | אין | אין | חלקי | ★ מלא (Dev) | אין | חלקי | אין |
| Image-to-Image | --iw | conversational ★ | native ★ | strength param | בסיסי | init strength | בסיסי |
| Open weights · מקומי | לא | לא | לא | ★ Dev — כן | לא | לא | לא |
| תמחור התחלתי (חודשי) | $10 | $20 (ChatGPT Plus) | חינם limited + API | חינם (Dev) / $0.03/MP (Pro) | חינם / $7 | חינם / $12 | $0.02/img (Fast) |
| סופר-כוח להנדסאי אדריכלות | Mood board אטמוספרי | שלטים בעברית | אותו בניין × N זוויות | תוכנית → רנדר מדויק | שילוט/לוגואים לטיניים | PBR textures ל-Rhino | Bulk hero stills זול |
בקצרה — מי לוקח את הפודיום ב-2026
2 · ControlNet — כלי הזהב להנדסאי אדריכלות
ControlNet היא הרחבה שמאפשרת לתת תמונת בקרה נוספת בנוסף לפרומפט. ה-AI מחויב לכבד את המבנה של תמונת הבקרה — בעוד הפרומפט הטקסטואלי קובע איך הוא נראה. זה השינוי האדריכלי החשוב ביותר ב-AI: היחיד שמייצר רנדר שבאמת מכבד את התוכנית שיצאה מ-AutoCAD/Revit. נכון ל-2026, ControlNet עובד על Flux.2 Dev (open-weights), Stable Diffusion 3.5, וכלים שבנויים מעליהם (Veras, Foyr Neo, Architect AI). MJ, GPT Image 2, Imagen 4 — לא תומכים.
- Veras 4.0 (veras.ai) — plugin ל-SketchUp/Revit/Rhino. גוררים תוכנית, מקבלים רנדר. רץ עתה על Nano Banana 2 + Flux.2 לרנדר משופר.
- Foyr Neo — sketch-to-photoreal לפנים, מתמחה ביישוב צבעוני של חללים.
- Architect AI (architect.ai) — מקבל floor plan PDF ומחזיר axonometric isometric + פרספקטיבה.
תרגיל קלאסי: תוכנית קומה → ויזואליזציה
3 · תמחור 2026 · 7 מודלים עיקריים + 3 כלים משלימים
מחירים נכון למאי 2026. ה-7 הראשונים הם המודלים הראשיים מהמפגש — האחרונים כלים משלימים שמתחברים מעל.
| כלי | קטגוריה | חינם? | תחיל ב- | הערות 2026 |
|---|---|---|---|---|
| Midjourney v8.1 | Image · MJ | לא | $10/חודש | Basic 200 דימויים · Standard $30 · Pro $60 · Mega $120 |
| GPT Image 2 | Image · OpenAI | חלקי | $20/חודש | ChatGPT Plus (~50 imgs/3h) · API $0.005-0.21/img |
| Nano Banana Pro | Image · Google | כן · limited | Gemini app חינם / API per-image | Gemini 3 Pro Image · Vertex AI לעסקי |
| Flux.2 Pro | Image · BFL · cloud | לא | $0.03/MP API | 1024² ≈ $0.030/img · Credits 2-12 |
| Flux.2 Dev | Image · BFL · open weights | כן · GPU שלך | חינם | 32B params · נדרש GPU 16GB+ · LoRA training |
| Ideogram 3 | Image · Typography | כן · 10/יום | $7/חודש Basic | Plus $15 · Pro $42 · API $0.03 turbo / $0.09 quality |
| Leonardo Phoenix | Image · Custom train | כן · 150/יום | $12/חודש Apprentice | Artisan $30 · Maestro $60 · PBR textures · custom models |
| Imagen 4 | Image · Google API | API only | $0.02/img Fast | Standard $0.04 · Ultra $0.06 · prompt adherence הדוק |
| Veras 4.0 | Plugin · Architecture | trial | $24/חודש | SketchUp/Revit/Rhino plugin · רץ על Nano Banana 2 + Flux |
| Magnific | Upscaler | לא | $39/חודש | Upscale ברמת התמכרות · 4K-8K |
| Topaz Gigapixel | Upscaler · desktop | לא | $99 חד־פעמי | תוכנה מקומית · קנייה אחת לכל החיים |
חינמי-יומיומי: Gemini app (Nano Banana Pro) + Ideogram 3 free + Leonardo free + Flux.2 Dev מקומי (אם יש GPU 16GB+). תשלום חודשי קטן: MJ Basic ($10) למוד boards + ChatGPT Plus ($20) ל-GPT Image 2 לטקסט עברי. סה"כ ~$30/חודש לכיסוי כל המשימות.
4 · עץ ההחלטות 2026 · באיזה מודל להשתמש מתי
השאלה הראשונה שיש לשאול: מה המשימה? השאלה השנייה: איזה תקציב? הטבלה למטה מקצרת את שתי השאלות לתשובה.
- רוצים רנדר אטמוספרי לפיץ' ללקוח? ← Midjourney v8.1 (ארטיסטיקה הכי טובה) או Nano Banana Pro (פוטוריאליזם הירואי).
- צריכים לרנדר תוכנית אדריכלית מדויקת מ-AutoCAD? ← Flux.2 Dev + ControlNet · MLSD (open-weights, מקומי) או הפלאגין Veras 4.0 ל-SketchUp/Revit.
- צריכים שלט / כיתוב בעברית בתוך התמונה? ← GPT Image 2. אין מתחרה ב-2026 לטקסט עברי וערבי.
- צריכים שילוט / לוגו / title-block בלטינית? ← Ideogram 3 (טיפוגרפיה מקצועית) או GPT Image 2.
- אותו בניין מ-N זוויות שונות / חורף-קיץ / יום-לילה? ← Nano Banana Pro multi-reference. ניצחון של 2026.
- PBR textures לחומרים ב-Rhino / Twinmotion? ← Leonardo Phoenix + Texture Generator.
- 50 hero stills לפורטפוליו, תקציב הדוק? ← Imagen 4 Fast ב-$0.02 לתמונה.
- אימון סגנון אישי / "DNA של הסטודיו"? ← Flux.2 Dev + LoRA (חינם, GPU שלך) או Leonardo Custom Model ($30/חודש, בלי קוד).
- צריכים להגדיל רנדר ל-A2 בהדפסה? ← Magnific או Topaz Gigapixel.
- אין תקציב בכלל? ← Gemini app (Nano Banana Pro חינם limited) + Ideogram 3 (10/יום) + Leonardo (150/יום) + Flux.2 Dev מקומי אם יש GPU 16GB+.
- בחרו תוכנית קומה או חזית בניין שיצרתם לפרויקט באולפן (מ-AutoCAD/Revit/SketchUp).
- ייצאו אותה כתמונה PNG ברקע לבן.
- הריצו את אותו הפרומפט ב-4 מודלים לפחות מתוך ה-7: MJ v8.1, GPT Image 2, Nano Banana Pro, Flux.2 (Pro או Dev), Ideogram 3, Leonardo Phoenix, Imagen 4.
- לאחד מהם — הריצו עם ControlNet · MLSD דרך Flux.2 Dev או Veras 4.0.
- הגישו לוח השוואה: דימוי לכל מודל + ניתוח: מי שמר על התוכנית הכי טוב? איפה התקבל הדימוי הכי יפה? איזה מודל היה הכי קל לשימוש? כמה זה עלה?
- סיכום: באיזה מודל תבחרו לפרויקט הבא ולמה. ציינו לפחות 3 משימות שונות (mood board / רנדר מדויק / שלט) — איזה מודל לכל אחת.