用过 Midjourney 和 Flux 的应该都知道，这类模型的通病是"听话"程度参差不齐——提示词写得很细，出来的图还是跑偏，空间关系错，多角色场景更是一塌糊涂。

最近试了个叫 Uni-1 的模型，底层逻辑和别的不太一样——它在生成之前会先做推理，把提示词拆解、分析空间约束、规划构图，然后再出图。实际体验下来，复杂场景的还原度确实比 Midjourney 强一截，多人物合照基本一次过。

另外支持上传最多 8 张参考图做身份锚定，风格迁移也比较稳，不会出那种"参考了但完全不像"的情况。支持 76+ 种风格，日系漫画、电影感、产品摄影都能跑。 Human Preference Elo 排名目前是 #1，比 GPT Image 和 Midjourney v6 都高。价格大概 $0.09/张（2048px），免费额度可以先试试效果。

这个方向——生成前先推理——比单纯堆模型参数更有意思，感兴趣的可以看看。 https://uni-1.me/