تا همین دو سال پیش، اگر کسی می‌پرسید «بهترین هوش مصنوعی تولید تصویر کدام است؟» جواب تقریباً همیشه Midjourney بود. امروز ده‌ها مدل داریم که هر کدام ادعا می‌کنند بهترین‌اند: از مدل‌های تصویر OpenAI و Nano Banana گوگل گرفته تا مدل‌های تازهٔ مایکروسافت، متا و مدل‌های وزن باز مثل FLUX و Qwen-Image.
مشکل این است که «زیبا بودن» سلیقه‌ای است و تبلیغات هم کمکی نمی‌کند. برای همین در این مقاله رتبه‌بندی را بر اساس داده‌ای مستقل انجام داده‌ایم: آرنای تصویر Artificial Analysis که در آن کاربران بدون دانستن نام مدل‌ها، بین دو تصویر بهتر را انتخاب می‌کنند. کنار کیفیت، قیمت، توانایی نوشتن متن داخل تصویر و ویرایش عکس را هم مقایسه کرده‌ایم تا بدانید برای کار خودتان کدام را انتخاب کنید. اگر با این سایت آشنا نیستید، راهنمای Artificial Analysis را بخوانید.
آخرین به‌روزرسانی: ۶ آبان ۱۴۰۵ — امتیازها و قیمت‌ها از آرنای تصویر Artificial Analysis در همین تاریخ برداشته شده‌اند و با اضافه شدن رأی‌ها و مدل‌های تازه تغییر می‌کنند.
⚡ پاسخ کوتاه
در آرنای متن به تصویر Artificial Analysis (نسخهٔ v2.1)، GPT Image 2.5 Sunburst از OpenAI با امتیاز Elo برابر ۱۲۲۲ در صدر است و بعد از آن GPT Image 2.5 Flare (۱۲۰۷) و GPT Image 2 (۱۱۸۶) قرار دارند. Nano Banana 2.1 گوگل با ۱۱۷۶ امتیاز و قیمت حدود ۳۳.۶ دلار برای هزار تصویر، بهترین تعادل کیفیت و قیمت را دارد. ارزان‌ترین گزینه‌های خوب Muse Image متا (۱۰ دلار) و FLUX 3 Image Klein (۹ دلار، وزن باز) هستند. Midjourney در این آرنا حضور ندارد، اما نسخهٔ V8.2 آن هنوز برای سبک هنری محبوب است.
📑 فهرست مطالب
جدول زیر ۱۵ مدل برتر لیدربورد متن به تصویر را نشان می‌دهد. امتیاز Elo یعنی هر چه عدد بالاتر باشد، کاربران در مقایسه‌های کور بیشتر آن مدل را ترجیح داده‌اند. قیمت برای ساخت ۱۰۰۰ تصویر ۱۰۲۴×۱۰۲۴ با تنظیمات پیش‌فرض API است.
| رتبه | مدل | سازنده | امتیاز Elo | قیمت ۱۰۰۰ تصویر | انتشار |
|---|---|---|---|---|---|
| ۱ | GPT Image 2.5 Sunburst (max) | OpenAI | ۱۲۲۲ | ۲۱۰.۷ دلار | سپتامبر ۲۰۲۶ |
| ۲ | GPT Image 2.5 Flare (max) | OpenAI | ۱۲۰۷ | ۲۱۰.۷ دلار | سپتامبر ۲۰۲۶ |
| ۳ | GPT Image 2 (high) | OpenAI | ۱۱۸۶ | ۲۱۱ دلار | آوریل ۲۰۲۶ |
| ۴ | Nano Banana 2.1 | ۱۱۷۶ | ۳۳.۶ دلار | اکتبر ۲۰۲۶ | |
| ۵ | MAI-Image-2.6 | Microsoft AI | ۱۱۶۶ | ۳۸.۹ دلار | اوت ۲۰۲۶ |
| ۶ | Grok Imagine Image 2.0 | SpaceXAI | ۱۱۶۶ | ۶۰ دلار | ژوئیه ۲۰۲۶ |
| ۷ | Nano Banana 2 (Gemini 3.1 Flash Image) | ۱۱۴۰ | ۶۷ دلار | فوریه ۲۰۲۶ | |
| ۸ | Muse Image | Meta | ۱۱۲۷ | ۱۰ دلار | ژوئیه ۲۰۲۶ |
| ۹ | GPT Image 1.5 (high) | OpenAI | ۱۱۲۳ | ۱۳۳ دلار | دسامبر ۲۰۲۵ |
| ۱۰ | MAI-Image-2.6-Flash | Microsoft AI | ۱۱۱۹ | ۱۹.۵ دلار | سپتامبر ۲۰۲۶ |
| ۱۱ | Nano Banana Pro | ۱۱۱۸ | ۱۳۴ دلار | نوامبر ۲۰۲۵ | |
| ۱۲ | MAI-Image-2.5 | Microsoft AI | ۱۱۱۸ | ۴۸.۱ دلار | ژوئن ۲۰۲۶ |
| ۱۳ | FLUX 3 Image | Black Forest Labs | ۱۱۱۷ | ۴۸ دلار | اکتبر ۲۰۲۶ |
| ۱۶ | Seedream 5.0 Pro | ByteDance | ۱۱۰۰ | ۹۰ دلار | ژوئیه ۲۰۲۶ |
| ۱۷ | Qwen-Image-3.0-Pro | Alibaba | ۱۰۹۵ | ۴۰ دلار | ژوئیه ۲۰۲۶ |
دو نکته را در خواندن این جدول در نظر داشته باشید. اول، اختلاف چند امتیازی بین دو مدل معنادار نیست؛ Artificial Analysis برای هر مدل یک «بازهٔ رتبه» هم نشان می‌دهد و مثلاً MAI-Image-2.6 و Grok Imagine Image 2.0 هر دو در بازهٔ رتبهٔ ۴ تا ۶ هستند. دوم، این رتبه‌بندی سلیقهٔ میانگین کاربران است، نه لزوماً سلیقهٔ شما.
روش کار شبیه رتبه‌بندی Elo در LMArena است: یک پرامپت به دو مدل ناشناس داده می‌شود و ارزیاب، تصویر بهتر را انتخاب می‌کند. از مجموع این مقایسه‌های دوبه‌دو، امتیاز Elo هر مدل محاسبه می‌شود؛ همان سیستمی که در شطرنج استفاده می‌شود. Artificial Analysis می‌گوید رتبه‌بندی بر اساس رأی ارزیاب‌های خصوصیِ تأییدشده انجام می‌شود تا رأی‌های اسپم یا جهت‌دار وارد نشوند. هر مدل در جدول هزاران رأی دارد؛ مثلاً GPT Image 2.5 Sunburst بیش از ۱۳ هزار نمونهٔ مقایسه دارد.
مدل‌های تصویر OpenAI سه رتبهٔ اول جدول را گرفته‌اند. GPT Image 2.5 در سپتامبر ۲۰۲۶ با دو نسخه به نام‌های Sunburst و Flare منتشر شد و هر دو در بالاترین تنظیم کیفیت (max) سنجیده شده‌اند. نقطهٔ ضعف اصلی، قیمت است: حدود ۲۱۰ دلار برای هزار تصویر، یعنی بیش از ۶ برابر Nano Banana 2.1. نسخهٔ قبلی، GPT Image 2، هنوز در دستهٔ «نوشتن متن داخل تصویر» رتبهٔ اول را دارد که پایین‌تر توضیح می‌دهیم.
Nano Banana نام خانوادهٔ مدل‌های تصویر گوگل در Gemini است. نسخهٔ ۲.۱ که اکتبر ۲۰۲۶ منتشر شد، با ۱۱۷۶ امتیاز فقط ۴۶ امتیاز از صدرنشین عقب‌تر است، اما قیمتش حدود ۳۳.۶ دلار برای هزار تصویر است. جالب اینکه از Nano Banana Pro (۱۱۱۸ امتیاز و ۱۳۴ دلار) هم بالاتر و ارزان‌تر است. اگر می‌خواهید فقط یک مدل را امتحان کنید، این گزینهٔ منطقی است.
مایکروسافت با خانوادهٔ MAI-Image چهار مدل در بین ۱۵ مدل اول دارد. MAI-Image-2.6 با ۱۱۶۶ امتیاز رتبهٔ پنجم را دارد و نسخهٔ سبک‌تر آن، MAI-Image-2.6-Flash، با ۱۹.۵ دلار برای هزار تصویر یکی از ارزان‌ترین مدل‌های بالای جدول است. در ویرایش تصویر هم MAI-Image-2.7-Preview رتبهٔ دوم را دارد.
مدل تصویر Grok با ۱۱۶۶ امتیاز هم‌امتیاز MAI-Image-2.6 است و در نوشتن متن داخل تصویر رتبهٔ چهارم را دارد. قیمت آن ۶۰ دلار برای هزار تصویر است. اگر با خود Grok آشنا نیستید، مقالهٔ آشنایی با هوش مصنوعی Grok را ببینید.
مدل تصویر متا با ۱۱۲۷ امتیاز رتبهٔ هشتم را دارد، اما قیمتش فقط ۱۰ دلار برای هزار تصویر است. یعنی تقریباً با یک‌بیستم هزینهٔ GPT Image 2.5 به کیفیتی نزدیک به GPT Image 1.5 می‌رسید. برای تولید انبوه تصویر (مثلاً برای فروشگاه یا شبکه‌های اجتماعی) گزینهٔ جذابی است.
FLUX 3 Image از Black Forest Labs با ۱۱۱۷ امتیاز در رتبهٔ ۱۳ است. اما برای کسانی که می‌خواهند مدل را روی سرور یا کامپیوتر خودشان اجرا کنند، مدل‌های وزن باز مهم‌ترند. در آرنا بهترین مدل‌های وزن باز FLUX 3 Image Klein (۱۰۴۳ امتیاز، ۹ دلار برای هزار تصویر از طریق API)، Qwen-Image-2.1 از علی‌بابا (۱۰۴۲) و Fibo 2.0 از Bria (۱۰۳۹) هستند. فاصلهٔ آن‌ها با صدرنشین حدود ۱۸۰ امتیاز است؛ یعنی هنوز عقب‌اند، اما رایگان و قابل شخصی‌سازی‌اند. دربارهٔ مدل‌های وزن باز زبانی هم در مقالهٔ بهترین مدل‌های متن‌باز نوشته‌ایم.
Midjourney در لیدربورد Artificial Analysis حضور ندارد؛ پس برای مقایسهٔ آن داده‌ای مستقل از این آرنا نداریم. طبق اطلاعیهٔ رسمی، نسخهٔ V8.2 در ۲۴ ژوئیهٔ ۲۰۲۶ منتشر شد و تمرکزش روی زیبایی‌شناسی، کیفیت تصویر و شخصی‌سازی سبک است. در اوت ۲۰۲۶ هم «مدل ویرایش» V8 اضافه شد که ویرایش با دستور متنی، استفاده از حداکثر ۴ تصویر مرجع، inpainting و outpainting را پشتیبانی می‌کند. برای آشنایی بیشتر، مقالهٔ هوش مصنوعی Midjourney را بخوانید.
اختلاف قیمت بین مدل‌ها بیش از ۲۰ برابر است. اگر کیفیت را بر قیمت تقسیم کنیم، سه گروه داریم:
توجه کنید که این قیمت‌ها برای API و تنظیمات پیش‌فرض است. وقتی از اپ‌هایی مثل ChatGPT یا Gemini استفاده می‌کنید، هزینه در اشتراک ماهانه حساب می‌شود و محدودیت تعداد دارد.
یکی از قدیمی‌ترین ضعف‌های هوش مصنوعی تصویر، نوشتن متن بود: حروف درهم و کلمات بی‌معنی. حالا آرنا یک دستهٔ جداگانه برای «Text Rendering» دارد و نتیجه‌اش کمی با رتبه‌بندی کلی فرق می‌کند: GPT Image 2 (high) با ۱۲۲۳ امتیاز اول است، بعد GPT Image 2.5 Sunburst (۱۱۹۱)، Flare (۱۱۹۰)، Grok Imagine Image 2.0 (۱۱۷۷) و Nano Banana 2.1 (۱۱۶۷).
در آرنای جداگانهٔ ویرایش تصویر (AA-Image-Editing v2.1) که مدل باید عکس موجود را طبق دستور تغییر دهد، GPT Image 2.5 Sunburst با ۱۱۹۹ اول است و MAI-Image-2.7-Preview با ۱۱۹۳ نزدیک به آن. بهترین مدل‌های وزن باز ویرایش، Fibo 2.0 (۱۰۸۸)، Qwen-Image-2.1 (۱۰۸۱) و FLUX 3 Image Klein (۱۰۷۲) هستند.
همهٔ مدل‌های بالا از طریق API پولی هستند، اما بعضی از آن‌ها در اپ‌های سازنده با محدودیت، رایگان قابل استفاده‌اند. اگر فقط چند تصویر در روز لازم دارید، معمولاً نیازی به خرید ندارید. فهرست کامل ابزارهای رایگان را در مقالهٔ بهترین هوش مصنوعی رایگان ساخت تصویر آورده‌ایم. ابزارهایی مثل Leonardo هم پلن رایگان دارند؛ آشنایی با Leonardo AI را ببینید.
| نیاز شما | پیشنهاد | چرا؟ |
|---|---|---|
| بالاترین کیفیت ممکن | GPT Image 2.5 Sunburst | رتبهٔ اول آرنای کلی و ویرایش |
| پوستر، بنر و تصویر با متن | GPT Image 2 یا Grok Imagine Image 2.0 | بالاترین امتیازها در دستهٔ Text Rendering |
| کیفیت بالا با بودجهٔ محدود | Nano Banana 2.1 | رتبهٔ ۴ با قیمت حدود ۳۳.۶ دلار |
| تولید انبوه و ارزان | Muse Image یا MAI-Image-2.6-Flash | ۱۰ تا ۱۹.۵ دلار برای هزار تصویر |
| سبک هنری و زیبایی‌شناسی خاص | Midjourney V8.2 | شخصی‌سازی سبک و کیفیت هنری |
| اجرا روی سرور خودتان | FLUX 3 Image Klein یا Qwen-Image | بهترین مدل‌های وزن باز آرنا |
چند نکتهٔ عملی برای گرفتن نتیجهٔ بهتر از هر مدلی:
اگر علاوه بر تصویر به ویدیو هم نیاز دارید، ابزارهایی مثل Runway هر دو را پوشش می‌دهند. برای دیدن بهترین ابزار هوش مصنوعی در کارهای دیگر هم مقالهٔ بهترین هوش مصنوعی برای هر کار را بخوانید.
طبق آرنای متن به تصویر Artificial Analysis در آبان ۱۴۰۵، GPT Image 2.5 Sunburst از OpenAI با امتیاز ۱۲۲۲ اول است. Nano Banana 2.1 گوگل با ۱۱۷۶ امتیاز بهترین تعادل کیفیت و قیمت را دارد.
در API، FLUX 3 Image Klein با ۹ دلار و Muse Image متا با ۱۰ دلار برای هزار تصویر ارزان‌ترین‌ها هستند. Muse Image با ۱۱۲۷ امتیاز کیفیت بسیار بالاتری از قیمتش دارد.
خیر، Midjourney در لیدربورد Artificial Analysis حضور ندارد. نسخهٔ فعلی پیش‌فرض Midjourney، V8.2 است که ۲۴ ژوئیهٔ ۲۰۲۶ منتشر شد.
در دستهٔ Text Rendering آرنا، GPT Image 2 (high) با ۱۲۲۳ امتیاز اول است و بعد از آن GPT Image 2.5 Sunburst و Flare، Grok Imagine Image 2.0 و Nano Banana 2.1 قرار دارند. برای متن فارسی همیشه خروجی را چک کنید.
در آرنای Artificial Analysis، FLUX 3 Image Klein با ۱۰۴۳ امتیاز، Qwen-Image-2.1 با ۱۰۴۲ و Fibo 2.0 با ۱۰۳۹ بهترین مدل‌های وزن باز هستند.
تا همین چند وقت پیش، استفاده از هوش مصنوعی روی گوشی یعنی ارسال پیام به یک سرور دوردست و منتظر …
سالها بنچمارکهایی مثل MMLU معیار اصلی سنجش هوش مدل‌های زبانی بودند. اما مدل‌ها آنقدر پیشرفت کردند که دقتشان در این …
ساخت ویدیو با هوش مصنوعی در یک سال اخیر از «چند ثانیه تصویر لرزان» به ویدیوهایی با صدا، دیالوگ و …
وقتی دربارهٔ هوش مصنوعی حرف میزنیم، معمولاً فقط به «باهوشترین» مدل فکر میکنیم. اما اگر یک چتبات پشتیبانی، دستیار صوتی …
نظرات 0
برای ارسال نظر وارد حساب کاربری شوید.
هنوز نظری ثبت نشده؛ اولین نفر باشید.