Midjourney 发布 V5

背景

Midjourney 是一项文生图（text-to-image）服务：用户用日常语言写一段提示词，系统返回与之匹配的图片。该服务以带编号的版本迭代，新版本先以 alpha 形式放出给用户使用。

发生了什么

2023 年 3 月 14 日，Midjourney 创始人 David Holz 表示第 5 版将在当周发布。这一消息是在一场最终打分活动之后公布的，该活动向所有付费用户开放，参与者在发布前对不同候选图像进行比较打分^[2]。随后，V5 于 2023 年 3 月 15 日以 alpha 形式发布^[1]。

有什么不同

据 The Decoder 报道，V5 alpha 的测试图默认分辨率为 1024 x 1024，高于此前的输出，覆盖的风格范围也更广^[2]。这两点恰好是用户最先感受到的：分辨率决定在不做放大的情况下文件里能保留多少细节，风格范围则决定一段提示词能把结果推离该服务早先那种固定观感多远。

一位 Midjourney 开发者用「忒修斯之船」（Ship of Theseus）来比喻这一版本。那是一个思想实验：船上的木板被一块块换掉，最后没有一块是最初的。按他的说法，V5 的每个组件都被替换过，但没有一个是从零开发的^[2]。这句话的意思大致是：变化分布在整套系统里，而不是集中在某一个新部件上。

小版本迭代

V5 之后是 2023 年 5 月 3 日的 V5.1 和 2023 年 6 月 22 日的 V5.2^[1]。V5.2 增加了美学系统（aesthetics system）和缩小（zoom-out）功能^[1]。美学系统把生成结果往某种偏好的观感上引导；缩小功能则把画面向原始画幅之外扩展，让第一次生成之后还能把场景放大来看。

同期情形

2023 年 3 月，一张由 Midjourney 生成的、教宗方济各身穿羽绒服的照片作为伪造图片在网上广泛传播^[1]。这件事与 V5 alpha 处于同一段时间，也正是这类案例让一次版本发布的细节对服务用户之外的人也变得重要：人们关心的与其说是模型能被要求画什么，不如说是一张生成图片离开制作者之后会怎样流传。

意义

一次版本发布，是实验室里的工作变成普通订阅用户手里工具的那个节点。V5 带来的是默认分辨率和风格覆盖面的明显提升，而开发者自己的说法把它描述为一次重建而非补丁^[2]。从这些后续版本的名字——一直到带美学系统和缩小功能的 V5.2——可以看出这条产品线当时是以小步方式维护的：每一步增加一项具体控制，而不是把模型整个换掉^[1]。