Midjourney 发布 V6

背景

Midjourney 是一个图像生成服务：用户用文字描述一张画面，服务返回图片。底层模型的每一个带编号的版本，决定了这个服务能画出什么、响应有多快，所以一次大版本更新，往往就是产品本身发生变化的主要方式。

发生了什么

2023 年 12 月 21 日，Midjourney 以 alpha 形式发布了 V6 ^[1]。alpha 这个标签意味着版本在被认为「定稿」之前就先交到用户手里，发布之后仍在继续调整。这不是在上一版模型上做的小修小补：V6 是从零开始、花了九个月训练出来的 ^[1]。

Midjourney 强调的改进是文字渲染——用 V6 生成的图片，画面里的文字比此前处理得更好 ^[1]。字母对图像模型来说是难例：每个字符都要占据准确的形状，还要与画面其余部分保持一致，而不是融进纹理里。因此，一个能把文字画得更可靠的模型，做的事情明显比画一片风景更难。

V6.1

2024 年 7 月 30 日，V6.1 跟进。它提升了连贯性（coherence）——也就是画面的内在一致性，让场景的各个部分彼此吻合而不是彼此漂移——并把标准任务的速度提高了约 25% ^[2]。

这次发布还加入了新的 2x 放大器（upscaler），也就是把图片放大到两倍尺寸的工具，以及一个 `--q 2` 模式 ^[3]。该模式运行时间多出 25%，有时能带来更多纹理 ^[3]。这两项设置的方向相反：一个是拿时间换质量的质量档，放大器则是图片生成之后单独施加的一步。V6.1 发布时被设为 Midjourney 上所有用户的默认模型，因此没有特意去选旧版本的人，用的就是它 ^[3]。

网站

2024 年 8 月，与 V6.1 同时，Midjourney 的网站界面上线 ^[1]。此前服务是通过其他途径访问的；网站为同一个模型提供了一个浏览器端入口，于是一次模型版本更新和一次「人们怎么找到这个模型」的变化同时到来。

为什么重要

这段过程里有两点值得注意。第一是从零训练、而不是继续微调上一版的决定。重新训练意味着能力不再受早先设计选择的限制，但也意味着要经历九个月这样的长周期才会有东西可发，这正是它先以 alpha 形式推出、而不是压着等一个完成版的原因 ^[1]。

第二是版本的交付方式。V6 在 2023 年 12 月到来；打磨过的 V6.1 在 2024 年 7 月到来，带着可度量的速度与连贯性提升、额外工具，以及默认模型的地位 ^[2][3]。把某个版本设为默认是一个安静但影响很大的动作：它决定了大多数人实际在用什么，而与发布说明怎么写无关。`--q 2` 模式是同一逻辑的缩小版——质量被摆成一个明确的、与时间相对的取舍，由用户决定一张图值得等多久 ^[3]。

放到产品的历史里看，这两个版本标记了一个节点：Midjourney 的模型先转向一次重建的生成能力，画面内文字更好；随后又转向一次更快、更一致的迭代，并且既通过模型本身、也通过一个网站交付给用户 ^[1][2]。