图像模型发展趋势 - 图像模型正从创意工具向信息查询工具转变，类似于LLM的发展路径[4][11] - 未来模型将更主动、更智能，能根据用户问题灵活运用文本、图像等多模态交互[4][11] - 所有团队都在朝通用模型（Omni Models）方向发展，即能处理多种任务的模型[6][40] 技术突破方向 - 关键进步将体现在模型的可表达性方面，重点是提升能力下限而非上限[6][33] - 现在最好的图像质量与几年后相差不大，但最差的图像质量将显著改善[6][33] - 图像与视频模型技术共享紧密，未来可能融合在一起[40][41] 产品应用场景 - 角色一致性功能成为用户最感兴趣的功能之一，允许用户将自己形象置于不同场景[8][9] - 用户最高频需求包括更高分辨率（目前为1K）、透明背景和更好的文字渲染效果[9] - 图像模型在专业工作流中应用广泛，包括建筑设计、视频制作和网站UI生成[24][25][28] 交互设计挑战 - 多模态交互核心在于识别用户意图，根据实际任务切换不同交互模式[4][19] - 界面设计需明确问题边界，让用户清楚哪些操作可行[5][20] - 当前UI设计被低估，需要整合各种模态让普通人更容易使用模型[4][18] 模型评估方法 - 真实用户主动测试是最佳评估方式，如LM Arena平台让用户输入自己的Prompt使用模型[21] - 形成反馈循环，利用语言模型的智能来评估自己生成的内容[21] - 团队通过多渠道收集用户反馈，调整评估标准确保好用功能不退化[22] 个性化与美学需求 - 美学需求难以满足，需要深度个性化才能提供有用建议[6][26] - 个性化更多停留在Prompt层面，通过对话和上下文实现而非专属模型[26][27] - 现成模型支持的使用场景范围广泛，但高级功能需求需要结合其他工具[28] 行业竞争格局 - Midjourney成功关键在于比其他团队更早搞清楚如何进行模型的后续训练[6][31] - 小团队仍有可能做出顶尖模型，但有能力训练LLMs的团队可能占据主导地位[6][43] - 图像和视频领域存在良性竞争，推动整个行业快速发展[30] 工作流整合 - 传统工具和AI模型将长期共存，各自满足不同精度控制需求[35][36][37] - Gemini等聊天工具适合快速迭代和创意构思，专业场景需要更精密的多工具协作流程[35] - 模型在办公协作、知识性场景和创意领域都有巨大应用潜力[37][38]