2026年のAI画像生成:Midjourney、Flux、そして新たなフォトリアリズム競争

二年前、AI生成のポートレートを見分けるのは一種の座興だった。指の本数を数え、イヤリングの左右対称性をチェックし、どれほど優れたプロンプトでも拡散モデルの正体を暴く蝋のような光沢を探せばよかった。しかし2026年、その”ゲーム”は一気に難しくなっている。トップクラスの画像モデルは今や、肌の毛穴一つひとつや無精髭が斜光を捉える様子、そして正しい数の関節を持つ手までをも描き出せるようになり、「とにかく手を見ろ」というアドバイスはここ一年ほどで頼りにならなくなった。この進歩は、一つの研究所が独走して差を広げた結果ではない。むしろ、まったく異なる二つのアプローチが互いを刺激し合った結果だ。一方でMidjourneyは、ほとんどのユーザーが設定パネルに触れることさえないクローズドでキュレーションされたモデルを磨き続けている。もう一方で、Black Forest LabsのFluxシリーズは、オープンウェイトの画像生成を趣味人の妥協策から、プロのパイプラインが直接組み込む選択肢へと変えてしまった。「写真に見える」ものと「明らかにAI」なものの距離は、これまでになく縮まっている。そしてどのモデルがそのギャップのどの部分を埋めたのかを、具体的に見ておく価値がある。

Midjourney:コントロールよりもキュレーション

Midjourneyの強みは、これまで一度も純粋な技術力そのものだったことはない。むしろセンスであり、それをセットアップ不要で提供している点にある。現在のデフォルトモデルであるV8.1は、2026年3月17日にコミュニティに公開されたV8 Alphaを経て、同年6月10日にmidjourney.comの標準モデルとなった。V7からV8への目玉となる変更はOmni Referenceで、V7で必要だった煩雑な参照画像の工夫なしに、キャラクターの顔・衣装・オブジェクトを生成間で一貫させられるシステムだ。これに加え、ネイティブで2K解像度を描画し、従来バージョンよりおよそ5倍高速に生成できる新しい—hdモードも導入された。フォトリアリズムに絞って見ると、V7とV6を比較した第三者テストでは、標準化された30本のプロンプトのうち23本でよりフォトリアリスティックな出力が確認され、肌の質感・生地のディテール・陰影表現に測定可能な向上が見られた。V8.1ではこの傾向がさらに進み、特にクローズアップのポートレートでは、光が顎のラインに沿って回り込み、一本一本の髪の毛を捉える様子が、レンダリングというより「撮影された」ように見えるレベルに達している。

もちろんこれらはすべて無料というわけではなく、Midjourneyもそれを隠したことはない。2026年時点で恒久的な無料プランは存在せず、4つのサブスクリプションプランは月額10ドルのBasic、30ドルのStandard、60ドルのPro、120ドルのMegaという構成で、年払いにすればどのプランも約20%割引になる。すべてのプランに商用利用権が含まれ、生成物をMidjourneyの公開コミュニティフィードに表示させないStealth Modeは、Pro以上のプランに限定されている。そのお金で買っているのは、モデルへの生の技術的アクセスというより、重みの中に焼き込まれた特定の美的感覚そのものだ。Midjourneyの画像は、たとえ三語だけの短いプロンプトからでも、計算され尽くした、アートディレクションの効いた、意図的な仕上がりに見える傾向がある。特筆すべきは、Midjourneyが数十のモデルを対象に人間によるブラインド投票を集計するArtificial Analysisのような第三者ベンチマークアリーナに参加していない点だ。この選択によって直接的なElo比較の対象からは外れているが、コアな支持層であるプロのアーティストやデザイナーからの評価が揺らいだ様子はない。

Flux:プロが実際に導入するオープンウェイトモデル

元Stability AIの研究者たちが2024年に設立したBlack Forest Labsは、この2年間、「オープン」と「最先端」は対立概念ではないと主張し続けてきた。2025年11月25日にリリースされ、2026年半ばの現在も同社の旗艦ラインであり続けているFLUX.2は、その主張を裏づける最も明確な証拠と言える。FLUX.2は単一モデルではなく、速度と制御性のトレードオフ上の異なるポイントに合わせて調整された一連のファミリーとして提供されている。FLUX.2 [pro]は、クローズドな最先端モデルに品質面で匹敵しながら、より高速かつ低コストで動作するよう構築されたフルマネージドAPI階層。FLUX.2 [flex]はステップ数とガイダンススケールを開発者に直接公開し、品質と速度のトレードオフを手動で調整したいユーザー向け。FLUX.2 [dev]は320億パラメータのオープンウェイトモデルでHugging Faceからダウンロード可能、Black Forest Labs自身が「現時点で最も高性能なオープンウェイト画像モデル」と称しており、NVIDIAおよびComfyUIと共同開発したfp8リファレンス実装により、データセンター向けGPUではなく一般消費者向けのGeForce RTXカードでも動作する。そして2026年1月に追加されたFLUX.2 [klein]は、Apache 2.0ライセンスのもとでサイズを圧縮した派生モデルで、オンデバイス・エッジ用途向けに、ラインナップの中で最も高速・軽量なポジションを狙っている。

技術的な主張は曖昧なマーケティング文句ではなく具体的だ。最大10枚の入力画像を一つの一貫した出力にまとめるマルチリファレンス対応、細部のディテールを保ったまま最大400万画素での編集、そしてフォトリアリズムという本題にとって最も重要な点として、Black Forest Labs自身のベンチマークによれば、FLUX.2 [dev]はAlibabaのQwen-Imageとのブラインドtext-to-image比較で66.6%、単一参照画像での編集ではQwen-Image-Editとの比較で59.8%の勝率を記録している。前世代であるFLUX.1 [dev]との比較では、さらに大きな差がついている。

これが実務上意味するのは、「検証や微調整ができるほどオープンであること」と「実運用に耐えるだけの品質であること」のあいだで、もはやトレードオフを強いられないモデルが登場したということだ。デザイナーはFLUX.2 [dev]をローカルのワークステーションに導入し、ComfyUI経由で実行するだけで、一世代前ならクローズドなAPIでしか得られなかったレベルの照明表現や肌の描写を、監査可能性と限界コストゼロでの生成という、重み(ウェイト)を手元に持つことでしか得られないメリットとともに手に入れられる。

フォトリアリズムのギャップが実際に縮まった部分

「本物に見える」ことを構成する具体的で測定可能な要素は、どこか一つの研究所が独占するのではなく、今年業界全体で足並みを揃えて進歩した。最もはっきり変化したのは肌だ。加工済みで美肌フィルターのかかった写真を大量に学習させたモデルは、これまでプロンプトの内容にかかわらずプラスチックのような過度に滑らかな肌をデフォルトで出力しがちだった。しかし2026年のトップシステム——MidjourneyのV8.1、FLUX.2、そしてGoogleのNano Banana ProやOpenAIのGPT Image 2といったライバルたち——は今や、目に見える毛穴のテクスチャや左右非対称のシミ・肌荒れ、さらには肌の色調によって光の散乱・吸収のされ方が異なる様子までも描き出し、誰もが同じエアブラシ加工のような見た目に均されることがなくなった。業界で長年ネタにされてきた手については、進歩の幅こそ肌ほど劇的ではないものの、確実に改善している。指が余っていたり癒着していたりするのは、フラッグシップモデルではもはやコイントスのような五分五分ではなく例外的な現象になった。とはいえ、物を握る手、重なり合う指、不自然な角度といった難易度の高いポーズを子細に見れば、いまだにモデルの正体が露呈することもある。照明はおそらく最も構造的な進歩と言える部分だ。MidjourneyもFluxも、片側は窓の光、反対側はランプの光といった間接光・複数光源の混在を、物理的に妥当な減衰と色温度のブレンドで処理できるようになった。これはつい2024年頃まで、多くのモデルを確実に破綻させていた要素だ。

競合ベンチマークの面では、純粋に人間によるブラインド投票のみでモデルを順位づけするArtificial Analysis Image Arenaにおいて、OpenAIのGPT Image 2が現在首位に立っており、報告されているEloスコアはおよそ1337〜1339。この1位と2位の差は、リーダーボードの運営者いわく過去最大級だという。一方、真にオープンウェイトなモデルの中ではFLUX.2が最も強い位置を占めており、Midjourneyは敗れたからではなく、あえて参加を選んでいないためにこのランキングの外にいる。とはいえ、これでフォトリアリズムが「解決済みの問題」になったわけではない。フォトリアリスティックなシーンの中の細かい文字、不自然な解剖学的構造、物理的にあり得ない反射などは、ここに挙げたすべてのモデルにおいて、プロのレタッチ業務にとって無視できない頻度でいまだにつまずきの原因となっている。それでも、その軌跡は疑いようがない。二年前には「AI画像を見破る」ことを確実な余興にしていたあの手がかりの数々は、一つずつ姿を消しつつある。そしてまったく異なる二つの道——Midjourneyのキュレーションされたクローズドモデルと、Black Forest Labsの検証可能なオープンウェイト——は、正反対の方向から出発しながら、同じ結果へと収束しつつある。

2026年後半に向けて、これが意味すること

今、ツールを選ぼうとしている人にとっての実務的な結論は、「どのモデルがよりフォトリアリスティックか」という問いは、一年前と比べてもすでに有用性を失いつつあるということだ。ほとんどの日常的なプロンプトについて言えば、正直な答えは「複数のフラッグシップモデルが基準を満たしている」というものだ。より意味のある問いは、ワークフローの選び方に移っている。設定不要でMidjourneyの美的判断を毎月定額で使いたいのか、それともリーダーボードで最高スコアの一つのモデルを選ぶことよりも、制御性・スケール時のコスト・監査可能性が重視されるパイプラインのために、検証可能かつローカルで実行できるFluxの重みを使いたいのか。この分岐は解消されるのではなく、むしろ先鋭化していくと見てよいだろう。クローズドなプラットフォームはキュレーションとエコシステムへの投資を強め、オープンウェイトの研究所は制御性とコストへの投資を強めていく。どちらの賭けもすでに十分な持続可能性を証明しており、どちらの陣営にもそれを放棄する動機はないからだ。