การสร้างภาพด้วย AI ในปี 2026: Midjourney, Flux และการแข่งขันครั้งใหม่เพื่อความสมจริงราวภาพถ่าย

สองปีก่อน การจับผิดภาพบุคคลที่สร้างด้วย AI ยังเป็นเหมือนเกมสนุกๆ บนโต๊ะอาหาร นับจำนวนนิ้วมือ ตรวจดูความสมมาตรของต่างหู มองหาความมันวาวคล้ายขี้ผึ้งที่ฟ้องว่านี่คือโมเดล diffusion ไม่ว่าพรอมป์จะเขียนดีแค่ไหนก็ตาม แต่ในปี 2026 เกมนี้ยากขึ้นมาก โมเดลสร้างภาพชั้นนำในตอนนี้สามารถแสดงรูขุมขนบนผิวหนังทีละจุด หนวดที่รับแสงข้างได้อย่างสมจริง และมือที่มีข้อนิ้วครบถูกต้องบ่อยครั้งจนคำแนะนำที่ว่า “แค่ดูที่มือ” ใช้ไม่ได้ผลอีกต่อไปในช่วงปีที่ผ่านมา ความก้าวหน้านี้ไม่ได้มาจากห้องแล็บใดแล็บหนึ่งที่แซงหน้าแล้วรักษาตำแหน่งไว้ตลอด แต่มาจากสองแนวทางที่แตกต่างกันอย่างสิ้นเชิงซึ่งผลักดันกันและกัน ฝั่งหนึ่งคือ Midjourney ที่ยังคงขัดเกลาโมเดลแบบปิดที่คัดสรรเอง ซึ่งคนส่วนใหญ่แทบไม่เคยแตะแผงตั้งค่าเลยด้วยซ้ำ อีกฝั่งหนึ่งคือตระกูล Flux ของ Black Forest Labs ที่เปลี่ยนการสร้างภาพแบบเปิดน้ำหนักโมเดล จากทางเลือกประนีประนอมของนักเล่นอดิเรก ให้กลายเป็นสิ่งที่ทีมงานมืออาชีพนำไปสร้างเป็นไปป์ไลน์การทำงานได้โดยตรง ระยะห่างระหว่าง “ดูเหมือนภาพถ่ายจริง” กับ “เห็นชัดว่าเป็น AI” ไม่เคยแคบขนาดนี้มาก่อน และควรค่าแก่การชี้ให้ชัดว่าโมเดลไหนปิดช่องว่างส่วนไหนไปบ้าง

Midjourney: การคัดสรรที่มาก่อนการควบคุม

จุดแข็งของ Midjourney ไม่เคยเป็นเรื่องความสามารถทางเทคนิคดิบๆ เลย แต่เป็นเรื่องรสนิยม ที่มาพร้อมกับการตั้งค่าเป็นศูนย์ โมเดลเริ่มต้นปัจจุบันอย่าง V8.1 กลายเป็นโมเดลมาตรฐานบน midjourney.com เมื่อวันที่ 10 มิถุนายน 2026 หลังจาก V8 Alpha ที่ Midjourney เปิดให้ชุมชนใช้งานเมื่อวันที่ 17 มีนาคม 2026 การเปลี่ยนแปลงหลักจาก V7 สู่ V8 คือ Omni Reference ระบบที่รักษาความสม่ำเสมอของใบหน้า ชุดแต่งกาย หรือวัตถุของตัวละครในการสร้างภาพหลายๆ ครั้ง โดยไม่ต้องใช้วิธีแก้ปัญหาแบบอ้อมด้วยภาพอ้างอิงที่ยุ่งยากอย่างใน V7 พร้อมด้วยโหมด —hd ใหม่ที่เรนเดอร์ที่ความละเอียด 2K โดยธรรมชาติ และสร้างภาพได้เร็วกว่าเวอร์ชันก่อนหน้าราวห้าเท่า สำหรับความสมจริงราวภาพถ่ายโดยเฉพาะ การทดสอบอิสระที่เปรียบเทียบ V7 กับ V6 พบว่าผลลัพธ์สมจริงกว่าใน 23 จาก 30 พรอมป์มาตรฐาน โดยมีความก้าวหน้าที่วัดผลได้ในเนื้อผิว รายละเอียดของเนื้อผ้า และการเรนเดอร์เงา และ V8.1 ยิ่งขยายแนวโน้มนี้ไปอีก โดยเฉพาะในงานภาพบุคคลระยะใกล้ ที่แสงตอนนี้โอบรอบแนวขากรรไกรหรือจับเส้นผมแต่ละเส้นได้ในแบบที่ดูเหมือน “ถ่ายมา” มากกว่า “เรนเดอร์ออกมา”

ทั้งหมดนี้ไม่ได้มาฟรีๆ และ Midjourney ก็ไม่เคยแสร้งทำเป็นอย่างอื่น ในปี 2026 ไม่มีแพลนฟรีถาวรอีกต่อไป และสี่แพลนสมัครสมาชิกมีราคาดังนี้ Basic เดือนละ 10 ดอลลาร์, Standard 30 ดอลลาร์, Pro 60 ดอลลาร์ และ Mega 120 ดอลลาร์ โดยจ่ายรายปีจะได้ส่วนลดราวๆ 20% ในทุกแพลน ทุกแพลนมีสิทธิ์ใช้งานเชิงพาณิชย์ และ Stealth Mode ซึ่งเป็นการสร้างภาพแบบส่วนตัวที่ไม่ปรากฏบนฟีดชุมชนสาธารณะของ Midjourney นั้นสงวนไว้สำหรับแพลน Pro ขึ้นไปเท่านั้น สิ่งที่เงินจำนวนนี้ซื้อมาไม่ใช่การเข้าถึงโมเดลแบบดิบๆ มากเท่ากับรสนิยมทางสุนทรียะเฉพาะตัวที่ฝังอยู่ในน้ำหนักโมเดล ภาพจาก Midjourney มักดูผ่านการคิดมาอย่างดี มีทิศทางศิลป์ และตั้งใจ แม้จะมาจากพรอมป์แค่สามคำก็ตาม ที่น่าสังเกตคือ Midjourney ไม่เข้าร่วมสนามเปรียบเทียบของบุคคลที่สามอย่าง Artificial Analysis ซึ่งติดตามผลโหวตความชอบแบบปิดตาของมนุษย์ในโมเดลคู่แข่งนับสิบตัว ทางเลือกนี้ทำให้ Midjourney อยู่นอกการเปรียบเทียบคะแนน Elo แบบตัวต่อตัว แต่ก็ไม่ได้ทำให้สถานะของแบรนด์ในสายตาศิลปินและดีไซเนอร์มืออาชีพซึ่งเป็นกลุ่มผู้ใช้หลักลดลงแต่อย่างใด

Flux: โมเดลเปิดน้ำหนักที่มืออาชีพนำไปใช้งานจริง

Black Forest Labs ก่อตั้งขึ้นในปี 2024 โดยอดีตนักวิจัยของ Stability AI ใช้เวลาสองปีที่ผ่านมาพิสูจน์ว่า “เปิด” กับ “แนวหน้าสุดล้ำ” ไม่จำเป็นต้องเป็นขั้วตรงข้ามกัน และ FLUX.2 ซึ่งเปิดตัวเมื่อวันที่ 25 พฤศจิกายน 2025 และยังคงเป็นสายผลิตภัณฑ์เรือธงของบริษัทจนถึงกลางปี 2026 คือหลักฐานที่ชัดเจนที่สุดของข้อโต้แย้งนี้ แทนที่จะเป็นโมเดลเดียว FLUX.2 มาในรูปแบบตระกูลที่ปรับแต่งให้เหมาะกับจุดต่างๆ บนสเปกตรัมระหว่างความเร็วกับการควบคุม ได้แก่ FLUX.2 [pro] ซึ่งเป็น API แบบจัดการเต็มรูปแบบ สร้างมาเพื่อให้เทียบเท่าโมเดลแนวหน้าแบบปิดในด้านคุณภาพ ขณะที่ทำงานเร็วกว่าและถูกกว่า, FLUX.2 [flex] ที่เปิดให้นักพัฒนาปรับจำนวนสเต็ปและ guidance scale ได้โดยตรงสำหรับผู้ที่ต้องการปรับแต่งสมดุลระหว่างคุณภาพกับความเร็วด้วยตัวเอง, FLUX.2 [dev] โมเดลเปิดน้ำหนักขนาด 3.2 หมื่นล้านพารามิเตอร์ที่ดาวน์โหลดได้จาก Hugging Face ซึ่ง Black Forest Labs เรียกว่าเป็นโมเดลภาพแบบเปิดน้ำหนักที่มีความสามารถสูงสุดเท่าที่มีอยู่ และทำงานผ่านการอิมพลีเมนต์อ้างอิงแบบ fp8 ที่พัฒนาร่วมกับ NVIDIA และ ComfyUI บนการ์ดจอ GeForce RTX ระดับผู้บริโภคทั่วไป โดยไม่ต้องใช้ GPU ระดับดาต้าเซ็นเตอร์ และ FLUX.2 [klein] ที่เพิ่มเข้ามาในเดือนมกราคม 2026 เป็นรุ่นย่อยขนาดเล็กภายใต้ไลเซนส์ Apache 2.0 มุ่งเป้าไปที่ปลายด้านที่เร็วและเบาที่สุดของสายผลิตภัณฑ์ สำหรับใช้งานบนอุปกรณ์และ edge computing

ข้อกล่าวอ้างทางเทคนิคเหล่านี้มีความเฉพาะเจาะจง ไม่ใช่ถ้อยคำการตลาดคลุมเครือ ได้แก่ การรองรับภาพอ้างอิงหลายภาพ (multi-reference) รวมภาพนำเข้าได้สูงสุด 10 ภาพให้เป็นผลลัพธ์เดียวที่กลมกลืนกัน, การแก้ไขภาพที่ความละเอียดสูงสุดถึง 4 ล้านพิกเซลโดยยังคงรายละเอียดปลีกย่อยไว้ได้ และส่วนที่สำคัญที่สุดสำหรับประเด็นความสมจริงราวภาพถ่าย คือผลการทดสอบเปรียบเทียบของ Black Forest Labs เองแสดงให้เห็นว่า FLUX.2 [dev] ชนะการเปรียบเทียบแบบปิดตาในงาน text-to-image เหนือ Qwen-Image ของ Alibaba ถึง 66.6% และเหนือ Qwen-Image-Edit ในงานแก้ไขภาพแบบอ้างอิงเดี่ยวถึง 59.8% โดยมีส่วนต่างที่ยิ่งชัดเจนกว่านั้นเมื่อเทียบกับ FLUX.1 [dev] รุ่นก่อนหน้าของตัวเอง

สิ่งที่สิ่งนี้แปลออกมาในทางปฏิบัติคือโมเดลที่ไม่บังคับให้ต้องเลือกระหว่าง “เปิดพอที่จะตรวจสอบและปรับแต่งได้” กับ “ดีพอที่จะนำไปใช้งานจริง” อีกต่อไป ดีไซเนอร์สามารถดึง FLUX.2 [dev] มาไว้บนเวิร์กสเตชันของตัวเอง รันผ่าน ComfyUI แล้วได้ผลลัพธ์เรื่องแสงและการเรนเดอร์ผิวหนังที่เมื่อหนึ่งเจเนอเรชันก่อนต้องพึ่งพา API แบบปิดเท่านั้น พร้อมทั้งได้ความสามารถในการตรวจสอบได้และการสร้างภาพที่ต้นทุนส่วนเพิ่มเป็นศูนย์ ซึ่งมีเพียงการมีน้ำหนักโมเดลอยู่ในมือจริงๆ เท่านั้นที่ให้ได้

จุดที่ช่องว่างของความสมจริงราวภาพถ่ายแคบลงจริงๆ

มิติที่เป็นรูปธรรมและวัดผลได้ของคำว่า “ดูเหมือนของจริง” ขยับไปพร้อมกันทั่วทั้งวงการในปีนี้ แทนที่จะมีแล็บใดแล็บหนึ่งครองทุกด้านไว้คนเดียว ผิวหนังคือการเปลี่ยนแปลงที่เห็นชัดที่สุด โมเดลที่ฝึกอย่างหนักด้วยภาพถ่ายที่รีทัชและใส่ฟิลเตอร์ความสวยงามเคยมีค่าเริ่มต้นเป็นผิวเรียบเนียนเกินจริงคล้ายพลาสติกไม่ว่าพรอมป์จะเป็นอะไร แต่ระบบชั้นนำของปี 2026 ทั้ง Midjourney V8.1, FLUX.2 และคู่แข่งอย่าง Nano Banana Pro ของ Google และ GPT Image 2 ของ OpenAI ตอนนี้สามารถเรนเดอร์รูขุมขนที่มองเห็นได้ ตำหนิที่ไม่สมมาตร และวิธีที่โทนผิวแต่ละแบบกระเจิงและดูดกลืนแสงต่างกัน แทนที่จะทำให้ทุกคนดูเรียบเสมือนผ่านฟิลเตอร์แอร์บรัชแบบเดียวกันหมด ส่วนมือ ซึ่งเป็นมุกตลกร้ายของวงการมานาน มีการปรับปรุงที่ไม่หวือหวาเท่าผิวหนังแต่ก็มีนัยสำคัญ นิ้วที่เกินมาหรือติดกันตอนนี้กลายเป็นข้อยกเว้นในโมเดลเรือธง ไม่ใช่เรื่องเสี่ยงดวงห้าสิบห้าสิบอีกต่อไป แม้ว่าเมื่อตรวจสอบอย่างละเอียดในท่าทางที่ท้าทาย เช่น มือที่กำวัตถุ นิ้วที่ซ้อนทับกัน มุมที่แปลกตา ก็ยังคงเผยให้เห็นร่องรอยของโมเดลได้เป็นครั้งคราว ด้านแสง อาจเป็นชัยชนะเชิงโครงสร้างที่ใหญ่ที่สุด ทั้ง Midjourney และ Flux ตอนนี้จัดการกับแสงทางอ้อมและแหล่งแสงผสม เช่น ใบหน้าที่ด้านหนึ่งรับแสงจากหน้าต่างและอีกด้านรับแสงจากโคมไฟ ได้อย่างสมจริงทั้งการลดทอนแสงและการผสมอุณหภูมิสีตามหลักฟิสิกส์ ซึ่งเป็นสิ่งที่ยังทำให้โมเดลพังได้อย่างสม่ำเสมอเมื่อไม่นานมานี้ในปี 2024

ในแง่การเปรียบเทียบเชิงแข่งขัน GPT Image 2 ของ OpenAI ปัจจุบันครองอันดับหนึ่งใน Artificial Analysis Image Arena ซึ่งจัดอันดับโมเดลด้วยผลโหวตความชอบแบบปิดตาของมนุษย์ล้วนๆ ด้วยคะแนน Elo ที่รายงานอยู่ราว 1337 ถึง 1339 ซึ่งเป็นช่องว่างระหว่างอันดับหนึ่งกับอันดับสองที่ผู้ดูแลลีดเดอร์บอร์ดระบุว่าใหญ่ที่สุดเท่าที่เคยบันทึกไว้ ขณะที่ FLUX.2 ครองตำแหน่งที่แข็งแกร่งที่สุดในกลุ่มโมเดลเปิดน้ำหนักตัวจริง ส่วน Midjourney อยู่นอกอันดับด้วยการเลือกเอง ไม่ใช่เพราะพ่ายแพ้ ทั้งหมดนี้ไม่ได้แปลว่าความสมจริงราวภาพถ่ายเป็นปัญหาที่แก้ได้สมบูรณ์แล้ว ตัวอักษรเล็กๆ ในฉากที่สมจริง กายวิภาคที่ผิดปกติ และการสะท้อนแสงที่เป็นไปไม่ได้ทางฟิสิกส์ ยังคงทำให้ทุกโมเดลที่กล่าวถึงในบทความนี้พลาดบ่อยพอที่จะมีนัยสำคัญต่องานรีทัชระดับมืออาชีพ แต่ทิศทางนั้นชัดเจนอย่างปฏิเสธไม่ได้ ร่องรอยที่เคยทำให้ “จับผิดภาพ AI” เป็นเกมสนุกๆ ที่แม่นยำเมื่อสองปีก่อน กำลังหายไปทีละอย่าง และสองเส้นทางที่แตกต่างกันอย่างสิ้นเชิง ทั้งโมเดลปิดที่คัดสรรของ Midjourney และน้ำหนักโมเดลเปิดที่ตรวจสอบได้ของ Black Forest Labs กำลังบรรจบกันที่ผลลัพธ์เดียวกันจากทิศทางตรงข้ามกัน

สิ่งนี้หมายความว่าอย่างไรสำหรับช่วงที่เหลือของปี 2026

ข้อสรุปเชิงปฏิบัติสำหรับใครก็ตามที่กำลังเลือกเครื่องมือตอนนี้คือ คำถามที่ว่า “โมเดลไหนสมจริงกว่ากัน” มีประโยชน์น้อยลงกว่าเมื่อปีที่แล้วเสียอีก คำตอบที่ตรงไปตรงมาสำหรับพรอมป์ในชีวิตประจำวันส่วนใหญ่ก็คือ โมเดลเรือธงหลายตัวผ่านเกณฑ์นี้ไปแล้ว คำถามที่มีประโยชน์มากกว่าได้เปลี่ยนไปที่เรื่องเวิร์กโฟลว์แทน ว่าคุณต้องการวิจารณญาณด้านสุนทรียะแบบไม่ต้องตั้งค่าใดๆ ของ Midjourney ด้วยค่าบริการรายเดือนคงที่ หรือต้องการน้ำหนักโมเดลของ Flux ที่ตรวจสอบได้และรันบนเครื่องตัวเองได้ สำหรับไปป์ไลน์ที่การควบคุม ต้นทุนเมื่อขยายสเกล และความสามารถในการตรวจสอบสำคัญกว่าการเลือกโมเดลตัวเดียวที่ได้คะแนนสูงสุดบนลีดเดอร์บอร์ด คาดได้ว่าความแตกต่างนี้จะยิ่งชัดเจนขึ้นแทนที่จะบรรจบกัน แพลตฟอร์มแบบปิดจะทุ่มหนักขึ้นไปกับการคัดสรรและระบบนิเวศ ส่วนแล็บที่เปิดน้ำหนักโมเดลจะทุ่มหนักขึ้นไปกับการควบคุมและต้นทุน เพราะทั้งสองแนวทางต่างพิสูจน์แล้วว่ายั่งยืนพอ จนไม่มีฝ่ายไหนมีแรงจูงใจที่จะละทิ้งมัน