Генерация картинок по описанию: Midjourney против Kandinsky

Теперь это обычный цифровой ритуал: пользователь пишет несколько строк, нейросеть выдает изображение, а интернет решает, считать ли результат искусством, контентом или очередным щитпостом с красивым светом.

Но у разных генераторов — разная картина мира. Midjourney лучше чувствует себя в англоязычной визуальной культуре и требует от пользователя довольно точного промптинга. Kandinsky говорит по-русски, понимает локальные культурные коды и бесплатно доступен в нескольких сервисах. В споре «Midjourney против Kandinsky» вопрос поэтому не сводится к примитивному выбору победителя. Скорее это сравнение двух моделей поведения: одна просит говорить с ней на языке глобального digital-арта, другая пытается встроиться в русскоязычный контекст без переводчика.

Нейросеть не просто рисует по словам. Она сначала решает, к какой культуре эти слова принадлежат.

Языковой барьер: промпт — это не подпись под картинкой

Главное различие между Midjourney и Kandinsky начинается не с кнопки генерации, а с языка запроса.

Midjourney традиционно лучше работает с английскими промптами. Русский язык модель может понимать, но точность и предсказуемость результата часто зависят от формулировки, контекста и того, насколько удачно система интерпретировала отдельные слова. Для пользователя это означает дополнительный слой работы: придумать идею на русском, перевести ее на английский, подобрать привычные для генератора описания стиля, света, композиции и камеры.

На выходе получается не просто текстовый запрос, а маленький технический бриф. В нем могут соседствовать:

• описание объекта и его положения в кадре;
• визуальный стиль — от фотореализма до аналоговой пленки;
• характер освещения;
• тип композиции;
• настроение изображения;
• параметры детализации;
• ограничения на нежелательные элементы.

Midjourney в этом смысле похож на привередливого арт-директора. Он может выдать впечатляющий результат, но любит, когда с ним разговаривают на его территории и в его синтаксической манере. Промпт «русский купец на ярмарке» и более развернутое описание с историческим периодом, костюмом, архитектурой, погодой и оптикой могут привести к совершенно разным визуальным мирам.

Kandinsky изначально проектировался с более сильной ориентацией на русскоязычную аудиторию. Модель поддерживает промпты на русском и английском языках. В ранних версиях заявлялась поддержка большого количества языков — до 101, — но для обычного пользователя важнее другое: русская фраза не обязательно проходит через англоязычный таможенный пост.

Это особенно заметно на культурно специфичных сюжетах. В датасет Kandinsky 3.0 целенаправленно включались данные о русской культуре, фольклоре, искусстве и сказочных персонажах. Поэтому запросы, связанные с локальными образами, не требуют многослойного объяснения каждого элемента. Система уже имеет хотя бы некоторую внутреннюю карту этих ассоциаций.

Разумеется, это не означает, что Kandinsky автоматически реконструирует фольклор с этнографической точностью. Нейросеть не становится специалистом по костюму XIX века только потому, что видела соответствующие изображения. Но между запросом и визуальным результатом меньше культурного дрейфа.

Один и тот же сюжет в разных языковых режимах

Возьмем условную сцену: избушка на краю леса, зимний вечер, теплый свет из окон, русский сказочный мотив, но без лубочной стилизации.

В Midjourney такой запрос логичнее формулировать на английском и дополнить визуальными уточнениями. Например, описать материал стен, характер снега, фокусное расстояние, температуру света, степень реализма. Чем точнее бриф, тем меньше шансов, что модель превратит сцену в случайный fantasy-постер.

Kandinsky может принять тот же замысел на русском и быстрее ухватить общий культурный код. Это сильная сторона генератора для тех, кому нужен не универсальный арт-объект, а изображение с узнаваемой локальной интонацией: сказка, русская архитектура, фольклорный персонаж, дореволюционный быт, славянский орнамент.

Есть и обратная сторона. Midjourney давно встроен в глобальную экосистему визуальных референсов, модных арт-подходов и англоязычных описаний. В задачах, где требуется определенный международный визуальный язык, он может оказаться удобнее именно благодаря этой среде. Kandinsky в таких случаях не обязательно будет слабее, но его результат может восприниматься иначе: меньше cosmopolitan-фетиша, больше попытки связать запрос с уже знакомыми образами.

Это не соревнование между «умной» и «глупой» моделью. Это разная культурная оптика.

От ruDALL-E до Kandinsky 6.0: как менялся российский генератор

История Kandinsky началась не с красивого интерфейса и не с модного словосочетания «генеративный ИИ». В 2021 году Сбер выпустил первую нейросеть генерации изображений ruDALL-E. Летом 2022 года появился первый релиз Kandinsky. Весной 2023-го — Kandinsky 2.1. Осенью того же года был анонсирован Kandinsky 3.0, а вместе с ним — направление генерации видео Kandinsky Video.

В мае 2024 года вышла версия Kandinsky 3.1. А в апреле 2026 года Сбер представил обновленную флагманскую модель Kandinsky 6.0 Image для генерации и редактирования изображений в ИИ-помощнике «ГигаЧат».

Эта последовательность важна не как музейная хроника. Она показывает, что Kandinsky развивается не только как генератор случайных картинок, но и как часть более широкой инфраструктуры: веб-сервисов, чат-ботов, помощников и инструментов редактирования. Пользователь получает не отдельный арт-автомат, а набор функций внутри знакомых цифровых сценариев.

У ранних версий были более очевидные ограничения: странная анатомия, плавающие детали, непредсказуемый текст внутри изображения, нестабильная композиция. Эти болезни знакомы практически всей индустрии. Нейросеть могла создать убедительное лицо, а затем подарить ему лишний палец, расплавленную застежку и надпись, похожую на шифр тамплиеров.

Современные модели заметно лучше справляются с целостностью изображения, но генерация картинок по описанию по-прежнему остается вероятностным процессом. Хороший промпт увеличивает шанс на нужный результат, однако не превращает модель в графический редактор с абсолютным контролем над каждым пикселем.

Kandinsky-DiT Lite насчитывает 6 миллиардов параметров. Для пользователя эта цифра сама по себе ничего не гарантирует, но она показывает масштаб модели и сложность системы, стоящей за простым полем ввода. В ранних версиях Kandinsky использовался датасет из 170 миллионов пар «текст — изображение». Это тот случай, когда за невинной кнопкой «создать» находится не магия, а тяжелая статистическая машина, обученная на огромном количестве визуальных соответствий.

Почему версия модели важнее споров о бренде

Сравнивать Midjourney и Kandinsky без уточнения версии — примерно как обсуждать автомобили, называя только марку. Внутри одной линейки модели меняются, интерфейсы обновляются, функции переезжают из отдельного сервиса в чат, а качество обработки деталей может заметно отличаться.

Поэтому старые обзоры Kandinsky могут описывать генератор, которого в текущем пользовательском сценарии уже фактически нет. А впечатления от Midjourney, полученные несколько лет назад, не обязательно отражают нынешние возможности платформы.

Правильнее оценивать не абстрактное «кто лучше», а конкретную связку:

1. какая версия модели используется;

2. на каком языке написан запрос;

3. требуется ли чистая генерация или последующее редактирование;

4. нужен ли русскоязычный культурный контекст;

5. насколько критично получить точный размер и композицию;

6. должен ли результат быть единичной картинкой или частью серии.

У генеративного ИИ вообще плохо с вечными рейтингами. Сегодняшний фаворит завтра становится вчерашним фильтром из сторис.

Midjourney против Kandinsky: что происходит после первой генерации

Одна картинка редко бывает финальной. Практический процесс устроен иначе: пользователь получает несколько вариантов, выбирает один, меняет композицию, убирает лишний объект, дорисовывает края, исправляет фон, усиливает стиль. Здесь начинается настоящее различие инструментов.

Kandinsky обладает встроенными функциями редактирования:

• inpainting — замена выделенной области по текстовому описанию;
• outpainting — дорисовка изображения за пределами исходных границ;
• стилизация — изменение визуальной манеры;
• реставрация снимков;
• удаление объектов через инструмент «Ластик».

Это превращает генератор в более универсальную рабочую поверхность. Пользователь может не начинать заново после каждой ошибки, а вмешиваться в конкретную часть изображения. Если нейросеть нарисовала удачный интерьер, но добавила на стену странный портрет, его не обязательно выбрасывать целиком. Можно попробовать удалить объект или заменить выделенный участок.

Inpainting особенно полезен там, где изображение уже почти получилось. Например, композиция удачная, свет работает, лицо выглядит убедительно, но одежда не соответствует задаче. Или персонаж стоит в нужной позе, однако фон слишком перегружен. Локальное редактирование экономит время и снижает количество бессмысленных перегенераций.

Outpainting решает другую проблему — тесноту кадра. Квадратная картинка может выглядеть эффектно в генераторе, но плохо помещаться в обложку, баннер или вертикальный пост. Дорисовка границ позволяет расширить изображение, сохранив его центральную часть и добавив пространство по краям.

Midjourney также известен широким набором инструментов для вариаций и работы с визуальными направлениями. Его сильная сторона — быстрое производство выразительных образов, когда автор ищет атмосферу, стилистику или серию концептов. В этом режиме генератор напоминает бесконечный мудборд: один результат подталкивает к следующему, а первоначальный замысел постепенно растворяется в визуальном форсе.

Но чем более конкретным становится редакторский запрос, тем важнее контроль. Для иллюстрации к статье, карточки товара, обложки или серии персонажей недостаточно просто получить красивый кадр. Нужно удержать лицо, одежду, пропорции, фон, цветовую схему и место под текст.

Где нейросеть все еще ломает реальность

Даже сильные генераторы сталкиваются с повторяющимися проблемами:

• текст на вывесках и упаковке превращается в псевдописьмо;
• руки и пальцы требуют отдельного контроля;
• предметы могут менять форму между вариантами;
• сложные сцены с большим количеством персонажей теряют логику;
• мелкие детали одежды и аксессуаров плавают от одного результата к другому;
• исторические и культурные элементы смешиваются в условный визуальный коктейль.

Kandinsky может лучше понять русское описание, но это не отменяет общей природы генеративных моделей. Если нужен точный герб, читаемая надпись, достоверный архитектурный элемент или повторяемый персонаж, придется закладывать время на правки.

Midjourney способен дать более эффектный первый экран, но эффектность и управляемость — не одно и то же. Виральная картинка часто выигрывает за счет мгновенного впечатления, а не за счет аккуратности. Для мемного контента это иногда плюс. Для коммерческой или редакционной задачи — потенциальная головная боль.

Красивый первый результат — это трейлер. Рабочий инструмент начинается там, где нужно исправить второй палец, а не восхититься первым кадром.

Доступность: бесплатный вход против платной экосистемы

Kandinsky доступен бесплатно через веб-сервисы Fusion Brain, GigaChat и Telegram-бота. Для пользователя это меняет саму механику знакомства с инструментом. Не нужно сначала изучать тарифы, выбирать подписку и решать, действительно ли новый генератор заслуживает ежемесячной оплаты. Можно открыть сервис, написать запрос и понять, насколько модель подходит именно под личные задачи.

Midjourney долго воспринимался как один из главных генераторов для визуально продвинутой аудитории, но его бесплатный доступ был ограничен, а полноценное использование требовало платной подписки. Это формирует иной порог входа. Пользователь приходит не просто поиграться с нейросетью, а чаще уже с задачей: собрать концепты, сделать серию изображений, подготовить визуалы для проекта или встроить генератор в контентный процесс.

Разница не только финансовая. Бесплатный доступ снижает психологическую цену неудачи. В Kandinsky можно позволить себе десяток странных экспериментов, потому что они не воспринимаются как расход оплаченного лимита. В платном инструменте каждый пользователь быстрее начинает думать как менеджер собственного бюджета: этот промпт достаточно хорош, чтобы тратить на него генерации?

С другой стороны, платная среда может дисциплинировать. Midjourney подталкивает к более внимательной работе с формулировками и стилями. Пользователь быстрее осваивает параметры, референсы и повторяемые приемы, потому что хочет получать от подписки максимальную отдачу.

Сводно различия выглядят так:

Таблица не выносит окончательный вердикт. Она показывает, где именно происходит обмен: Midjourney предлагает глобальную визуальную экосистему и высокий порог освоения, Kandinsky — более дружелюбный вход и встроенные операции с готовым изображением.

Разрешение, пропорции и видео: цифры без шаманства

Для генератора картинок разрешение — не декоративная характеристика. Оно определяет, можно ли использовать результат в посте, обложке, презентации, вертикальном видео или рекламном макете без последующего апскейла и жесткого кадрирования.

Для Kandinsky заявлены следующие варианты размеров:

• 1024×1024;
• 1152×768;
• 680×1024;
• 576×1024;
• до 2048×2048 пикселей.

Это позволяет подбирать формат под задачу, а не каждый раз насильно запихивать пейзаж в квадрат. Горизонтальные пропорции удобнее для баннеров и иллюстраций к публикациям. Вертикальные — для мобильных экранов, сторис и коротких видео. Квадрат остается универсальным форматом для ленты, аватаров и быстрых карточек.

Однако увеличение разрешения не превращает слабую композицию в сильную. Если на первом этапе модель неверно расположила персонажа или нарушила перспективу, большой размер просто сделает ошибку более заметной. Пиксельный монстр в 2048×2048 все равно остается монстром, только теперь его можно рассмотреть.

Видеонаправление Kandinsky Video позволяло создавать ролики длительностью до 4 секунд. Это короткий формат, но именно такие фрагменты хорошо вписываются в механику соцсетей: петля, короткий переход, ожившая иллюстрация, микросцена для клипа. В эпоху вертикального контента четырех секунд иногда достаточно, чтобы картинка получила вторую жизнь в ленте.

Но генерация видео — отдельная зона риска. В движении быстро проявляются ошибки, которые на статичном изображении можно не заметить: меняются лица, плывут контуры, предметы исчезают, свет ведет себя как тревожный сон после думскроллинга. Поэтому короткий хронометраж здесь не ограничение, а способ скрыть нестабильность и сохранить эффект.

Как выбрать формат под задачу

Если изображение создается для конкретного носителя, промпт — только половина работы. Вторая половина начинается с понимания кадра.

Для поста в соцсети можно позволить себе более плотную композицию и крупный центральный объект. Для обложки понадобится свободное поле под заголовок. Для сторис важнее вертикальная композиция и расположение смыслового центра в безопасной зоне, чтобы интерфейс приложения не съел лицо персонажа или ключевую деталь.

У Kandinsky здесь есть практическое преимущество: разные разрешения и возможность дорисовывать границы через outpainting. Это снижает количество ситуаций, когда удачный кадр приходится выбрасывать только потому, что он не совпал с макетом.

Midjourney в свою очередь удобен как генератор визуального направления. Он помогает быстро понять, какой может быть атмосфера проекта: холодный глянец, псевдодокументальная съемка, сюрреалистичная реклама, ретрофутуризм, модный editorial. Когда задача находится на стадии поиска, скорость и выразительность результата оказываются важнее точного финального формата.

Именно поэтому дизайнеры и контент-мейкеры часто мыслят не инструментом, а связкой этапов: один сервис помогает найти образ, другой — адаптировать его, третий — собрать финальный макет. Нейросетевой рынок уже давно живет не по логике «одна кнопка спасет весь проект». Это скорее цифровая экосистема с постоянным пересаживанием между вкладками.

Что выбрать для разных сценариев

Пользователю, который хочет просто получить рисунок по описанию на русском языке, Kandinsky даст более короткий путь. Не придется начинать с английской терминологии и объяснять нейросети, что именно делает образ русским, сказочным или локально узнаваемым.

Для серии атмосферных концептов, арт-референсов и визуального поиска Midjourney может оказаться привлекательнее. Особенно если автор готов работать с английскими промптами, подбирать формулировки и постепенно настраивать собственную систему описаний.

Kandinsky логичнее выбрать, если:

1. Запросы формулируются по-русски.

Это не мелочь, а базовая часть процесса. Если идея строится на оттенках русского языка, игре слов или локальном культурном контексте, перевод может обеднить замысел.

2. Нужно работать с готовой картинкой.

Inpainting, outpainting, реставрация и удаление объектов позволяют не начинать с нуля после каждой неудачной детали.

3. Нужен бесплатный доступ.

Fusion Brain, GigaChat и Telegram-бот снижают порог входа для тех, кто пока только знакомится с генеративным артом.

4. Важен русский культурный код.

Фольклор, сказочные персонажи, локальная архитектура и знакомые визуальные мотивы могут интерпретироваться естественнее.

5. Нужно подготовить изображение под разные пропорции.

Набор разрешений и возможность расширять границы кадра полезны для соцсетей и редакционных макетов.

Midjourney имеет смысл рассматривать, если:

1. Автор готов писать промпты на английском.

Это расширяет предсказуемость и позволяет использовать большой корпус англоязычных визуальных формулировок.

2. На первом месте — художественный эффект.

Когда важнее настроение, свет, фактура и общий wow-фактор, чем точная редактура отдельных зон, Midjourney остается сильным инструментом визуального поиска.

3. Нужно быстро собрать несколько направлений.

Генератор хорошо вписывается в раннюю фазу проекта, где еще неизвестно, какой именно стиль станет финальным.

4. Пользователь готов оплачивать полноценный доступ.

Подписная модель имеет смысл для регулярной работы, а не для одного случайного эксперимента.

5. Проект ориентирован на глобальную визуальную эстетику.

Fashion-редактура, sci-fi, игровая концепт-графика и международный digital-art-контекст могут требовать именно такого языка референсов.

Есть и промежуточный сценарий. Например, Midjourney используется для поиска общей эстетики, а Kandinsky — для русскоязычных вариаций, локальной обработки, расширения холста или реставрации старого снимка. Это не капитуляция перед нейросетями, а нормальный производственный процесс. Человечество уже давно не стесняется использовать несколько приложений, чтобы сделать одну картинку.

Почему «лучший генератор» — плохая категория

Фраза «какая нейросеть лучше» отлично работает в заголовке и плохо — в реальной работе. Она предполагает, что существует единая шкала качества. Но качество изображения зависит от задачи.

Для мемной картинки важна мгновенная считываемость. Для обложки — композиция и место под типографику. Для исторической иллюстрации — культурная точность и отсутствие случайного смешения эпох. Для рекламного креатива — управляемость брендовыми цветами, объектами и повторяемыми персонажами. Для короткого ролика — стабильность движения.

Один и тот же генератор может блестяще выполнить одну задачу и раздражать в другой. Midjourney способен создать роскошную визуальную концепцию, но заставить его аккуратно исправить конкретный объект может быть сложнее, чем хотелось бы. Kandinsky может комфортно работать с русским описанием и редактурой, но результат не обязан совпадать с эстетикой, которую пользователь привык получать от глобальных арт-платформ.

Здесь полезно отделять три уровня:

• идея — что именно должно быть изображено;
• интерпретация — как нейросеть поняла слова и культурный контекст;
• постобработка — насколько легко довести результат до рабочего состояния.

Midjourney и Kandinsky отличаются на всех трех уровнях. Первый сильнее влияет на визуальный поиск и стилистическую итерацию. Второй выигрывает в русскоязычном входе и встроенном редактировании. Но ни один из них не отменяет авторскую работу: хороший результат по-прежнему начинается не с магического промпта, а с понимания, зачем изображение вообще нужно.

Даже тренды, которые выглядят совершенно бессмысленными, подчиняются этой логике. Сначала появляется простой образ, затем его начинают копировать, потом к нему прикручивают ироническую надстройку, а после — продают как стиль жизни. Так, например, тренд с капустой как вирусным суперфудом показывает, как быстро бытовой объект превращается в культурный маркер. Генеративная нейросеть в таком процессе не создает смысл из пустоты: она ускоряет его тиражирование, упаковку и визуальный форс.

Итог: какой генератор выбрать

Если нужен генератор картинок по тексту с русскоязычным интерфейсом мышления, бесплатным доступом и встроенными функциями редактирования, Kandinsky выглядит наиболее рациональным выбором. Он особенно уместен для локальных сюжетов, иллюстраций, обработки снимков, расширения изображения и быстрых экспериментов без подписки.

Если задача — искать выразительную визуальную эстетику, собирать концепты и работать в глобальном языке digital-арта, стоит смотреть в сторону Midjourney. Но к нему придется подойти как к полноценному инструменту, а не как к автомату для случайных красивых картинок: освоить английские промпты, привыкнуть к логике платформы и учитывать платный доступ.

В сухом остатке:

• Kandinsky — проще для русскоязычного входа, локального контекста и редактирования;
• Midjourney — интереснее для художественного поиска, концептов и международной визуальной эстетики;
• оба инструмента требуют итераций, потому что нейросеть не читает мысли и периодически рисует анатомический щитпост;
• финальный выбор определяется не рейтингом, а тем, что произойдет после первой генерации: придется ли переделывать все изображение или достаточно поправить отдельную деталь.

Генерация картинок по описанию уже вышла из стадии игрушки. Но культ одной идеальной кнопки тоже постепенно умирает. В ближайшие дни — условно, через пару лет — рынок окончательно перестанет обсуждать, какая нейросеть «победила». Обсуждать будут связки моделей, качество редактирования и скорость превращения сырого промпта в готовый контент. А очередной генератор, который сегодня обещает спасти визуальную культуру, к тому моменту, скорее всего, станет еще одним забытым фильтром в архиве интернета.