Mielőtt eszközt választasz
Egy kérdést érdemes előre megválaszolni: mi a kimenet, és ki fogja használni? Egy hangulatkép a blogra, egy termékfotó a webshopba, egy logó a nyomdába és egy illusztráció a prezentációba négy különböző feladat, és nincs eszköz, ami mind a négyben a legjobb.
A másik előzetes kérdés, hogy egyáltalán ez-e a helyes eszköz a feladatra — erről általánosságban az AI alkalmasságának eldöntése poszt szól. Ha a válasz igen, akkor jöhet a választás.
Ki kicsoda 2026 őszén
A piac nagyjából így néz ki. Verziószámokat szándékosan nem sorolok, mert fél év alatt elavulnak; a családok és az erősségeik viszont stabilabbak.
- OpenAI — GPT Image. A vak emberi szavazáson alapuló független rangsorok élén áll, szöveg-kép és szerkesztés kategóriában egyaránt. A ChatGPT-előfizetésekben benne van, külön nem kell fizetni érte.
- Google — Nano Banana. A legerősebb nem OpenAI-generalista, több méretben. Erőssége a több referenciakép együttes kezelése és a többnyelvű szöveg.
- Microsoft AI — MAI-Image. Meglepetésszereplő: a szerkesztési kategóriák felét viszi, és a szövegjavításban meg a helyreállításban kifejezetten vezet.
- xAI — Grok Imagine. Középmezőny a rangsorokban, API-ból elérhető, referenciaképet és kötegelt futtatást is kezel.
- Midjourney. Erős esztétika és saját formanyelv, de a független rangsorokban ma már nem az élmezőnyben — a rajongótábora viszont nem véletlen.
- Recraft. Az egyetlen, ami valódi, szerkeszthető vektoros kimenetet ad. Grafikai munkához ez döntő szempont lehet.
- Ideogram. Sokáig a szövegrenderelés etalonja volt; ma a kategóriavezetést nem tartja, de a tipográfiai megközelítése továbbra is használható.
- Black Forest Labs — FLUX és Alibaba — Qwen-Image. A letölthető, helyben futtatható vonal. Erről bővebben a saját gépen futtatás poszt szól.
Öt felhasználási eset, öt ajánlás
- Fotorealizmus — a rangsorok éllovasa, vagyis az OpenAI képmodellje; alternatívaként a Google generalistája. Ha valódi fotóra hasonlító képet akarsz, itt a legkisebb a kockázat.
- Grafika, illusztráció, ikon — Recraft, a vektoros kimenet miatt. Nem azért, mert szebb, hanem mert az eredményt utána tényleg tudod szerkeszteni.
- Tipográfia, felirat a képen — a Microsoft képmodellje vezeti a szöveg- és jelszerkesztési kategóriát. De a valódi tanács továbbra is az, hogy a feliratot utólag tedd rá.
- Termékkép — az azonosságmegőrző szerkesztésben vezető modell (a ByteDance családjából), vagy az OpenAI csúcsváltozata. Fenntartással: a szigorú hűségmérésekben egyik sem megy 30 százalék fölé.
- Nyílt forrás, helyi futtatás — a FLUX kisebb, megengedő licencű változata és a Qwen-Image húszmilliárdos modellje. Ez a két igazán korlátozásmentes választás.
Amit a rangsorok nem mondanak meg
A független Elo-pontszámok hasznosak, mert vak emberi szavazatokon alapulnak — de három dolgot nem mérnek. Az egyik a munkamenet: egy eszköz, ami gyorsan ad húsz variációt és könnyen újrafuttat, a gyakorlatban jobb lehet, mint egy magasabb pontszámú, de körülményes.
A másik a stílus: a rangsor átlagos preferenciát mér, a te márkádnak viszont konkrét képi világra van szüksége. A harmadik pedig az elérhetőség: egy modell, ami nálad nem elérhető, vagy csak céges csomagban, nem opció. Ezért érdemes a rangsort kiindulásnak venni, és két-három eszközzel lefuttatni ugyanazt a tíz promptot.
A tulajdonjog, ami eszközönként más
Ez a leggyakrabban kihagyott szempont, pedig üzletileg ez a legfontosabb. A szolgáltatói feltételek négy nagyon eltérő megoldást adnak.
- Van, ahol a szolgáltató átruházza rád minden jogát a kimenetre — azzal a megjegyzéssel, hogy másnak is generálhat hasonlót.
- Van, ahol az árbevételhez kötött: bizonyos éves bevétel fölött csak a drágább csomagban tiéd a kép.
- Van, ahol az ingyenes csomagban keletkezett kép a szolgáltatóé, nyilvános galériába kerül, és kereskedelmileg nem használható.
- És van, ahol a szolgáltató kimondottan nem formál igényt a képekre, csomagtól függetlenül.
Ehhez jön az, hogy a szolgáltatói feltétel nem ugyanaz, mint a szerzői jog: attól, hogy a szolgáltató „neked adja" a képet, még nem keletkezik rajta szerzői jog. Erről a kép tulajdonjoga poszt szól részletesen.
Hogyan válassz tíz perc alatt
1. Írj le HÁROM valódi feladatot, amit a következő hónapban tényleg csinálnál.
Nem "szép képeket" — konkrétan: termékfotó fehér háttérrel,
blogborító, közösségi poszt felirattal.
2. Válassz két eszközt a fenti listából, a feladathoz illőt.
3. Futtasd le mindkettőn ugyanazt a három feladatot, ugyanazzal a prompttal.
4. Ne a legszebb képet nézd, hanem azt, hogy TÍZBŐL HÁNY használható.
Ez a szám dönt, nem az egyetlen szerencsés találat.
5. Nézd meg a feltételeket: kié lesz a kép, és mit tehetsz vele.
Ez a lépés kerül a legkevesebb időbe és okozza a legtöbb kárt, ha kimarad.
Tipikus félreértések
- „A legjobb modell mindenre a legjobb." A kategóriánkénti bontás pont az ellenkezőjét mutatja: a szerkesztés, a tipográfia és a helyreállítás más-más modellhez tartozik.
- „Ha nyílt, akkor szabadon használható." Nem. A letölthető modellek egy része kifejezetten nem kereskedelmi licencű — változatonként eltér.
- „A rangsor a képminőséget méri." Emberi preferenciát mér, ami nem ugyanaz. Egy hűségmérésben a sorrend akár meg is fordulhat.
- „A régi kedvencem még mindig a legjobb." Ezen a piacon kilenc hónap alatt cserélődik a mezőny. A rendszeres újramérés olcsóbb, mint a rossz eszköznél maradni.
Amit érdemes elvinni
Ne a legjobb eszközt keresd, hanem a feladatodhoz illőt — és a döntést a tíz promptból hány használható kérdés alapján hozd meg, ne egy szerencsés képből. Amire pedig mindenképp szánj öt percet: a szolgáltatói feltételek tulajdonjogi része. Ha régi fotókat is kezelnél, arra külön eszközosztály való, erről a felnagyítás és a helyreállítás poszt szól, a mechanizmus megértéséhez pedig a diffusion model magyarázata a kiindulás.