Модели ИИ: карта, оркестрация и почему один и тот же результат требует разных промптов

Два термина из таблицы расшифруем сразу, не откладывая до глоссария. Чекпоинт — это сохранённая версия локальной модели: файл, который можно скачать и подставить вместо «стандартной» версии. LoRA — маленькая дообученная надстройка над базовой моделью. Она настраивает модель под конкретный стиль или персонажа, и переобучать всю модель с нуля для этого не нужно.

Для повседневной работы дизайнеру почти всегда хватает облачных инструментов. Локальные модели имеют смысл в трёх случаях. Проект под NDA, и отправлять что-либо на внешние серверы нельзя. Нужен очень специфичный визуальный стиль через свою LoRA-модель. Или объём генераций настолько большой, что подписки обходятся дороже собственной видеокарты.

Частый вопрос в начале пути: «а сколько это вообще стоит и почему у меня кончились сообщения». Ему посвящена тема «Тарифы и лимиты» в главе «Справочник».

Главное, что нужно запомнить: «GPT», «Gemini» и «Claude» — это модели разных компаний, а не синонимы слова «нейросеть». У них разный характер ответов, разная длина ответа по умолчанию и разная склонность задавать уточняющие вопросы. Попробуй один и тот же промпт в двух-трёх моделях и сравни тон и структуру ответа.

Одна оговорка к таблице. «Диффузионная» — это про то, как модель рисует, а не про то, как она понимает текст. Диффузионными остаются и Flux, и Imagen от Google, и обе понимают промпт на естественном языке. Практическая граница проходит по способу управления: параметры и флаги против разговора. Её и держи в голове при выборе инструмента.

Возьмём одну задачу: «объёмная иконка папки для мобильного приложения: синий матовый пластик, мягкий свет сверху слева, тень под предметом, лёгкие рефлексы на гранях, белый фон». Вот как выглядит рабочий промпт для неё в разных инструментах и почему он разный:

Midjourney (описательная фраза + параметры):

3D folder icon for a mobile app, matte blue plastic, soft studio light from the top left, soft contact shadow, subtle reflections on the edges, white background --no text, outlines --raw --ar 1:1

Начиная с V7 Midjourney нормально понимает обычные описательные фразы, и писать «теги через запятую» больше не обязательно. Но это всё ещё не собеседник. Промпт описывает картинку, а не ставит задачу: «сделай три варианта и выбери лучший» не сработает. Отрицания надёжнее выносить в параметр --no. Технические требования задаются флагами через --: --raw — без фирменной стилизации, --ar — пропорции. На сайте midjourney.com промпт вводится в обычное поле, в Discord перед ним ставится команда /imagine. Версию модели указывать не нужно, по умолчанию используется актуальная.

Stable Diffusion (локальная диффузионная модель, ComfyUI/Automatic1111):

Prompt: 3d icon, folder, mobile app icon, matte blue plastic, soft studio lighting, soft shadow, subtle edge reflections, white background, high quality
Negative prompt: flat, cartoon, outline, lowres, blurry, watermark, text
Steps: 30, CFG Scale: 7, Sampler: DPM++ 2M Karras, Size: 1024×1024

Здесь появляется целый набор понятий, которых нет в облачных инструментах: negative prompt, CFG Scale, Steps, Sampler. Всё это указывается вручную. У локальной модели нет «здравого смысла» вокруг промпта, только сырые параметры генерации.

GPT Image / ChatGPT (мультимодальная instruction-following модель): «Нарисуй объёмную иконку папки для мобильного приложения: синий матовый пластик, мягкий свет сверху слева, мягкая тень под папкой, лёгкие рефлексы на гранях, белый фон, квадратные пропорции.» Никаких флагов не нужно. Модель понимает обычную человеческую речь так же, как в диалоге, и в следующем сообщении её можно попросить «сделай оттенок темнее».

Gemini / Nano Banana: так же, как в GPT Image, промпт пишется естественным языком. Но здесь особенно сильно работает приложенный референс.

Главный вывод: чем «сырее» инструмент (локальная Stable Diffusion), тем больше в промпте тегов, негативных промптов и ручных параметров. Чем ближе он к чат-модели (GPT Image, Nano Banana), тем больше работа похожа на разговор с человеком, включая уточнения в диалоге. Midjourney — посередине: описательная фраза плюс флаги.

Midjourney

Nano Banana

Промпты

Midjourney

3D folder icon for a mobile app, matte blue plastic, soft studio light from the top left, soft contact shadow, subtle reflections on the edges, white background --no text, outlines --raw --ar 1:1

Nano Banana

Нарисуй объёмную иконку папки для мобильного приложения: синий матовый пластик, мягкий свет сверху слева, мягкая тень под папкой, лёгкие рефлексы на гранях, белый фон, квадратные пропорции.

Опытный пользователь редко решает проект одной моделью. Он собирает «оркестрацию»: несколько инструментов, каждый закрывает то, в чём объективно сильнее, а результаты сводятся в одном месте (документе, доске, презентации).

Простой каркас решения, какую модель брать под какую задачу:

• Бриф, текст, структура — GPT или Claude: сильные текстовые модели, хорошо держат структуру.
• Атмосферный визуал, мудборд, концепт-арт — Midjourney: лучшая художественность и стиль.
• Иконка или баннер с точным текстом на изображении — GPT Image или Nano Banana: точно следуют инструкциям и тексту.
• Кликабельный прототип — v0, bolt.new, Claude Code: агентные инструменты, видят весь проект.
• Оживить статичный кадр в видео — Seedance, Runway, Kling, Veo (см. тему «Генерация и монтаж видео»): специализация на движении и камере.
• Актуальные референсы, факты, конкуренты — Claude, Gemini или ChatGPT с включённым поиском: доступ к живому интернету.

Практический пример мультимодельного пайплайна для одной кампании. Бриф и структура текста собираются в Claude → референсы и мудборд ищутся через Gemini с поиском → ключевые визуалы генерируются в Midjourney → лучшие кадры оживляются в видео-модели → все ассеты сводятся и адаптируются под форматы соцсетей в едином документе-хабе (Figma, Notion или подобном). Этот хаб и есть «orchestration hub». Сложный инструмент для него не обязателен: часто хватает одной структурированной доски, куда стекаются результаты всех моделей с пометкой, чем и зачем они получены.

У каждого разработчика не одна модель, а линейка из нескольких размеров, и разница в цене между краями линейки — на порядок. Когда нужен флагман, а когда хватит средней модели, разобрано в теме «Тарифы и лимиты», раздел «Когда нужна большая модель».

Возьми этот Midjourney-промпт (вставить) и перепиши его в обычную человеческую фразу, как будто объясняешь дизайнеру задачу словами.

Вот один и тот же запрос „напиши бриф для лендинга кофейни“ и два ответа на него. Ответ модели A: [вставить]. Ответ модели B: [вставить]. Сравни их по структуре, тону, длине и полноте. Не додумывай того, чего в ответах нет.

Один чат не может запустить другую модель: попроси сравнить сам — и он сочинит ответ за конкурента. Поэтому сначала отправь запрос в обе модели руками, а сюда вставь их ответы.

Вот моя задача: (описать проект). Распиши, какие модели и в каком порядке имеет смысл использовать, и почему именно они.

Вот список моих типовых задач за неделю (вставить). Разложи их по трём классам моделей — компактная, средняя, флагман — и для каждой объясни одной фразой, почему. Отдельно отметь задачи, где более дорогая модель ничего не даст, пока я не улучшу сам промпт