Midjourney

Mj High Variation

Midjourney按次計費
Alias:mj_high_variation

Midjourney 强变体沿着已有图片的主题探索更明显的视觉变化,适合比较大胆的构图、造型和场景方案。

Midjourney强变体
起始價格
按次計費
上下文
—
最大輸入窗口
模態
→

Pricing by Supplier

比較同一模型在不同供應商的價格與服務表現。

供應商1
USD · 每 請求效能 · Last 24 hours
供應商價格/請求
标准按次

图片音频视频等多模态按次计费

$0.025
刪除線金額為標準價。效能統計涵蓋最近 24 小時,實際表現隨請求變化。

左右滑動表格,查看完整價格與效能。

能力 / 支援的模態

函數呼叫工具JSON 模式結構化輸出視覺
輸入
輸出

廠商與數據私隱

供應商
Unknown
分詞器
BPE (vendor-specific)
許可證
Provider-specific未知
數據保留15 日預設不會用於上游訓練

效能

基準測試

標準化評測得分。百分比越高越好,並展示排名百分位。

指標來源:Artificial Analysis 2026-09-30·Mj High Variation

目前基準快照不包含此模型。

缺少模型或測量值不代表零分。

基準圖表保留來源中的模型選擇和推理設定。缺少模型或測量值不代表零分,基準成本或速度也不是本站的服務承諾。

About Mj High Variation

为选定创意打开更多方向

强变体适合“主题已经对了,但还想看看其他可能”的创作阶段。选定一张 Midjourney 图片后,它会围绕主要概念生成新的视觉方案,变化可以涉及整体安排和画面细节。做概念场景、插画方向或海报视觉初选时,可以先用它拉开方案差异,再挑出值得细化的一张。

强变体的变化幅度较大,原图里喜欢的面部、道具或布局也可能被重新解释。因此,选图时既要看新鲜感,也要重新检查主体是否仍符合需求;满意的原图应另外保存,便于回到先前方向。

想换掉主题该怎么做?

普通强变体从源图继续发展。若还要修改文字提示,需要使用支持 Remix 的操作流程;直接发一段新描述并不能替代源任务和变体动作。

画面已经接近定稿,适合用吗?

接近定稿时,小幅变体或局部编辑更容易控制调整范围。强变体更适合继续寻找方案,而不是只修一处边缘或保持所有细节。

Use cases and prompting

在已完成的 Midjourney 任务中选定一张图片,取得对应的 Vary Strong 动作,再用源任务信息发起强变体。

例如已经得到一张“海上漂浮城市”的概念图,想比较更有张力的空间关系,可以先做一轮强变体,观察建筑轮廓、城市层次和视觉重心怎样变化。此步骤主要依赖选定图片,无需把场景描述当成新的独立绘图请求。

对比结果时保留主题清楚、轮廓好读的一张,再继续细化。如果需要把白天改为夜景,应使用当前渠道支持的 Remix 流程修改提示词后再生成。

API access

API 介面文件

mj_high_variation

請查看對應文件,了解此模型的請求參數與呼叫範例。

身份驗證

所有請求必須攜帶 Authorization: Bearer <TOKEN> 請求頭。Anthropic 格式的端點也接受 x-api-key 請求頭。

在「令牌」頁面生成 API Key,可以按模型、分組、IP、速率等維度精細化授權。

速率限制

供應商RPMTPMRPD
标准按次無限制無限制無限制

無限制

Frequently asked questions about mj_high_variation

What is mj_high_variation?

Midjourney 强变体沿着已有图片的主题探索更明显的视觉变化,适合比较大胆的构图、造型和场景方案。

How do I call mj_high_variation?

Create an API key with access to mj_high_variation, then use the exact model ID and a supported endpoint from the API access section. Request fields depend on the selected endpoint.

How is mj_high_variation priced?

Pricing depends on the selected provider group and the model billing unit. The current input, output, request, or media prices are shown on this page before sign-up.

How should I evaluate mj_high_variation for my project?

Start with the use cases and prompting guidance on this page, then evaluate the model with representative inputs from your project.