Midjourney

Mj Low Variation

Midjourney按次計費
Alias:mj_low_variation

Midjourney 轻微变体围绕已接近目标的图片生成小幅变化,适合保留整体方向,比较更满意的细节版本。

Midjourney轻微变体
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28 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 Low 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 Low Variation

在满意的方向上继续挑选

轻微变体适合画面已经接近要求、仍想比较几个相近版本的时候。它以选定图片为基础,做幅度较小的细节变化,帮助你在相似的构图与视觉方向中寻找更协调的结果。插画定稿前、产品概念图筛选或场景氛围细化,都可以采用这种迭代方式。

操作依赖源任务和具体图片的变体动作。选择最接近目标的图再继续,比在尚未确定方向时不断做小变化更有效。每轮可以并排比较主体轮廓、局部纹理、画面平衡与细节完整度,再决定保留哪一版。

能指定只改一个物体吗?

轻微变体并不划定局部编辑范围。若目标是准确替换桌上的杯子或移除某处杂物,应使用带选区的局部重绘;变体更适合在整体相近的候选图中做选择。

为什么人物细节仍会变化?

变化幅度较小不代表逐像素保持。人物五官、饰品和纹理仍值得逐项查看。需要明显改变布局时,可改用强变体;想改写主题描述,则通过支持 Remix 的流程操作。

Use cases and prompting

找到已完成任务中最满意的一张图片,使用其 Vary Subtle 动作发起轻微变体。无需先编一段新的绘图提示;源图和动作信息才是这次操作的依据。

例如为一张“陶瓷香薰瓶与干花”的静物图寻找更协调的版本,可比较新结果中的瓶身轮廓、花枝排列、桌面纹理与留白。保留画面整体关系最好的候选,再决定是否放大。

若只想修正瓶口的一处缺陷,转为局部重绘会更直接;若所有候选的构图都不合适,应先调整整体创作方向。

API access

API 介面文件

mj_low_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_low_variation

What is mj_low_variation?

Midjourney 轻微变体围绕已接近目标的图片生成小幅变化,适合保留整体方向,比较更满意的细节版本。

How do I call mj_low_variation?

Create an API key with access to mj_low_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_low_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_low_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.