2026 年 7 月。我在 Stable Diffusion 里泡了三年：ControlNet 锁姿势、给手部刷 inpaint 蒙版、五十个负面提示词保住人脸，还有半打自己都记不清用途的 LoRA。那套流程没死，但已经不是默认选项了。DALL-E 3 在 2026 年 5 月 12 日退役（Azure 版 3 月 4 日就停了）。GPT Image 2 四月 21 日上线，现在守在 Image Arena Elo 1512，领先第二名 242 分，是这份榜单史上最大的差距。nano-banana-2 以 $0.067 一张的价格把文字画对 99%。FLUX.2 继续开源。从 SD 时代迁往 2026 范式，重点从来不是哪个模型"最好"，而是 SD 逼你手动做的三件事，现在不用做了。
SD 逼你手动做的三件事（2026 不用了）
1. 文字渲染：从乱码到 99%
SD 时代，图里出现文字就是乱码。SD 3.5 在复杂文字上的准确率也只有六成上下：模型把文字当纹理学，不是当符号学。于是你的流程是 SD 出图、导出、打开 Photoshop 打标题、标签、价签。两个工具、两次导出、一道恼人的缝。
2026 年这道缝基本消失了。GPT Image 2 在英文、中文、日文、韩文和数字上做到 99%：海报标题、UI 原型标签，写对就是写对。nano-banana-2 用零头的价格做同样的事：$0.067 一张，对上 GPT Image 2 高质量档的 $0.211。原因是架构而不只是规模：新模型把文字当序列里的离散 token，是"写"字，不是"画"一个文字形状的图案。
2. 指令遵循：从咒语到对话
SD 提示词是咒语。(cinematic:1.3), (sharp focus:1.2), masterpiece, best quality, 8k，再配一张购物清单长度的负面提示词驱赶多手指和水印。三十连抽换一张能用的图，因为扩散没有全局规划：它一个像素一个像素地降噪，指望元素自己落对位置。
2026 年的模型听得懂人话。GPT Image 2 画之前先推理：规划构图、检查空间约束、能拉实时网页参考。你说"五个人围一桌，左边的女士端红色马克杯，中间的男士在笑"，出来的就是这句话。nano-banana-2 一帧能稳住 5 个一致角色和 14 个独立物体。提示词不再是咒语，是一句话。
3. 修改：从蒙版到自然语言
在 SD 里修一张脸：开 inpaint、刷蒙版、祈祷 seed 别变。ControlNet 给了姿势和深度锁，但每次修改都是手动流水线：这里刷蒙版、那里重摇、再开第三个工具融合。强大，但慢。
2026 年是传图上去说"外套改绿色，其他都别动"。GPT Image 2 的注意力冻结编辑在重写区域时按住画面其余部分。nano-banana-2 同样用自然语言改图。对多数活儿来说，蒙版笔刷在吃灰。
退役通知
两个日期值得钉死，因为总有人记错。Azure OpenAI 在 2026 年 3 月 4 日退役 dall-e-3，存量部署当天失效。OpenAI 在 5 月 12 日终止 DALL-E 2 和 DALL-E 3 支持。如果你把 DALL-E 3 放在生产里，要么已经迁移，要么已经停摆。
Stable Diffusion 3.5 和 SDXL 还在，依旧开源，依旧可以本地免费跑。ControlNet、LoRA、inpaint 都能用，像素级控制依旧一流。但重心移走了。SD 现在是专家工具，不是默认选项。它不擅长的事（文字、指令、快速修改），恰好是新模型生来要修的事。
各个 2026 模型落在哪（迁移视角）
排名这里不排，另有专文。对迁移来说，三个落点重要：
- GPT Image 2（ChatGPT Image 2）：推理优先的领头羊。Arena Elo 1512，单遍自回归，一条提示最多 8 张风格一致的图，原生 2K 可放大。按质量档计价（$0.006 Low / $0.053 Medium / $0.211 High 一张。任务里有文字、排版或分层指令时用它。
- nano-banana-2（Gemini 3.1 Flash Image）：成本-速度打法。$0.067 一张，推理 1.5 秒内，原生 4K，2026 年 2 月上线即拿下 Arena T2I 第一（现居第二，落后 GPT Image 2）。7 月 1 日上了 $0.034 一张的 Lite 档，管大批量。要快、要便宜、要上千张时用它。
- FLUX.2（Black Forest Labs）：开源钉子户。dev 版 32B 参数，klein 4B 是 Apache 2.0，可自托管。要像素级控制、要离线隐私、要零单张费用时用它：想继续持有整条管线的 SD 难民，落点是这里。
更底层的转变：从"美术课"到"语言课"
比榜单更重要的是这件事。十年里，图像生成是扩散，是"美术课"：模型学着把像素降噪到目标。2026 年的头牌模型是自回归、由 LLM 领队的"语言课"：推理层先规划场景，然后才画第一个像素。GPT Image 2 把一个 GPT-5 级语言模型焊在图像头上；nano-banana-2 继承 Gemini 3.1 的语言理解。
和 Claude Fable 5 冲上 Arena 第一（Intelligence Index 60、SWE-Bench Pro 80.3%、$10/$50 每百万 token）、GPT-5.6 Sol 跑出 Terminal-Bench 88.8%（$5/$30）、Qwen3.7 Max 拿下 AA 56.6（全球第五、国内第一）是同一次推理跃迁。这次跃迁进了图像模型。图像的指令遵循，就是语言指令遵循的渲染版。所以差距不在缩小，在拉大：会思考的模型正在甩开只会画的模型。
x-rush 在这次迁移里的位置
SD 输掉的那些活儿，x-rush 的 Image Studio 是免管线选项：自然语言描述图像，Workflow Copilot 补全生成说明，积分价格（一张 1 积分）在执行前锁死。结果按批次留在项目里，你喜欢的那张不会因为重摇而丢。2026 年 10 月起，Studio 渲染用的是 Nano Banana 2.1——正是这篇反复绕回来的"提示词说什么就出什么"的那一端。
本地控制是它唯一不替代的东西。ControlNet 级的姿势锁、离线隐私、免费批量生成，仍然是 SD 的地盘。下面的迁移账，按两边都有岗位来算。
要不要迁？
账摊开说：你的活儿涉及图内文字、多对象场景、自然语言修改，或者任何你过去要在 Photoshop 里收尾的事，迁。需要像素级 ControlNet 精度、离线隐私、大规模免费生成，留 SD。我认识的大多数人两边都跑：受控的活儿给 SD，过去吃掉整个下午的活儿给 2026 模型。
迁移不是全有全无。但你工作流里那些和乱码搏斗、为指令重摇、给 inpaint 刷蒙版的部分？那部分已经结束了。