与 Midjourney 相关的资讯，按发布日倒序。
Midjourney Alpha 9/16 更新：新增韩文语言界面支持
Midjourney Alpha 9/16 更新：新增韩文语言界面支持；V8.2 编辑器改进——图片附件提示词输入框进入提示词栏（图文混合提示更流畅）、Draft 批次显示来源网格与悬停预览、Enhance 按钮替代原 Upscale 按钮；移动端与平板端布局重新适配，触控体验优化。
该动态揭示了 AI 视觉生成与多模态工具领域的最新进展，对艺术设计研究与实践具有参考价值。
Midjourney V8.2 Edit Mode正式全量开放，在单一界面整合4张参考图输入、画布内绘（inpaint）与外延（outpaint）功能
Midjourney于8月31日将V8.2 Edit Mode推送至全量用户，该界面整合了此前分散于不同入口的多项编辑功能：最多4张参考图可联合输入并分别指定影响权重（人物/风格/色调/构图）；画布内绘（Inpaint）支持框选区域进行局部重绘；外延（Outpaint）支持向任意方向扩展画布；所有操作在统一的网页编辑器界面中完成，无需切换命令模式。V8.2 Edit Mode与HD模式及SREF风格参考保持兼容。
V8.2 Edit Mode将Midjourney的工作流从”一次性生成”升级为”持续迭代编辑”，设计师可在同一图像资产上进行多轮精修而不必重新生图。
测试者用 GPT-4o/Midjourney/SD/Flux 各自完成 8 轮蒙娜丽莎临摹迭代，记录过度修正与风格漂移全过程
AIERA 发布四大主流 AI 图像模型 8 轮迭代临摹达芬奇《蒙娜丽莎》的完整对比实验。每轮迭代以前一轮输出作为参考图输入，记录各模型在多轮反馈后的收敛行为；实验发现所有模型均在 3–5 轮后出现不同程度的”过度修正”现象——对用户指出的局部问题进行过激修正，同时丢失已正确还原的其他区域细节；Midjourney 在色彩还原上表现最稳定，GPT-4o Image 在五官结构精度上领先；文章附有每一轮的输出图像对比与结构相似度（SSIM）量化数据。
多轮迭代中的过度修正现象揭示了当前 AI 图像生成模型在”局部修正+全局一致性保持”上的系统性缺陷，对工作流设计有直接操作指导价值。
Midjourney V8.2 于 7 月 24 日正式成为默认版本，美学表现和 sref 风格板个性化一致性较 V8.1 显著提升，新增 Big Batch Draft Mode 加速风格探索。
Midjourney 于 7 月 24 日将 V8.2 升格为默认版本，结束此前的预览期；与 V8.1 相比，V8.2 在美学表现（尤其人像与光影处理）和个性化一致性（sref 风格板精准度与个性化图片池扩大）方面有显著提升；并新增 Big Batch Draft Mode，支持 --sref random 实现约 24 倍更快的风格空间探索，延续 V8.x 系列与 V7 的不同审美路线。
Midjourney V8.2 成为默认版本意味着课堂演示与工作坊实操的标准生成体验全面更新，sref 风格板一致性提升对「建立专属风格语言」训练有直接价值。
Midjourney 全盘收购天文 App Co-Star，全部 24 名员工加入，创始人 Banu Guler 出任设计总监，信号 Midjourney 独立消费端 App 建设明显提速。
Midjourney 宣布全盘收购 Gen Z 天文 App Co-Star（月活超千万），全部 24 名员工随迁，创始人 Banu Guler 出任 Midjourney 设计总监；外界普遍解读为 Midjourney 加速推进首款独立移动图像应用，同步补充消费者产品设计与用户增长能力；Co-Star 以简洁界面和 Gen Z 用户基础著称。
收购消费端 App 团队并引入专职设计总监，信号 Midjourney 独立移动 App 上线在即，图像生成工具的移动端体验将迎来重要变化。
Springer发表实证研究，分析Midjourney融入高校建筑设计PBL课程的效果，发现弱基础学生在AI辅助下的学习收益显著高于强基础学生，两组均报告正向体验。
Springer期刊发表实证研究，追踪一所中国高校建筑设计专业将Midjourney融入PBL（项目式学习）课程的教学实验，对比AI辅助前后不同基础水平学生的学习成效与体验。数据显示，弱基础学生组在方案迭代速度与最终成果质量上的提升幅度显著高于强基础学生组；两组学生均报告了正向的工具使用体验，但强基础组对AI建议的依赖度明显低于弱基础组。
弱基础学生在AI辅助下受益更显著的发现，对高校AI工具教学策略的差异化设计有直接参考价值，也提示了AI工具在设计教育公平性层面的潜在积极作用。
Midjourney 向法院申请强制迪士尼/环球/华纳兄弟披露其自身 AI 使用情况，以『双重标准』为由反制版权诉讼，发现权博弈将影响 AI 艺术版权判例走向
7 月 4 日，Midjourney 向法院提交申请，要求强制迪士尼、环球影业、华纳兄弟披露其内部 AI 工具的实际使用情况——三家制片公司此前正在起诉 Midjourney 未经授权使用受版权保护的训练数据。Midjourney 的反制逻辑是：同一批起诉 AI 图像生成公司的好莱坞巨头本身也在使用 AI，存在「双重标准」。消息由 TechCrunch、Engadget、Variety、ArtNet News 等英文 5+ 信源同步报道。
AI 版权诉讼从「被告方被动应诉」转向「主动要求原告披露 AI 使用」，发现权（discovery）博弈的走向将直接影响 AI 艺术创作版权归属的司法先例建立。
Midjourney V8.2 预览版可通过 --preview 参数提前体验，主要强化非 V7 审美风格路线、提升 Sref 风格板一致性；目前尚在开发阶段，表现不保证稳定，与 V8.1 Draft Mode 并行可用。
Midjourney 推出 V8.2 预览版，用户可在生成指令中添加 --preview 参数提前体验。V8.2 的主要方向是进一步强化有别于 V7 审美风格的路线，同时提升 Sref 风格板的跨提示词一致性。官方说明该版本仍处于开发中，生成表现尚不稳定，与现有的 V8.1 及 V8.1 Draft Mode 并行运行，用户可按需切换。
在 V8.1 已稳定运行的同时开放 V8.2 预览参数，提供了一种对比评估不同版本审美风格走向的实验通道，对视觉风格研究与提示词教学具有一定参考意义。
Midjourney V8.1 成默认版本，速度提升约 4–5 倍，支持原生 2K 输出。
Midjourney 于 6 月 10 日将 V8.1 设为全平台默认版本，标准任务速度较早期版本提升约 4–5 倍，支持原生 2K 高清输出（无需额外放大步骤），Prompt 理解精准度同步升级。
出图速度与分辨率直接影响演示与实操节奏；提速约 4–5 倍、原生 2K 降低了高清出图的额外步骤。使用 Midjourney 的现有教程截图可能需要相应更新。
Niji V7 发布，动漫/插画风格连贯性与 sref 风格参考全面升级。
Midjourney Niji V7 于 6 月 10 日正式发布，针对动漫 / 插画风格做大规模优化，提升了跨场景角色连贯性、画面文字渲染准确率以及 sref 风格参考稳定性。
插画、漫画、动漫美术方向可直接升版测试，sref 风格锁定更稳意味着系列作品的风格一致性得到改善，适合作为 AI 辅助插画的演示素材。
多方深度评测显示 Midjourney V7 人物一致性达 88%，图内文字实现可读渲染，较 V6 在角色连贯性和排版精度上有显著提升。
多家媒体于 2026 年 6 月 8 日前后发布 Midjourney V7 深度评测结果：人物一致性综合得分约 88%（在相同角色跨场景生成中），图内文字渲染首次达到可阅读水平；与 V6 相比，角色面部和服装在不同提示下的连贯性、构图精度均有可量化提升，三源以上媒体报道确认上述数据。
V7 的人物一致性与文字渲染能力提升，直接影响角色设计、品牌视觉和绘本插画等教学场景的可用性，是评估 Midjourney 教学用途的重要参照节点。