Midjourney V8.1 是什么？为何 2026 年 4 月这次更新如此重要？
Midjourney V8.1 是于 2026 年 4 月 30 日推出的图像生成模型，预设输出 HD 高清图像、速度比 V7 快 4 至 5 倍，并终于让风格参考（sref）与情绪板（moodboard）能稳定运作。对 AI 实战者来说，这代表更少重抽、更低消耗、以及真正可以在整个项目中锁定的参考风格。
如果你只是随意地用 Midjourney，你的提示写法大概从 V6 或 V7 之后就没改过。问题正在这里。V8.1 解读提示的方式不同，会更积极保留细节，并且偏好具体描述而非堆砌关键字。同一条半年前能产出好图的提示，在 V8.1 上会变得平淡而通用。
本文整理 V8.1 中对日常输出品质影响最大的 7 个功能，并在文末附上一条可直接复制粘贴的提示模板，你今天就能在 Midjourney 网页版测试。
HD 模式怎样运作？何时应该使用？
V8.1 的 HD 模式会直接产出原生 2K 分辨率的图像（约 2048×2048 像素），不需要额外的 Upscale 步骤。根据 Midjourney V8.1 官方更新说明，HD 已是预设值，所以每一张标准生成图都已用更高分辨率输出。视觉差异最明显之处是皮肤纹理、布料织纹，以及 V7 在 Upscale 阶段只能勉强模拟的微小环境细节。
代价是 credit 消耗。HD 任务的成本大致等于 V7「标准 + Upscale」的合计，因此和 V7 的工作流程相比，你并非省钱。你省下的是时间，并且不再需要在 Upscale (Subtle) 与 Upscale (Creative) 之间纠结。
建议将 HD 设为预设使用情境：客户简报、Landing Page Hero 图、印刷物料。在纯探索阶段，当你只想跑 20 至 30 个版本来比较构图，可以暂时关掉 HD，用 1K 缩图比较就足够。
Moodboard 与 sref 是什么？如何替你省时？
Moodboard 与 style reference（sref）是 V8.1 中两种「不用文字描述就能告诉 Midjourney 你想要的美学」的方式。Moodboard 是一组你上传一次、可在多个提示中重用的 6 至 20 张参考图。sref 则是一张你以 --sref 参数附加到单一提示的图片 URL 或数字代码。
在 V7 中，sref 与 moodboard 经常飘移。你在一张图上锁定的风格，下一张同一项目的图就可能换掉色彩或灯光氛围。V8.1 修好了这件事。Midjourney V8.1 官方更新中，moodboard 与 sref 的稳定度被列为头条改进。
实战用法：为每个客户品牌建立一个 moodboard，之后每条跑这个品牌的提示都附上这个 moodboard。你不再需要每次都重新描述品牌美学，整批 50 至 100 张图也能维持一致的品牌调性。
什么时候应该开启 Raw 模式？
Raw 模式会剥离 Midjourney 预设的美学滤镜，让模型更直接地照你的提示产出。只要在提示尾加上 --raw，或在网页界面的设定中切换 Raw，就能启用。没开 Raw 时，Midjourney 永远会把输出推向略带电影感的风格化方向，即使你要求的是一张纯粹的产品平拍。
建议开启 Raw 的场景：产品摄影、技术插图、UI 界面样稿、电商 Hero 图，任何 brief 写明「不要艺术诠释」的工作。
建议关闭 Raw 的场景：编辑类插画、品牌形象 campaign、氛围视觉、任何受益于 Midjourney 自家美感的内容。Raw 关闭加上明确的 sref，通常是编辑类工作的最佳组合，因为 sref 提供风格，而 Raw 关闭保留了 Midjourney 自然的光感触觉。
如何用 Omni Reference 锁定角色一致性？
Omni Reference 是让你在多张图中重复使用同一个人、动物或物件的功能。你以 --oref [图片URL] 附上参考图，并用 --ow [0-1000] 设定强度。预设 omni-weight 约为 100。想要强力锁定角色，可推到 400 至 600；只想要参考影响氛围但不限制脸型，可降到 25 至 75。
2026 年实战者最常遇到的使用场景：替内容系列建立一致的虚构角色、UGC 风格的广告 campaign、解说型短片。在 Omni Reference 之前，你需要在 Stable Diffusion 上做 LoRA 训练，或用 Sora 上传自订角色。V8.1 把角色一致性变成一行参数的事。
测试方法：取一张你拥有使用权的人像照，上传到 Midjourney，然后跑 "professional headshot of [subject] at a tech conference, soft lighting --oref [你的图片URL] --ow 500 --ar 3:4"。多次重抽后脸型应该保持一致。
新版 Describe 功能如何改变反向工程提示？
Describe 是 Midjourney 的功能，你上传一张图，它回传四条能产出类似图的提示建议。V8.1 更新后的 Describe，会以 V8.1 偏好的自然语言句式来写提示，而不是旧版那种「关键字, 关键字, 关键字」的标签堆叠格式。
这件事的重点在于 V8.1 的提示解析器偏爱描述性句子而非标签组合。旧版 Describe 给你的是 "woman, reading, cafe, sunlight, warm, cozy"，V8.1 会把它读成扁平清单。新版 Describe 给你的是 "a woman reading in a sun-lit cafe corner, late afternoon light angling through tall windows"，V8.1 会解析其中的空间关系与光线方向。
建议：找三张你觉得「真希望是我做的」的竞品图，分别跑 Describe，研究输出中的自然语言结构。你自己的提示应该模仿这个句式。输出品质的改善会立刻见到。
V8.1 在 2026 年真正有效的提示结构是什么？
V8.1 可稳定产出可用结果的提示公式遵循五段顺序：主体、动作、环境、光线、参数。每一段是短描述句，不是单一关键字。模型把顺序视为重要性，所以最关键的视觉元素要放在最前面。
下次打开 Midjourney 时试试这条模板：
立即试试这条提示：
A confident Hong Kong businesswoman in a tailored navy suit, presenting a slide deck to a focused team, modern glass-walled conference room overlooking Victoria Harbour at golden hour, warm directional sunlight from camera-left casting long shadows, shallow depth of field, photorealistic --ar 16:9 --s 250 --sref [你的moodboard代码] --raw
留意结构：主体（女性主管 + 服装细节）、动作（简报）、环境（玻璃墙会议室、维港景）、光线（黄金时段、左侧直射光、阴影）、参数（aspect ratio、stylize、sref、raw）。把细节换成你的 brief，公式依然成立。
V8.1 中实战者仍常犯的错误有哪些？
最大的错误是把 V8.1 当成 V7 来用。三个必须改掉的习惯：把提示塞满逗号分隔的关键字（V8.1 对自然语言解读更好）、所有图都跑 Upscale（HD 已是预设，再 Upscale 等于浪费 credit）、忽视 sref（V8.1 最大的品质飞跃正是 sref 稳定度，不用 sref 等于放弃主要红利）。
第二大错误是忘了 V8.1 在渲染文字上仍然弱。如果图中需要可读的文字、logo 或海报标题，根据社群测试 Midjourney 的拼字错误率仍有 60% 至 80%。任何含内嵌文字的图，建议用 Nano Banana Pro、GPT Image 或 Flux 生成文字层，再把 Midjourney 图当作背景合成。
第三个错误是过度依赖 Stylize 数值。很多 V7 提示用 --s 750 或更高来强推油画感。V8.1 预设美学本身已足够强，Stylize 很少需要超过 250。再推高反而会引入杂讯而非风格。
本周应该如何重建你的 V8.1 工作流程？
花 30 分钟设置两件事，你的输出品质会即时提升。第一，为每个你经手的品牌或内容系列建立一个 moodboard，每个 board 放 8 至 12 张参考图，把 sref 代码存好。第二，把你那条五段提示模板（主体、动作、环境、光线、参数）写下来并重复使用。
完成这两步后，跑一次同 brief 的 A/B 测试：同一条提示 Raw 开 vs Raw 关、Stylize 100 vs Stylize 500、有 sref vs 没 sref。10 次生成内你就能准确判断哪一组组合最能产出你的品牌调性。那个决定就成为你接下来 100 张图的预设提示结构。
Midjourney V8.1 并不是小升级。HD 预设、sref 稳定、Omni Reference 真正可用、自然语言解析四件事加起来，改变了一个熟练操作者在一天内能产出的内容量。本月就重建提示习惯的实战者，每一周都会把这个优势复利下去。懂AI，更懂你 UD相伴，AI不冷。
🚀 准备好建立可量产的 AI 视觉工作流程？
认识功能是一回事，把 Midjourney V8.1 接入一条每周能稳定产出 50 至 100 张 on-brand 图像的工作流程，是另一回事。UD 同行 28 年，帮助香港团队在不破坏既有流程的前提下导入新工具。我们手把手带你完成每一步，从 moodboard 设计到提示模板再到团队交接。
