3.1 Krajobraz modeli: mapa bez marketingu

Spójność tożsamości mieszka niemal wyłącznie w ścieżce referencyjnej i edycyjnej. Workflow generujący od zera, bez warunkowania tożsamości, będzie dryfował niezależnie od tego, jak dobry jest model. Jeśli łapiesz się na tym, że losujesz prompt czterdzieści razy, żeby dostać tę samą twarz, problem nie leży w modelu — to ty prosisz sampler o zadanie wyszukiwania.

Obie kategorie się liczą i obie są ci potrzebne. Rozdział 4.2 mówi, kiedy użyć której. Tu chodzi o to, że oceniając model, pytasz najpierw, do którego z tych dwóch zadań jest, bo model znakomity w jednym często jest słaby w drugim.

Rodziny modeli obrazu według roli

Pogrupowane po zadaniu, które wykonują, z licencjami, które mają znaczenie. Licencje to ta kolumna, którą ludzie ignorują, dopóki nie zacznie kosztować — rozdział 11.4 wyjaśnia dlaczego.

Dwie obserwacje do tej tabeli.

Kolumna permisywnej licencji rozstrzyga o tym, czy jesteś właścicielem artefaktu tożsamości. Rozdział 4.5 każe ci trenować LoRA. LoRA wytrenowana na bazie niekomercyjnej dziedziczy ograniczenie, co znaczy, że plik w centrum twojego biznesu nosi licencję, której możesz nie móc użyć komercyjnie. Przeczytaj licencję modelu bazowego przed treningiem, nie po.

Pozycje tylko-API nie są wymienne z otwartymi. Dają jakość z czołówki i zero kontroli. Nie wytrenujesz na nich w sposób, który daje przenośny artefakt, nie uruchomisz ich offline i nie zatrzymasz ich, gdy dostawca zmieni cenę albo wycofa produkt — co, zgodnie z rozdziałem 0.2, nie jest hipotezą.

Modele wideo

Wideo to miejsce, w którym mieszka koszt na asset, i w którym ryzyko dostawcy jest najwyższe, bo jeden wycofany API może zabrać ze sobą cały kalendarz treści.

Kolumna kosztu jest powodem, dla którego rozdział 7.3 buduje bramkę zatwierdzenia przed renderowaniem. Przy $0,40 za sekundę 30-sekundowy klip kosztuje $12, zanim cokolwiek opublikujesz, a ponowny render podwaja tę kwotę. Przy $0,05 za sekundę w wariancie Lite ten sam klip kosztuje $1,50. Różnica jakości między wariantami jest realna, podobnie jak różnica między wygenerowaniem dziesięciu wersji a dwóch.

Opcje wideo na otwartych wagach istnieją i tylko je możesz uruchomić bez zgody dostawcy. Są wolniejsze, wymagają sprzętu z 3.3 i w większości konfiguracji dają krótszą efektywną długość klipu. Są też jedynym ubezpieczeniem ciągłości, jakie masz dla wideo, dlatego rozdział 12.4 rozkłada zależność w czasie.

Oś druga: otwarte wagi albo hostowane API

Druga decyzja — ta, w której uczciwa odpowiedź zależy od skali, a nie od preferencji.

Wybierz API, gdy: produkujesz mniej niż około 30 opublikowanych assetów miesięcznie, nie masz GPU i nie chcesz go mieć, wciąż szukasz wyglądu persony albo jakość z czołówki konkretnego modelu jest sednem treści. API zdejmuje z ciebie całą kategorię pracy utrzymaniowej, która nie ma nic wspólnego z tworzeniem treści.

Wybierz otwarte wagi, gdy: produkujesz więcej niż około 100–200 generacji miesięcznie, twoja strategia tożsamości wymaga treningu i kontroli referencji, potrzebujesz, żeby wynik zostawał na twoim sprzęcie, albo — prawdziwy powód, dla którego większość operatorów się przełącza — koszt generacji w API stał się pozycją, której nie jesteś już w stanie udźwignąć.

Rachunek, który to rozstrzyga, jest prostszy, niż wygląda, i zawiera jeden nieoczywisty składnik.

Koszt na opublikowany post, nie koszt generacji. Rozdział 0.4 go definiuje, a powód ma tu znaczenie: ponowienia. Subskrypcja albo lokalna konfiguracja o stałym koszcie pochłania ponowienia. API rozliczane za użycie mnoży je. Jeśli twój workflow potrzebuje ośmiu prób, żeby dostać jeden użyteczny obraz, wywołanie w agregatorze za $0,36 staje się $2,88 użytecznego wyniku, a subskrypcja za $10/mies. bez limitu prób zostaje na $10. Dwóch operatorów z identycznymi pipeline'ami i różnymi modelami rozliczeń ma podstawy kosztów różniące się o rząd wielkości, a różnica leży w całości w tym, jak ich dostawca rozlicza porażkę.

Jedno porównanie warte zapamiętania. Subskrypcja ogólnego przeznaczenia za około $10 miesięcznie wychodzi na około $0,006 za obraz przy 1000 obrazów, wobec około $0,36 za obraz przez typowe API agregatora — czynnik około sześćdziesięciu. [AS OF 2026-10] Agregator jest wygodniejszy, daje jedną relację rozliczeniową i jedną powierzchnię API, i kosztuje tyle, ile kosztuje wygoda. Żaden z nich nie jest zły. Chodzi o to, żeby wiedzieć, który kupiłeś.

Cloud GPU to trzecia ścieżka i często właściwa pierwsza. Wynajęcie maszyny klasy 4090 kosztuje około $0,50 do $2,00 za godzinę na RunPod, a vast.ai jest powszechnie podawany na około jedną trzecią tego, z dużo większym tarciem przy konfiguracji. [AS OF 2026-10] Trening LoRA kosztuje około $2 przy bazowej cenie treningu w fal.ai i zajmuje od dwóch do siedmiu godzin, co znaczy, że kampania treningowa na wynajętym sprzęcie liczy się w jednocyfrowych dolarach. [AS OF 2026-10] Wynajmij, zanim kupisz. Rozdział 3.3 liczy próg opłacalności zakupu.

Zasada jednej rodziny

Oto zasada, która oszczędza najwięcej czasu i jest najmniej lubiana, bo brzmi jak ograniczenie jakości.

Wybierz jedną rodzinę modeli i zostań w niej dla wyglądu persony.

Powód jest mechaniczny. Każda rodzina ma własną przestrzeń latent, własne zachowanie przy trzymaniu się promptu i własne statystyczne wyobrażenie o tym, jak wygląda twarz w danym wieku i w danym świetle. Adapter tożsamości wytrenowany dla jednej rodziny nie wczytuje się w inną. LoRA wytrenowana na SDXL nie jest LoRA dla FLUX. A kiedy przeplatasz rodziny w kalendarzu treści, szwy widać w feedzie: linia żuchwy się przesuwa, faktura skóry zmienia charakter, sposób, w jaki model renderuje światła w oczach, się zmienia.

Twoja publiczność tego nie nazwie. Poczuje to, a to uczucie brzmi „to konto nie jest osobą" — jedyne wrażenie, na które nie możesz sobie pozwolić w kategorii zbudowanej na spójności.

Zasada w praktyce:

• Jedna rodzina dla generowanego wyglądu persony. Wszystko publikowane w tym rejestrze pochodzi z niej.
• Jeden model edycyjny/referencyjny, w tej samej rodzinie, jeśli to możliwe, do wariacji i ciągłości.
• Inne modele są dozwolone do pracy poza twarzą persony — nakładki graficzne, typografia, b-roll, tła, miniatury.
• Zmiana rodziny to projekt, nie ustawienie. Oznacza ponowne rozstrzygnięcie wyglądu i ponowny trening artefaktu tożsamości. Rozdział 12.4 mówi, kiedy warto to zrobić.

Gdzie to się psuje

Gonienie za rankingami. Leaderboard mówi, który model wygrywa konkurs, a nie który utrzymuje twarz przez dwieście assetów na licencji, pod którą możesz sprzedawać.

Mieszanie rodzin, żeby dostać „to, co najlepsze z każdej". To, co najlepsze z każdej, przychodzi z widocznymi szwami i tożsamością, która się nie ustabilizuje. Jedna rodzina wybrana świadomie bije pięć wybranych przez benchmark.

Trening na bazie, której licencja zabrania planowanego przez ciebie użycia komercyjnego. To najdroższa wersja nieczytania, bo ponowny trening i migracja kosztują więcej, niż model kiedykolwiek kosztował.

Kupowanie karty przed wynajęciem. Wynajmij na miesiąc, zmierz realną skalę i realny koszt na post, i pozwól, żeby rozstrzygnęły liczby z 3.5.

Traktowanie agregatora jako strategii. Agregator to relacja rozliczeniowa. Nie daje kontroli, przenośności ani niższego kosztu na opublikowany post.

Wiara, że aktualizacja modelu naprawi niespójność. Spójność jest właściwością workflow. Aktualizacja zmienia piksele, nie metodę, a metoda żyje w rozdziale 4.2.

Bramka

1. Którą rodzinę wybrałeś i jaka jest licencja jej bazy?
2. Którego modelu używasz do generowania, a którego do edycji referencyjnej?
3. Jaka jest twoja miesięczna liczba generacji i po której stronie progu API kontra lokalnie jesteś?
4. Ile kosztuje cię dziś jeden opublikowany post, po ponowieniach?
5. Który pojedynczy dostawca, gdyby zniknął jutro, zabrałby ze sobą twój kalendarz treści?

Z czym wychodzisz

Dwie osie, które porządkują cały rynek, mapa rodzina po rodzinie z wypełnioną kolumną licencji, model kosztu, który rozstrzyga API kontra lokalnie — łącznie z ponowieniami — i jedna zasada warta więcej niż reszta: jedna rodzina, wybrana świadomie, zmieniana tylko jako projekt.