⌘ K
… 读取采集状态 同步中...
雷

图像生成

AI 画图的最前线：文生图模型迭代、图像编辑能力与创作工具生态的全部动态。

40条精选相关主题AI 视频多模态产品更新

最新精选

第 1–20 条 · 共 40 条
10月11日周日
  1. 量子位 QbitAI76

    Google发布生图模型Nano Banana 2.1，支持4K直出并降价

    Google发布新一代生图模型Nano Banana 2.1，围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性升级，支持4K直出。评测平台Arena显示其较上一代在三项功能上平均提升约61.7分；文本转图像排名第四，多图像编辑第五，单张图像编辑第六。

    推荐理由：这篇报道梳理了模型在画面一致性、中文渲染和价格上的具体变化，并给出实测案例，方便读者判断其在修图工作流里的可用度。

  2. MarkTechPost79

    千问（Qwen）发布 Qwen-Image-2.1-Turbo 8步加速图像模型

    阿里千问（Qwen）团队发布 Qwen-Image-2.1-Turbo，该模型基于 7B 架构，将默认去噪步数从 40 步压缩至 8 步。模型支持 2K 分辨率生成与多参考图编辑，并输出带透明通道的 RGBA 图像，使用 Qwen Research License。

    推荐理由：原文拆解了8步加速机制与API定价，读者可评估其在同架构下的部署成本与效果边界。

10月9日周五
  1. Hugging Face Blog80

    用 ML-intern 构建定制小模型的实战指南

    作者演示了如何使用 HuggingFace 的 ML-intern 智能体在几天内构建 6 个定制小模型，总计算成本约 103 美元。文中详细分享了提示词撰写技巧，包括要求先运行基线测试和烟雾测试，以及为每个任务设置明确的预算上限。案例涵盖柑橘病识别、特定角色 LoRA、视角转换及 4 步推理模型等。

    推荐理由：作者展示了如何用 ML-intern 智能体构建垂直领域小模型，给出了具体提示词结构和成本数据，供读者复刻

10月8日周四
  1. 优设AIGC82

    Nano Banana 2.1 发布，支持 4K 输出且基础生成成本降低

    Google Nano Banana 2.1 发布，支持 1K、2K 和 4K 输出，并把基础 token 单价从每百万 $60 降至 $30。新版强调版式秩序、主体一致性和蒙版编辑，可通过 Gemini App、Flow 和 Google AI Studio 使用。

    推荐理由：原文提供了新模型的分辨率、价格变化和接入方式，读者可以据此判断它适用于哪些生成工作流。

10月7日周三
  1. AI HOT78

    Google Nano Banana 2.1 图像模型上线

    Google 在 Google AI Studio、API 和 Gemini 上线 Nano Banana 2.1 图像模型，官方称其具有更高的事实性、视觉保真度和多轮一致性。Nano Banana 2.1 在 API 上线，输入与文本生成成本比原版本高 2.5 至 3 倍，图像输出成本降低 50%，4K 图像每张消耗 2520 tokens 成本 0.076 美元。

    推荐理由：原文给出了多分辨率 token 消耗与定价对比，读者可以据此评估不同尺寸图像的成本变化。

10月6日周二
  1. Google Gemini API Release Notes71

    Google 发布 Gemini Nano Banana 2.1 并弃用 Nano Banana 2

    Google 发布 Gemini Nano Banana 2.1（gemini-nano-banana-2.1），提供 1K、2K、4K 分辨率下的 1:4 至 8:1 全景宽高比支持，同时弃用 Nano Banana 2（gemini-3.1-flash-image）。新模型在保持 Flash 级速度与成本效率的基础上，显著提升了视觉质量、提示词遵循度及多轮角色一致性。

    推荐理由：Nano Banana 2.1 在保持 Flash 级速度下提升了画质与文本渲染，为图像生成工作流提供了更高效的选择。

10月4日周日
  1. APPSO66

    Opus 5.5 爆款案例分析：如何平衡直观演示与复杂工程能力

    文章复盘了 Opus 5.5 和 Sonnet 5.5 发布的爆款案例，展示了利用 Claude Code 组织多 Agent 流程生成 MV、3D 游戏及科学演示网页的尝试。作者指出虽然直观 Demo 能迅速展示模型能力，但隐藏了 12 到 30 小时的制作耗时及数百至数千美元的成本，真正的模型评估需兼顾惊艳效果与长任务稳定性及成本控制。

    推荐理由：作者归纳了 Opus 5.5 在生成 MV、3D 游戏及复杂交互演示等案例中的具体应用流程，并探讨了这种直观演示在反映模型真实能力边界上的局限性。

10月2日周五
  1. AI HOT72

    Artificial Analysis 评测 Qwen-Image-2.1 成为两项 AA-Image 榜单开源权重模型第一

    Artificial Analysis 本地部署评测了 9 月 20 日以开源权重发布的 Qwen-Image-2.1，该模型在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排名第 18，为两个榜单上排名第一的开源权重模型，分别超过 Ideogram 4.0 和 HunyuanImage 3.0 Instruct。

    推荐理由：评测给出了Qwen-Image-2.1在图像生成与编辑榜单上的具体排名及与同类模型对比，便于判断开源图像模型的相对能力。

  2. AI HOT74

    Artificial Analysis 评测：Qwen-Image-2.1 成为两个 AA-Image 榜单的开源权重第一

    Artificial Analysis 本地评测阿里 9 月 20 日发布的 Qwen-Image-2.1，该 7B 参数图像模型在 AA-Image-T2I 和 Editing v2.0 榜单上均排名第 18，超越 Ideogram 4.0 和 HunyuanImage 3.0 Instruct 成为第一开源模型。

    推荐理由：原文展示了 Qwen-Image-2.1 在 AA-Image 榜单的排名跃升及与竞品开源模型的横向对比。

  3. AI HOT69

    FLUX 3 Image 登陆 Krea，支持多轮编辑与 4K 生成

    Krea 宣布 FLUX 3 Image 上线其平台，支持多轮编辑而不改变其他像素、使用边界框布局图像以及最高 4K 分辨率生成。该版本允许组合最多 10 个参考图进行合成。

    推荐理由：Krea 上线 FLUX 3 Image，列出多轮编辑与 4K 生成能力，帮助判断是否替换现有图像工作流。

  5. AI HOT78

    FLUX 3 Image 上线 OpenRouter，支持原生 4K 生成与多参考编辑

    Black Forest Labs 的旗舰图像模型 FLUX 3 Image 上线 OpenRouter，支持文生图与多参考编辑，原生渲染至 4K。模型可精确进行多轮编辑而不改动其他像素，支持用 bounding box 布局，最多使用 10 张参考图合成，商业权重已开放，开放权重版将在未来数周发布。

    推荐理由：原文列出了 FLUX 3 Image 的多参考编辑、4K 生成和开放权重时间表，方便判断其在工作流中的可用性。

  6. AI HOT79

    FLUX 3 Image 上线 OpenRouter，支持 4K 生成与多参考编辑

    Black Forest Labs 的旗舰图像模型 FLUX 3 Image 现已上线 OpenRouter，支持文生图与多参考编辑，可原生渲染至 4K。该模型支持通过 bounding box 精确布局图像、使用最多 10 张参考图进行合成，商业权重已开放，开放权重版本将在未来数周内发布。

    推荐理由：原文给出了核心能力与开放权重计划，读者可据此评估是否接入工作流。

9月30日周三
  1. Google Research72

    Diffusion Controller 框架统一并简化 AI 图像生成控制

    Google Research 提出 Diffusion Controller 框架，将图像去噪过程重构为连续控制问题，用于统一推理时引导与模型微调。该框架引入轻量转向减振器网络，在 Stable Diffusion v1.4 上评估，灰箱模式下 HPS-v2 胜率超过 LoRA，全开白箱版本对基线模型取得 90% 胜率。

    推荐理由：提出统一控制扩散模型生成过程的理论框架，给出了灰箱模型下轻量网络优于 LoRA 的实验结果。

9月25日周五
9月22日周二
  1. 智东西72

    腾讯混元发布 Hy Image3.5 preview 生图模型，盲测比肩 Seedream 5.0 Pro

    腾讯混元 Hy Image3.5 preview 正式发布，支持 2K 分辨率、多模态编辑及最多 5 张参考图。在数百名设计师参与的盲测中，综合表现较 Hy Image 3.0 提升 30%，整体能力比肩 Seedream 5.0 Pro，且单张生成成本在 13 款主流模型中最低。

    推荐理由：腾讯混元 Hy Image3.5 preview 盲测比肩 Seedream 5.0 Pro，以 0.15 元每张的 2K 图价格接入元宝、WorkRally 等应用，体现性价比策略。

9月21日周一
  1. 量子位78

    千问 Qwen-Image-2.1 开放 7B 生图模型权重

    千问（Qwen）开放 Qwen-Image-2.1 的 7B 生图模型权重，RTX 3090 可本地运行。模型支持文生图、图片编辑、透明图和原生 2K 输出，并可用同一套权重一次参考最多 10 张图片生成综合成品图。

    推荐理由：开放权重降低本地部署门槛，一套模型覆盖生成、编辑、透明图和原生 2K 输出，读者可以据此判断 7B 生图模型的实际适用范围。

9月10日周四
  1. 优设AIGC80

    GPT Image 2.5 上线，实测 Sketch、文字与局部编辑三大新能力

    OpenAI 无宣发上线 GPT Image 2.5，官方称每周生成图片超 30 亿张，全量开放给所有用户。实测显示新模型支持通过 @Sketch 将潦草草图转为精细海报；显著改善小字渲染，中文海报无乱码；新增直接标注或选区工具进行的局部修改，电商场景可用于测试服装款式而无需重新拍摄。

    推荐理由：实测展示了 GPT Image 2.5 在草图转海报、文字渲染和局部精修上的具体变化，用户可据此评估新能力对设计工作流的实际改善。

9月9日周三
  1. 量子位85

    OpenAI 发布 ChatGPT Images 2.5，主打更快生成与多轮编辑一致性

    OpenAI 发布新一代生图模型 ChatGPT Images 2.5，生成延迟相比 Images 2.0 最多降低 50%。新版支持在图片上直接批注修改、使用草图作为参考，并增强了多轮编辑的一致性以保留已确认的细节。

    推荐理由：OpenAI 发布 ChatGPT Images 2.5，强调生成速度提升 50% 及多轮编辑一致性，并支持草图参考。

  2. AIGC开放社区78

    OpenAI 发布 ChatGPT Images 2.5，生成速度最高提升 50% 并支持草图输入

    OpenAI 发布 ChatGPT Images 2.5，重点解决了生成等待长、局部修改破坏全图及连续编辑走样的问题，生成延迟最高降低约 50%。新版增加草图输入、图片评论和模板功能，提供 GPT-Image-2.5 Flare 与 Sunburst 两款 API 模型，并加强水印与来源校验以防深度伪造滥用。

    推荐理由：文章拆解了图片工具从单次生成转向多轮协作的逻辑，指出局部编辑稳定性和防伪造机制是核心竞争点。