跳到正文
  1. 量子位87

    OpenAI发布GPT-6.2 Astra和GPT-6.2 Sol

    OpenAI发布GPT-6.2 Astra和GPT-6.2 Sol两款模型,分别面向高难度项目和高频日常专业任务,已登陆ChatGPT Work、Codex和API,Plus、Pro等订阅用户均可使用。

    推荐理由:双模型发布覆盖旗舰与高频场景,文中给出API价格、Agent和3D生成评测数据,方便直接对比前代及竞品。

  1. 量子位75

    可灵推出 Kling Image 4.0:支持原生 8K 分辨率、千字排版及组图生成

    可灵推出新版图像模型 Kling Image 4.0,主打原生 8K 高清输出,单图支持 2000 字文本生成及 70 款预设字体,并新增最多 10 张连贯组图与长图生成能力。模型采用原生理解生成大一统架构,具备原生 Agentic 能力,支持 15K Token 指令处理;第三方 Artificial Analysis 文生图榜单显示其位列全球第七、国产模型第一。

    推荐理由:通过12张实测图与多轮生图演示,展示了Kling Image 4.0在原生8K清晰度、超长文字排版及组图连贯性上的具体表现,适合评估其在电商设计与影视分镜场景下的可用性。

  1. 量子位88

    MiniMax 开源 SOTA 图像生成模型 H3-Image,支持原生 4K 与复杂逻辑推理

    MiniMax 开源 SOTA 图像生成模型 H3-Image,支持 16MP 原生 4K 分辨率及最多 16 张参考图输入。该模型具备显著的逻辑推理能力,可自动生成 CAD 三视图、机械爆炸图以及正确解答微积分试卷。官方 API 定价约为主流竞品的 50% 到 70%,首周 16MP 请求享五折优惠。

    推荐理由:实测显示该模型能精准生成CAD图纸与解题步骤,且支持原生4K分辨率,展示了其在逻辑推理与细节还原上的双重突破。

  1. IT之家79

    字节跳动 Seed 团队发布图像创作模型 Seedream 5.5

    字节跳动 Seed 团队发布图像创作模型 Seedream 5.5,核心支持非编辑区域像素级保持的多轮编辑以及直接输出带 Alpha 通道的 RGBA 透明素材。该模型在六类生产场景中的生成效果评分与可用率较上一版本 Seedream 5.0 Pro 提升,其中影视与办公场景可用率达到上一版本的两倍以上。模型的文字渲染能力显著增强,严重文字崩坏率降至 0.4%,目前正陆续在即梦、豆包等平台上线。

    推荐理由:该模型原生支持生成带透明通道的素材,并支持百轮连续编辑,解决了创作中反复修改易损画质和需额外抠图的痛点。

  1. OpenAI (X)75

    OpenAI 发布 ChatGPT Images 2.6

    OpenAI 推出 ChatGPT Images 2.6,支持生成 GIF 和使用参考图片。新功能将同步上线 API,图像生成速度提升 50%。

    推荐理由:新功能开放了 GIF 和参考图输入,API 生成速度提升 50%,便于评估其在创作工作流中的适用性。

  1. 量子位65

    国产AI 3D大模型Hi3D V1.0开源,推出Hi3D Agent与V3.0高保真模型

    国产AI 3D团队Hi3D正式发布可商用的V3.0模型,将几何分辨率提升至2048³,并面向3D创作者推出整合意图理解与多步修改的Hi3D Agent。同时,团队开源了基于Sparc3D架构的Hi3D V1.0模型,通过将训练数据扩充至约200万个资产,实现了在切片成功率达90%的生产级3D打印应用表现,相关代码与权重已在GitHub和Hugging Face全面开放。

    推荐理由:Hi3D V1.0 模型及 Hi3D Agent 面向3D创作者开放,为开发者、企业和个人提供可商用的国产高精度AI 3D生成及修改工具。

  1. 机器之心69

    数美万物 Hi3D V1.0 开源,支持最高 1536³ 几何分辨率

    数美万物开源经过生产环境验证的 Hi3D V1.0 模型,支持最高 1536³ 有效稀疏表面提取网格分辨率。该模型在九种方法对比中取得了最高的多视角几何一致性和几何细节丰富度得分,综合人类偏好得分达 85.9%。

    推荐理由:原文展示了Hi3D V1.0开源的技术指标和验证细节,说明了高精度三维模型走向实际开发流程的可行性。

  1. 量子位86

    国产5B参数生图模型MOSS-Image开源发布,海外社区4天下载破130万

    模思智能和OpenMOSS团队开源MOSS-Image,4天收获130万次下载并引发社区大量衍生开发。该模型基于5B参数DiT主干,重点优化中英文文字渲染与Layout控制,支持4096 tokens长提示词,并采用国产PPU算力平台完成训练。

    推荐理由:5B参数DiT架构与原生Layout控制是核心变量,为复杂图文设计提供了可量化的落地方案。

  1. Seven Minute Feed87

    Black Forest Labs 发布 FLUX 3 Image Klein,5.6B 参数模型支持 4K 原生输出

    Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 参数、开放权重的文生图模型,支持编辑和最多 10 张参考图,原生 4K 输出并带 bounding-box placement。

    推荐理由:原文给出了5.6B参数、8GB显存运行条件和商业免费门槛,读者可以据此判断它对个人创作者和小型公司的可用性。

  1. 机器之心76

    Google DeepMind 发布 Nano Banana 2.1,主打专业设计与高效图像生成

    Google DeepMind 正式发布 Nano Banana 2.1,该模型底层基于 Gemini 3.6 Flash,已集成至 Gemini API 等七大平台。其核心改进包括支持 4K 输出与 14 张参考图融合,大幅增强蒙版局部编辑及多角色一致性,同时显著提升图像自然度。

    推荐理由:Nano Banana 2.1 基于 Gemini 3.6 Flash 发布,重点提升设计感与局部编辑,并保留 Flash 速度优势,适合专业图像工作流。

  1. 蚂蚁开源71

    蚂蚁开源 Ming-Image-0.1-Design 系列模型及设计技能包

    蚂蚁开源 Ming-Image-0.1-Design 系列,包含 6B 参数的设计生成模型和图层拆解模型,并同步开源 Design Skill 和 PPT Skill。

    推荐理由:开源两个 6B 模型覆盖设计生成与图层拆解,并同步提供前端与 PPT 工作流 Skill,展示小参数模型进入设计交付环节的完整路径。

  2. 百灵大模型80

    Ming-Image-0.1-Design 系列开源,支持UI生成与图层拆解

    百灵大模型开源Ming-Image-0.1-Design系列,包含6B参数的Design和Layer模型,支持从文字生成UI及将设计图拆成可编辑透明图层。该模型在Artificial Analysis UI/UX Design榜单位列开源第1,Layer在Crello-Test 12项指标中全部排名第一。

    推荐理由:6B模型将设计生成与图层编辑打通,读者可评估其在UI、海报等场景替代高参数量模型的可行性。

  1. 腾讯混元63

    腾讯混元发布Hy Image3.5 preview图像生成模型

    腾讯正式发布混元图像3.5预览版(Hy Image3.5 preview),该模型在数百名内部专业设计师GSB盲测中较Hy Image3.0能力提升约30%,支持文生图、图生图及多轮对话创作,最高输出2K分辨率。腾讯云API定价为0.15元/张,已上线元宝、WorkRally、OnSolo、Miora、WorkBuddy及ima等产品,灰度测试期间生图请求量提升超50%。

    推荐理由:腾讯官方发布Hy Image3.5 preview,提供内部盲测对比数据与0.15元/张的API定价,展示其在专业创作场景的性价比与能力提升。

  1. 千问大模型83

    Qwen-Image-2.1 开源发布

    千问大模型团队开源发布 Qwen-Image-2.1,该模型视觉生成部分参数量为 7B,将文生图与图像编辑整合在同一架构中。模型支持最多 10 张参考图输入,并原生支持透明图像的生成与编辑,同时通过混合粒度注意力结构和 KV Cache 复用机制优化了推理效率与显存开销。

    推荐理由:原文详细展示了该轻量模型在透明图像生成与编辑、多图融合及推理效率优化等方面的具体能力与技术细节。

  1. 蚂蚁开源82

    蚂蚁开源 LLaDA-Image:6B 纯图片预训练 Diffusion 模型,中英双首 Qwen-Image-Bench 开源第一

    蚂蚁开源 LLaDA-Image,6B 参数 DiT 模型,90% 纯图片预训练配合自条件学习,实现统一文生图与编辑,TwinFlow 蒸馏支持 2-4 步推理。Qwen-Image-Bench 中英文总分 53.53 和 53.38,位列开源模型双第一;SGLang 提供 Day-0 适配,开放完整权重、训练代码与蒸馏配方。

    推荐理由:LLaDA-Image 采用 90% 纯图片预训练路线,展示了不同于传统图文对绑定的生成范式,在 Qwen-Image-Bench 上取得开源模型中英双第一。

  1. Hugging Face Blog63

    Würstchen 扩散模型发布:实现 42 倍空间压缩的高效图像生成

    Würstchen 是一款采用高度压缩隐空间的扩散图像生成模型,通过 42 倍空间压缩技术显著降低计算成本并提升生成速度。模型 v1 版本的训练成本仅 9,000 GPU 小时,较 Stable Diffusion 1.4 减少 16 倍,现已通过 Diffusers 库开放使用并支持 1024 至 1536 分辨率。

    推荐理由:模型通过 42 倍空间压缩实现生成加速,其 9,000 GPU 小时训练成本大幅低于同类技术。

已经到底了