跳到正文
  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. Hugging Face Blog87

    FLUX.3 Image Klein 在 Hugging Face Diffusers 中首发并支持布局控制

    Hugging Face 官方宣布 FLUX.3 Image Klein 已集成到 Diffusers,该模型支持文生图、多参考图生图以及基于 bounding box 的图像布局控制。H100 上蒸馏版 checkpoint 可在约 2 秒内生成 1024 × 1024 图像,并支持 NVFP4 和 FP8 量化权重。

    推荐理由:介绍 FLUX.3 Image Klein 在 Diffusers 的集成细节,重点展示了 bounding-box 布局控制功能及多种量化推理方案。

  1. Google Research61

    Diffusion Controller 统一并简化 AI 图像生成

    Google Research 发布 Diffusion Controller 框架,将扩散生成重构为连续控制问题。实验显示该框架在灰箱环境中 HPS-v2 胜率超过 LoRA,白箱版本对基线胜率 90%。

    推荐理由:提出统一扩散模型控制框架,提供比LoRA更轻量的灰箱控制方案。

  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. RunningHUB74

    RunningHub首发上线Qwen-Image 2.1

    RunningHub宣布完成Qwen-Image 2.1的首发接入,支持直接生成和编辑。该版本模型将文生图、图片编辑、多图参考和透明背景生成整合在同一系统中,支持输入10张参考图及原生输出带透明通道的RGBA图像。创作者和开发者可在RunningHub上利用该模型搭建工作流,简化从生成到交付的图片处理流程。

    推荐理由:RunningHub接入刚开源的Qwen-Image 2.1,展示了其在原生透明背景和多参考图编辑上的工作流整合能力。

  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 Blog74

    Hugging Face 教程:如何在消费级硬件上使用 QLoRA 微调 FLUX.1-dev

    Hugging Face 发布教程,指导使用 diffusers 库和 QLoRA 技术在单卡消费级硬件(如 RTX 4090)上微调 FLUX.1-dev 模型,峰值显存占用低于 10 GB。

    推荐理由:文章提供了在消费级硬件上微调FLUX.1-dev的具体代码流程和显存优化技巧,读者可直接复用该方案降低部署门槛。

  1. Hugging Face Blog76

    SDXL Dreambooth LoRA 高级训练实践指南:结合 Pivotal Tuning 与 Prodigy 优化器

    Hugging Face 团队发布了一份关于 SDXL Dreambooth LoRA 微调的最佳实践指南,整合了 Pivotal Tuning 技术和 Prodigy 优化器以显著提升训练效果。

    推荐理由:原文提供了一套结合 Pivotal Tuning 和 Prodigy 优化器的 SDXL LoRA 训练实践指南,并附带了可运行的训练脚本与推理方法。

  1. Hugging Face Blog83

    Hugging Face 发布 SDXL Latent Consistency LoRAs,实现 4 步生成

    Hugging Face 与 LCM 团队合作发布 SDXL Latent Consistency LoRAs,使 SDXL 生成步骤从 25 至 50 步降至 4 至 8 步。M1 Max 上生成 1024x1024 图像耗时约 6.5 秒,4090 上不到 1 秒,且可与其他 SDXL LoRA 组合使用。

    推荐理由:原文展示了 LCM LoRA 将 SDXL 推理降至 4 步的方法,并提供多组硬件性能基准,便于评估低成本生成效果。

  1. Hugging Face Blog61

    通过 TRL 使用 DDPO 微调 Stable Diffusion 模型

    TRL 库新集成了 DDPOTrainer 类,用于将 Denoising Diffusion Policy Optimization (DDPO) 应用于 Stable Diffusion 模型,使其输出更符合人类审美等偏好。

    推荐理由:通过 TRL 新集成的 DDPOTrainer,读者可以直接在本地用 RL 微调 Stable Diffusion,降低扩散模型对齐人类偏好的门槛。

  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。

  1. Hugging Face Blog72

    Stable Diffusion XL 支持 Mac 端侧运行及 Core ML 高级量化

    Hugging Face 与 Apple 合作实现 Stable Diffusion XL 在 Apple Silicon Mac 上的本地运行,通过混合位调色(Mixed-Bit Palettization)技术将 UNet 模型压缩至等效 4.5 bit/参数,体积从 4.8 GB 降至 1.4 GB(减少71%)且生成质量优良。

    推荐理由:介绍了混合位调色量化技术,可将模型尺寸降低71%且保持质量,为本地化部署提供了实用方法。

  1. Hugging Face Blog77

    Diffusers 教程:使用 ControlNet 实现可控图像生成

    Hugging Face 发布教程,介绍如何在 Diffusers 中使用 ControlNet 实现可控图像生成。教程演示了利用 Canny 边缘、OpenPose 姿态及多条件组合控制 Stable Diffusion 生成结果的代码实现,并展示了如何通过启用 CPU 内存卸载及 xformers 加速将推理时间缩短至 V100 GPU 上的约 3 秒。

    推荐理由:原文提供了在 Diffusers 中结合 ControlNet 实现可控图像生成的具体代码示例与优化技巧。

  1. Hugging Face Blog80

    Hugging Face 发布 diffusers 的 LoRA 微调支持

    Hugging Face 的 diffusers 库正式支持 LoRA(低秩适配)技术用于 Stable Diffusion 的微调。该方案通过冻结预训练模型权重并注入可训练层,显著降低了计算资源和显存需求,例如在 11 GB 显存的 2080 Ti 显卡上即可完成全量微调,且训练得到的权重文件仅约 3 MB,便于共享。

    推荐理由:原文给出了LoRA微调的完整实践指南,读者可以据此用更低成本训练和共享自定义模型。

  1. Hugging Face Blog73

    Hugging Face:Diffusers下Dreambooth微调Stable Diffusion的实验与设置

    Hugging Face在Diffusers下训练Stable Diffusion进行Dreambooth微调,并给出学习率、训练步数与prior preservation等参数建议。

    推荐理由:基于Diffusers实验给出学习率、步数与prior preservation等关键参数建议,并比较DDIM采样与text encoder微调的效果。