跳到正文
10月5日周一
  1. arXiv · AI30

    NegT2IBench:面向文本生成图像模型的极性评测基准

    NegT2IBench 包含 4800 条涵盖属性与关系约束的提示词,通过独立调节正负约束数量,区分了否定效应与提示词复杂度对模型生成的影响。在评估 11 个文本生成图像模型和 211,200 张图片后发现,9 个模型在单条否定约束下的得分低于单条肯定约束,且 41.5% 的失败语句渲染了提示词禁止的内容。

  2. arXiv · AI29

    DAGS:用于冻结图像 DiT 解耦外观与几何引导的时间稳定生成式渲染方案

    DAGS 是一种无注意力机制的解耦外观与几何条件方案,通过小型卷积编码器引导冻结图像 DiT 生成高质量渲染。在匹配 1-spp + G-buffer 输入下,其 PSNR 比 Intel OIDN 和 RGB X 分别高出 +8.6 dB 和 +10.1 dB,且感知时间稳定性提升 2.5-8 倍。该方案以较低计算成本实现可控渲染,非实时运行。

  3. IT之家51

    斯凯孚用AI技术让已故女星葛丽泰·嘉宝代言广告

    斯凯孚借助AI生成技术推出以已故好莱坞影星葛丽泰·嘉宝为虚拟代言人的广告,引发舆论两极评价。制作方未使用存档影像,而是依靠文本提示词生成人物形象,图像生成使用字节跳动Seedream 5 Pro与谷歌Nano Banana Pro,动作生成使用Seedance 2、Seedance 2.5以及可灵AI(Kling AI),语音则基于嘉宝早年影片原声进行AI训练,并得到遗产管理方及家属授权。

10月4日周日
  1. 美团技术团队34

    美团智播数字人直播技术创新与实践

    美团推出面向本地生活场景的AI数字人直播解决方案“美团智播”,过去一年月日均GTV同比增长82.12%,月日均观看人次同比增长163.44%。 该方案支持30秒生成直播素材、3分钟完成开播配置,并实现7×24小时稳定上播,成功打通从技术落地到规模化商业闭环。

  2. Hacker News AI38

    摄影师如何用 Claude 和 SANE 自动化 35mm 胶片扫描流程

    作者利用 Claude 通过 SANE 驱动自动化胶片扫描、色彩转换及编辑,将单卷 36 帧的处理时间从 4 小时大幅缩短。 初期尝试中,Claude 因反向扫描床指令导致扫描仪机械故障,作者随后调整策略,保留 VueScan 手动扫描环节,由 Claude 负责后续图像处理。 自动化流程采用 NumPy 进行负片转正片,结合 LaMa 模型去除灰尘并修复划痕,通过空白参考帧优化色彩一致性。

10月3日周六
  1. TechCrunch · AI62

    ChatGPT 上线虚拟试穿与商品收藏功能

    OpenAI 宣布在全球范围内推出 ChatGPT 的两项新购物功能:虚拟试穿和商品收藏。虚拟试穿功能允许用户上传自拍或全身照片,可视化展示服装或配饰的试穿效果,也可上传物品图片(如网页截图)让 ChatGPT 进行试穿展示,该功能依托新发布的 ChatGPT Images 2.5 模型,提供更具自然光照和丰富纹理的图像生成,并降低了延迟。

10月2日周五
10月1日周四
  1. 智东西62

    华为发布Mate90系列,搭载麒麟9050 Pro逻辑折叠芯片及鸿蒙7系统

    华为发布Mate90系列旗舰手机,全系搭载麒麟旗舰τ芯片,Pro Max及高配版采用麒麟9050 Pro逻辑折叠τ芯片,支持端侧运行30B MoE大模型。全系搭载鸿蒙7系统,升级小艺智能体与AI影像能力,Pro Max机型支持四卡三待。Mate90 Pro Max起售价9499元,顶配RS非凡大师版起售价12999元,另推售价5999元的睿影Z10外挂相机。

9月30日周三
  1. Seven Minute Feed48

    Marissa Mayer 推出 Dazzle,一款基于相机胶卷学习用户偏好的个人 AI 智能体

    Marissa Mayer 发布个人 AI 智能体 Dazzle,该工具通过分析用户相机胶卷中的照片而非邮件或日历来构建用户画像。Dazzle 能推断用户兴趣、旅行、饮食、风格偏好及人际关系,Mayer 称照片是“被低估的信息源”。该初创公司去年 12 月完成 800 万美元种子轮融资,与 Muse、Instinct 及 OpenAI Dots 同属个人智能体赛道。

  2. Seven Minute Feed30

    SKF 利用 AI 重塑葛丽泰·嘉宝出演轴承广告

    瑞典轴承制造商 SKF 利用 AI 技术让已故影星葛丽泰·嘉宝在一段 99 秒的广告中“复活”,以此致敬她 1921 年出演的 SKF 宣传短片。嘉宝的家属表示对 AI 生成效果的逼真度感到震惊,并认为未来不排除让其 AI 形象出演电影的可能性。批评家将此现象称为“鬼魂剥削”,指出这一趋势已涉及包括瓦莱·吉尔默在内的其他已故名人。

9月26日周六
9月25日周五
9月23日周三
  1. 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。

9月22日周二
  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。

9月21日周一
  1. 豆包工作36

    豆包工作 6 个实战场景助力电商提效

    豆包工作通过 6 个实战场景简化电商运营工作流。工具利用多维表格自动分析用户评价以驱动选品,并串联 5 个 AI 角色批量生成白底图、详情页及 10 秒短视频。此外,结合/可视化指令自动生成 GMV 等经营数据趋势图表,并创建可交互的月度预算计算器,实现收支盈亏的实时更新。

  2. 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。

9月20日周日
  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。

9月18日周五
9月7日周一
  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。

9月2日周三
8月31日周一
  1. 可灵AI38

    可灵 API 在百度秒哒平台调用量突破 2496 万次

    可灵能力接入百度秒哒平台后,累计调用次数已超过 2496 万次。 应用开发者主要将可灵用于两类场景:一是通过 可灵3.0Omni 和 可灵3.0Turbo 模型为应用增加视频生成能力,二是批量生成视觉素材以提升游戏或叙事内容的沉浸感。 近期上线的 Agent Market 提供 一键换装 和 商品成片 等开箱即用功能,并开放 API 供开发者集成,同时秒哒平台推出限时优惠以促进影像生成能力的普及。

7月9日周四
  1. RunningHUB53

    RunningHub 首发上线 Seedream 5.0 Pro 图像生成模型

    RunningHub 于 7月9日 全网首发上线 Seedream 5.0 Pro 图像生成模型,该模型于 7月8日 正式发布。Seedream 5.0 Pro 主打“不止生成,更懂设计”,具备交互式精准编辑、超写实商业视觉、复杂信息可视化及 14 种语言原生文字生成四大能力。用户可通过 rhTV、快捷创作、AI 应用及 ComfyUI 工作流调用该模型。

6月7日周日
4月10日周五
1月10日周六
12月1日周一
9月15日周一
9月2日周二
  1. Hugging Face Blog55

    Hugging Face 教程:利用 PyTorch 预编译加速 ZeroGPU Spaces

    Hugging Face 发布教程,演示如何利用 PyTorch 预编译加速 ZeroGPU Spaces。该教程展示了在 H200 硬件上,通过预编译和 FP8 量化将 Flux、Wan 等模型的推理速度提升 1.3 倍至 1.8 倍。文中还详细介绍了动态形状处理、区域编译以及如何结合 FlashAttention-3 进一步优化性能的具体实践方法。