跳到正文

技术方向

图像生成 最新动态

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。

38 条精选近 30 天 11 条共收录 775 条

更新

图像生成的精选

11月19日周四第 1–20 条
  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。

11月12日周四
  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。

11月9日周一
  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。

11月5日周四
  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。

11月4日周三
  1. IT之家80

    OpenAI ChatGPT 最新数据:周活跃用户达 12 亿,两个月新增 2 亿

    OpenAI 消费者产品负责人 Adam Fry 透露,ChatGPT 每周活跃用户数量已达到 12 亿。过去 60 天内,周活跃用户从 10 亿增长至 12 亿,新增约 2 亿。Fry 表示,ChatGPT 当前处理的搜索类查询量约为 Google 的五分之一,每周生成图片达到 15 亿张,语音输入和语音对话功能的合计周活跃用户达到 2.5 亿。

    推荐理由:原文给出了具体用户量增长数据和与Google的搜索量对比,读者可据此评估ChatGPT的市场渗透与功能结构。

11月2日周一
  1. Wired84

    Wired调查:数百款伪装AI应用隐藏色情深伪功能

    Wired调查发现,包括宠物头像应用Viefur在内的400多个应用伪装成日常服务,实际隐藏可生成色情深伪图像的界面。这些应用由中国开发者和香港实体KeLing Technology Limited运营,通过Meta平台的数万条广告推广,部分广告包含儿童性虐待材料。苹果和谷歌已移除相关应用,Meta封禁了209个应用的广告权限,但类似应用仍在不断发布。

    推荐理由:调查揭示了400多个伪装成日常应用的深伪色情工具如何绕过平台审核并大规模投放广告,为理解AI内容安全漏洞提供了具体案例。

10月30日周五
  1. 机器之心81

    启元 PrimeSim 世界模型发布,在 EWMBench 和 WorldSimProbe 榜单登顶

    启元具身研究中心发布 PrimeSim,这是一款基于预训练视频生成模型的世界模型仿真器,在 EWMBench 综合得分 6.09 位列第一,并在 WorldSimProbe 三项指标中夺冠。其技术路径包含中训练与后训练两阶段,支持跨本体迁移和超长时序推演,单卡 A100 推理速度达 10.12 FPS,相关权重与代码即将开源。

    推荐理由:原文展示了将视频生成模型改造为机器人仿真器的完整技术路径与量化指标,为具身智能训练提供了可复现的工程参考。

10月28日周三
  1. Hacker News AI83

    Meta 发布 Muse Realtime Avatar:图像变实时互动角色

    Meta 发布 Muse Realtime Avatar,将任意参考图像转化为能实时说话的 AI 角色。该技术与 Muse Realtime Voice 共享语音 token 流,使表情、手势与语音同步,并支持无限实时视频生成。

    推荐理由:该发布把 Muse Realtime Voice 接入 Diffusion Transformer,实现 25 FPS 的 448x768 实时视频生成,并将推理优化降至 870 毫秒延迟。

  2. 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。

10月26日周一
  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。

10月24日周六
  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。

10月18日周日
  1. Hacker News AI78

    Killa YuE v1.6.0 发布:支持Android本地AI人声歌曲生成与P2P音频托管

    Killa YuE v1.6.0 发布,该应用基于 M-A-P 开源模型 YuE2,支持在 Android 手机 GPU 本地生成带人声的完整歌曲。应用提供 P2P 音频托管功能,可通过二维码将歌曲和模型在局域网或热点内设备间共享,支持离线生成与端侧运行。

    推荐理由:展示了在Android端侧通过本地GPU生成带人声完整歌曲,并附带P2P音频托管能力的实现路径。

10月16日周五
  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。

10月15日周四
  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。

10月12日周一
  1. 机器之心68

    清华团队发布 MGFlow 与 Elastic Forcing:探索少步生成与流式视频的样本分布训练

    清华大学团队提出 MGFlow 与 Elastic Forcing 两项研究,采用样本分布训练方法提升少步生成与流式视频模型性能。

    推荐理由:文章介绍了两项基于分布级监督的生成模型训练工作,展示了单节点训练百亿参数流式视频模型及一步文生图超越原版多步模型的效果。

10月7日周三
  1. Seven Minute Feed83

    彭博社调查:开源 AI 图像工具因缺乏监管而助长难以追踪的儿童虐待图像

    彭博社调查发现开源 AI 图像工具让儿童性剥削者能生成虐待材料且不受监管。下载模型绕过了托管服务的内容过滤和遥测,使执法变得几乎不可能,并将检测负担转移给已经捉襟见肘的平台和执法部门。

    推荐理由:调查揭示了模型下载绕过云端审查的盲区,说明开源分发架构对现有安全过滤机制的冲击。

  2. 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。

9月30日周三
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。