跳到正文
只看模型#图像生成
  1. OpenMOSS / 复旦NLP / 上海创智 / MOSI71

    OpenMOSS 发布开源图像生成模型 MOSS-Image，主打长文本渲染与可编辑布局

    OpenMOSS 发布开放权重图像生成模型 MOSS-Image，采用 5B 参数单流 DiT 从零预训练，支持最长 4K token 提示词、中英文长文本渲染和可编辑的 JSON Layout。

    推荐理由：原文给出长文本渲染与布局评测数字及开放权重部署路径，读者可以据此判断它在文字密集图像任务中的适用边界。

  1. Black Forest Labs：Blog77

    Black Forest Labs 发布开源文生图模型 FLUX 3 Image Klein（5.6B）

    Black Forest Labs 发布 5.6B 参数开源权重模型 FLUX 3 Image Klein，支持文生图、图像编辑和最多 10 张参考图的多参考生成，采用 FLUX Kommunity License。

    推荐理由：官方公布了参数规模、显存门槛、生成速度和评测对比，读者可以评估它在本地部署与微调场景中的适配性。

  1. Gemini API：更新日志68

    Gemini Nano Banana 2.1 图像生成模型正式发布，gemini-3.1-flash-image 被弃用

    Google 在 Gemini API 更新日志中宣布 Gemini Nano Banana 2.1（gemini-nano-banana-2.1）正式可用，作为 Nano Banana 2（gemini-3.1-flash-image）的更新版本。

    推荐理由：原文列出新模型相对上一代的具体提升点和新支持的比例与分辨率，可帮助图像生成用户判断是否迁移。

  1. 公众号：蚂蚁百灵67

    蚂蚁开源 Ming-Image-0.1-Design 系列：两个 6B 模型打通设计生成与图层编辑

    蚂蚁百灵开源 Ming-Image-0.1-Design 系列模型，包含两个 6B 模型：Design 从文字需求生成 UI、信息图、海报等完整设计，Layer 将设计图拆成 2 至 9 个可独立编辑的 RGBA 图层，并同步开源 Design Skill 和 PPT Skill。

    推荐理由：原文给出两个 6B 模型的能力划分、评测成绩和实际接入效果，读者可以据此评估设计生成加图层编辑链路的部署价值。

  2. 蚂蚁百灵：Developer Blog68

    蚂蚁百灵开源 Ming-Image-0.1-Design 系列 6B 设计模型

    蚂蚁百灵开源 Ming-Image-0.1-Design 系列两个 6B 模型，Design 从文字需求端到端生成 UI、信息图和海报，Layer 将设计图拆成 2 到 9 个语义独立的 RGBA 图层，并同步开源 Design Skill 和 PPT Skill。

    推荐理由：官方开源两个 6B 设计模型并给出评测数据和落地场景，读者可以据此评估它在设计交付链路中的可用性。

  1. 腾讯混元：Research60

    腾讯混元发布 Hy Image3.5 preview 图像生成模型

    腾讯混元发布 Hy Image3.5 preview，支持文生图与图生图、最多 5 张参考图、多轮编辑和最高 2K 分辨率输出，经上百名专业设计师 GSB 盲测对上一代胜率综合提升 30% 以上。

    推荐理由：原文给出了文本渲染、编辑一致性与定价等具体能力细节，以及多家腾讯内部产品的实测反馈，便于评估适用场景。

  1. Qwen：Blog Retrieval72

    Qwen 开源 Qwen-Image-2.1：7B 统一生成与编辑并原生支持透明图像

    Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一到一个模型中，视觉生成组件仅 7B 参数，并原生支持生成和编辑透明图像。模型支持最多 10 张参考图、圆形/涂鸦/独立蒙版指定局部编辑，通过混合粒度注意力架构和 KV cache 复用提升推理效率，同时改进文字渲染、人像光照与人物产品保真度，并覆盖全景图、信息图和分镜等任务。

    推荐理由：官方详解了 7B 统一图像模型的透明图像生成、10 图参考编辑与推理优化，读者可据此评估在设计等场景的可用性。

  2. OpenAI：官网动态79

    OpenAI 发布 ChatGPT Images 2.5 图像模型

    OpenAI 发布 ChatGPT Images 2.5 图像模型，生成延迟比 Images 2.0 降低最多 50%，细节、编辑精度、参考照片保真度和多轮编辑一致性均有提升。

    推荐理由：官方原文给出与 Images 2.0 的具体对比数据、新功能入口和 API 双模型分工，读者可以据此评估是否迁移现有图像工作流。

  1. Microsoft AI：官方博客63

    Microsoft 发布 MAI-Image-2.6 与 MAI-Image-2.6-Flash 图像模型

    Microsoft 于 9 月 4 日发布 MAI-Image-2.6，称其为迄今最强的图像模型，并面向开发者上线 Microsoft Foundry，同时推出面向低延迟、高吞吐场景的 MAI-Image-2.6-Flash。

    推荐理由：原文给出排名、速度和效率数字，并说明两个版本分别面向精度与吞吐的不同场景，便于开发者按工作流选型。

  1. Microsoft AI：官方博客62

    Microsoft 发布 MAI-Image-2.6，Arena 文生图榜单排名第二

    Microsoft AI 发布 MAI-Image-2.6，在 Arena 文生图排行榜上排名第二，超过 Meta、Google 和 xAI 的模型。该模型整体比 MAI-Image-2.5 提升 +79 Elo，其中文本渲染提升 +91 Elo，各评测类别均有提升；已在 Arena 开放体验，稍后登陆 MAI Playground，并将陆续接入 Microsoft Foundry 等产品。

    推荐理由：官方公布了 Arena 排名与各项 Elo 提升数据，读者可据此比较 MAI-Image 2.6 与 Google、Meta、xAI 模型的图像生成质量变化。

  1. Qwen68

    阿里通义千问发布 Qwen-Image-3.0-Pro 与 Standard，现已在 Qwen Cloud 上线。该模型在 Arena 文生图榜单中位列中国模型第一、主流模型第二，支持 4.5k-token 提示词、10px 级文字渲染及 12 种语言。Pro 版起价 $0.04/张，Standard 版起价 $0.03/张。

    引用Qwen Cloud@qwen_cloud

    🔔 Qwen-Image-3.0 现已在 Qwen Cloud 上线！ 在 Arena. ai 的文生图竞技场 @arena 中，位列中国模型第 1 名、主流模型第 2 名，现在只需一次 API 调用即可使用。 - 支持高达 4.5k token 的提示词：一次生成报纸、故事板、菜单、试卷 - 文字清晰度低至 10px，细节近乎照片级 - 支持 12 种语言、100+ 种艺术风格，逼真的 UI 模拟 - 生成 + 编辑集于一个模型 💰价格： Qwen-Image-3.0 Pro — 最适合复杂布局、精准文字渲染和商业级视觉，每张图起价 $0.04。 Qwen-Image-3.0 Standard — 适合批量、日常图像生成，每张图起价仅 $0.03。 Qwen-Image-3.0-Pro 与 Standard。从提示词到可直接投产的图像。 👉 在 Qwen Cloud 上试用并获取你的 API key：https://www.qwencloud.com/models/qwen-image-3.0-pro?utm_content=g_20000001188 - 主流模型 = 日均 MaaS API 调用量超过 10 万的模型系列 #QwenCloud #Qwen

    推荐理由：生成与编辑合并在单一模型内，多语言长文本排版的门槛和每次调用成本都明显降低。

  2. SenseTime67

    商汤发布开源模型 SenseNova U1，可在统一流程中同时进行推理与图像生成。其信息图模式可将单条提示词转为结构化幻灯片，交错模式则逐步生成图文内容，如演示六步画龙教程。模型已上线 SenseNova Studio、HuggingFace 及 GitHub。

    推荐理由：把推理和图像生成整合进单一模型流，信息图模式和逐步教程展示了从推理到可视化的直接路径，为需要图文连贯输出的应用提供了可探索的开源方案。

  1. Midjourney：Updates73

    Midjourney V8.2 发布：专注美学提升与个性化理解

    Midjourney 今日推出 V8.2 图像模型，重点提升美学质量、图像创意与个性化表现。低质量图像出现频率将显著降低，个性化功能能更精准理解用户审美偏好。V8.2 的个性化配置文件拥有更大、更优的图像选择池，建议用户尝试新旧配置文件体验最新版本。

    推荐理由：Midjourney V8.2 把审美和个性化放到了C位，不再追分辨率，这对重度用户是实在的体验升级，建议立刻用老 profile 试试新模型。

  1. Black Forest Labs：Blog59

    FLUX 3 发布：Black Forest Labs 多模态模型，支持原生音频、图像生成与动作预测

    Black Forest Labs 发布多模态模型 FLUX 3，面向视频领域，原生支持音频、图像生成与动作预测。该模型旨在成为视觉智能的骨干，目前官方已展示其能力与早期结果。

    推荐理由：Black Forest Labs 把图像、视频、音频拉通到一个模型里，这比单纯提升画质更有想象力，但目前只有一句简介，像个预告片，想真评估的还得等技术细节。

  1. Qwen：Blog Retrieval77

    通义千问发布 Qwen-Image-3.0 图像生成模型，核心关键词为“实”

    通义千问发布第三代图像生成基座模型 Qwen-Image-3.0，核心关键词为“实”。该模型支持最长 4.5k token 指令输入，可单次生成包含 9 个复杂信息图的 3×3 网格布局；文本渲染精度达 10px，并支持 12 种语言原生渲染，旨在将图像转化为可部署的生产力工具。

    推荐理由：我觉得 Qwen-Image-3.0 不只是画得好看，而是真正追求“有用”，4.5k token 输入、12 种语言渲染、10px 精细文字，对做设计、内容生产的人是生产力级突破。

  1. 字节 Seed：Research Feed68

    字节跳动发布 Seedream 5.0 Pro，强化复杂信息可视化与精准编辑能力

    字节跳动正式发布多模态图像创作模型 Seedream 5.0 Pro。该版本在图文匹配、结构合理性及文字渲染上全面提升，核心突破包括：支持高密度数据与概念的专业排版可视化；基于空间位置理解的交互式精准编辑（如点选、图层分离、多图融合）；还原真实光影与人像质感；以及原生支持十余种语言的输入与本地化特征生成。目前已在火山方舟、豆包及即梦上线体验。

    推荐理由：展示了 AI 图像生成从“好看”向“可用”的进阶，特别是其解决复杂信息图表生成和像素级局部编辑的能力，对专业设计工作流有显著价值。

  2. AI at Meta75

    Meta Superintelligence Labs 发布首个媒体生成模型 Muse Image 和 Muse Video。Muse Image 是目前最先进的图像生成模型，能精确遵循指令、精准编辑、多参考构图，并利用 Instagram 社交上下文。它还具备智能体工具使用能力并集成 Muse Spark。用户可通过 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 试用，初始限于部分国家。Muse Video 基于相同预训练基础，实现高视觉保真度并原生支持音频。

    推荐理由：Meta 超级智能实验室的首个媒体生成模型，把图像生成跟 Instagram 社交语境结合听起来很实用，但细节还少，期待后续实测。