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。
#图像生成
Midjourney：Updates精选AI 评分7373
Black Forest Labs：Blog精选AI 评分5959 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。
Qwen：Blog Retrieval精选AI 评分7777 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。
Google Blog：AIAI 评分4949 Google Images 25周年：推出可浏览图片主页与AI Overviews图像生成功能
Google Images迎来25周年，推出两项新功能：一是全新的可浏览图片主页，展示来自网络的动态沉浸式图片画廊，实时更新并根据用户兴趣智能定制，支持收藏夹标签页，未来几周在美国桌面端英文上线；二是将图像生成直接引入AI Overviews，基于最新的Nano Banana模型，将文本提示词转化为高质量定制图像，未来几周在英文区域逐步推出。回顾了2001年上线、2009年相似图片、2011年以图搜图、2018年Google Lens、2022年多模态搜索、2024年Circle to Search、2025年Lens+AI Mode及Search Live、2026年Circle to Search多对象识别等里程碑。
Runway：NewsAI 评分5858 Runway Dev 发布
Runway 官网以 Cookie 设置页面代替了产品介绍，未提供 Runway Dev 的功能、参数、可用性等任何具体信息。
字节 Seed：Research Feed精选AI 评分6868 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。
Apple Machine Learning ResearchAI 评分4040 MT-EditFlow：基于流匹配的多轮图像编辑强化学习
针对单轮图像编辑模型在多轮交互中因单轮失败导致序列中断、误差累积的问题，提出 MT-EditFlow 流匹配强化学习框架。该框架整合多轮视角与多奖励公式，统一支持 GRPO 和 NFT 类强化学习方法，并系统分析轮次聚合评分策略、VLM 推理模式（权衡奖励偏差与方差）以及优势融合层级（防止奖励黑客行为）。研究发现将聚合优势广播至整个编辑轨迹能弥合局部规划与全局多轮任务成功之间的差距。实验表明，MT-EditFlow 在多种基模型上显著提升性能，其中 FLUX.1-Kontext-dev 的 turn-3 整体性能提升 6.85 分，超越 Qwen-Image-Edit 等开源模型。
Apple：Newsroom精选AI 评分6666 Apple Creator Studio 更新：更智能、更快速、更互联
Apple Creator Studio 推出多项 AI 增强更新。Final Cut Pro 新增 on-device AI 驱动的 Generate Captions（自动转录音频生成字幕）和 Edit Detection（自动检测剪辑点）。Mac 版加入 Auto Mask（自动识别皮肤、天空等主体）、增强的 Match Color 和 Advanced Trimming。支持将帧发送至 Pixelmator Pro 编辑，并在 Keynote、Pages、Numbers 中直接调用 Pixelmator Pro 修改图片。Logic Pro 新增 Grammy 制作人制作的 Producer Project 及 Chord ID 改进。订阅价 $12.99/月或 $129/年，新用户免费试用一个月，教育用户 $2.99/月。
推荐理由：Final Cut Pro 的自动字幕和遮罩是实打实的工作流提升，Pixelmator Pro 的深度整合也让设计更顺畅，虽然没有颠覆性突破，但创意工作者今天就能用上。
Google DeepMind：Blog精选AI 评分7070 Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash
Google DeepMind 推出 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），为 Nano Banana 系列速度最快、成本最低的图像模型，文本到图像输出仅需 4 秒，每 1K 分辨率图像成本 $0.034，已上线 Google AI Studio、Gemini API 及消费者产品（AI Mode in Search、Gemini app 等）。同时推出 Gemini Omni Flash（gemini-omni-flash-preview），支持高画质视频生成与对话式编辑，视频输出定价 $0.10/秒，面向开发者开放 API。
推荐理由：Nano Banana 2 Lite 把图像生成拉到 4 秒延迟和 0.034 美元单价，很适合高频草稿流，Omni Flash 首次对开发者开放视频生成和对话编辑，两个模型串起来的快速迭代工作流是这次最实用的更新。
Midjourney：UpdatesAI 评分4343 Midjourney V8.1 草稿模式支持 --sref random 随机风格
Midjourney 在 V8.1 草稿模式中新增 --sref random，可在提示词中加入该参数一次生成 24 张不同风格的图像。草稿模式可通过提示词栏的 ⚡ 图标或提示词中的 --draft 开启。
OpenRouter：AnnouncementsAI 评分6262 OpenRouter 推出统一 Image API，一次接入 30+ 图像生成模型
OpenRouter 发布专用 Image API，统一接口接入 30+ 图像生成模型，覆盖 Google、OpenAI、Black Forest Labs、Recraft、ByteDance、Microsoft、xAI 等。
Midjourney：Updates精选AI 评分6666 Midjourney V8.1 推出 Draft mode 草稿模式与新功能预览
Midjourney V8.1 的 Draft mode 草稿模式每次生成24张低分辨率低质量图片。用户可对任意图片点击 "Vary"，将其渲染为全质量、全分辨率版本。草稿任务消耗的快速小时数减半。
推荐理由：这是我最近看到最实用的 Midjourney 更新，草稿模式半价生成 24 张低质量图，快速筛选后再渲染，直接降低试错成本。
Midjourney：Updates精选AI 评分6464 Midjourney V8.1 已成为默认模型
Midjourney 已将默认模型从 V7 升级为 V8.1。V8.1 在智能性、连贯性、对详细提示的遵循度以及文本渲染效果上均有提升，HD 模式也已支持。
推荐理由：虽然V8.1不是大版本，但设为默认后所有用户自动升级，尤其是文本和复杂提示词的理解增强，做设计的朋友值得重新测试一下关键词。
Apple：NewsroomAI 评分6363 Apple Intelligence 将强大 AI 能力融入日常体验
Apple 发布下一代 Apple Intelligence，将 AI 能力集成到 iPhone、iPad 和 Mac 中，带来更个性化和有帮助的日常体验。
Black Forest Labs：BlogAI 评分5656 Black Forest Labs 携手 ASUS 与 NVIDIA 将 FLUX.2 [klein] 4B 带上 ProArt 笔记本
Black Forest Labs 宣布 FLUX.2 [klein] 4B 首次随消费级硬件出货，预装在 ASUS 下一代 ProArt RTX 笔记本的 MuseTree 应用中，该产品线已在台北 Computex 2026 亮相。
Microsoft AI：官方博客精选AI 评分6363 Microsoft 发布 MAI-Image-2.5，登 Arena 图像编辑榜第 2
Microsoft Superintelligence 团队发布 MAI-Image-2.5 和 MAI-Image-2.5-Flash 两款图像模型，MAI-Image-2.5 在 Arena 图像编辑榜排第 2（超过 Nano Banana 2），文本生成图像排第 3，比 MAI-Image-2 总分提升 75 分。
推荐理由：官方给出 Arena 排名、编辑能力细节和 Foundry 定价，开发者可据此评估其在生产图像工作流中的性价比。
Google Blog：AIAI 评分4242 谷歌员工如何使用 Gemini 制作 Google I/O 2026
本文介绍了谷歌员工使用 Gemini 模型来制作 2026 年的 Google I/O 开发者大会。
Black Forest Labs：Blog精选AI 评分6161 Black Forest Labs 发布 FLUX VTO 虚拟试穿模型
Black Forest Labs 发布 FLUX VTO，面向商品目录级规模的虚拟试穿，现已公开可用，并提供免费 BFL Shop Demo 和 FLUX MCP 接入。
推荐理由：原文给出速度、保真和成本三项指标及使用限制，读者可以判断虚拟试穿能否进入真实电商流程。
美团 LongCat：HuggingFace 新模型精选AI 评分7373 LongCat-Video-Avatar-1.5：升级版音频驱动数字人视频生成框架
美团LongCat团队发布了LongCat-Video-Avatar-1.5，一个专注于音频驱动数字人视频生成的开源框架。其核心升级在于采用Whisper-Large音频编码器，显著优化了唇部动态的流畅度与自然度。该版本实现了精准的唇形同步、全身时序稳定性以及长视频中的身份一致性，并能泛化应用于动漫、动物及多人交互等复杂场景。通过基于DMD2的步蒸馏技术，模型仅需8步即可高效推理。团队还构建了一个涵盖多场景、多语言的人工评估基准，通过大规模主观评分与专家分析，验证了其在多项关键维度上的优异性能。
推荐理由：美团把数字人模型升级到1.5版，换了Whisper做音频编码，唇形同步比之前自然不少，而且开源了训练代码，做电商直播和虚拟博主的朋友可以直接拿过来跟商业方案掰手腕。
Google DeepMind：BlogAI 评分5151 使用 Project Genie 和 Street View 模拟真实世界场景
谷歌宣布向全球的 Google AI Ultra 订阅者开放新的访问权限，并推出一项基于 Street View 数据驱动的全新功能。该功能能够模拟真实世界的地点与场景，标志着 AI 在结合地理信息与沉浸式体验方面迈出新步伐，为用户带来更具现实感的交互与探索可能性。
Manus：BlogAI 评分4040 Manus 推出 Higgsfield MCP 连接器：给专业内容创作者更多选择
Manus 上线 Higgsfield MCP 连接器，让创作者在保留 Higgsfield 专业视觉生成控制的同时，把生成结果接入 Manus 的创作与交付流程。
蚂蚁 inclusionAI：GitHub 新仓库AI 评分5757 ARGenSeg：基于自回归图像生成模型的全新图像分割方法
研究团队在NeurIPS 2025上提出ARGenSeg，将图像分割转化为自回归生成过程，逐像素预测分割掩码。该方法利用大规模预训练自回归图像生成模型（如GPT风格视觉模型）的表征与序列建模能力，无需专门架构设计或大量标注数据。实验证明，其在多个标准数据集上性能具有竞争力，展现了生成式基础模型处理判别式视觉任务的潜力。
Google Blog：AIAI 评分4545 看创意传奇人物如何用AI为小企业制作广告
谷歌推出"The Small Brief"项目，邀请四位广告业偶像——Susan、David、Victoria和Penny，运用AI工具为本地企业创作广告。他们使用VideoFX、ImageFX等生成式AI技术，在48小时内为旧金山湾区四家小企业完成广告制作。数据显示，AI生成的广告在关键效果指标上表现优于传统广告，其中一家企业的广告效果提升达30%。该项目展示了AI如何降低创意门槛，让小企业也能获得高质量的广告内容。
Apple Machine Learning Research精选AI 评分6161 Normalizing Flows with Iterative Denoising
研究团队在归一化流（NFs）生成模型领域取得新进展，提出了迭代TARFlow（iTARFlow）。该方法在训练阶段保持完全端到端的基于似然的目标，采样时则采用自回归生成方式。iTARFlow延续了TARFlow在图像建模任务上的优势，使其成为扩散模型等方法的可行替代方案，进一步提升了归一化流生成模型的性能表现。
推荐理由：Normalizing Flows 这个老方法被苹果玩出新花样，iTARFlow 在训练上保留端到端似然，采样却自回归，给做生成模型的人提供了扩散模型之外的第二个靠谱选择。
Midjourney：Updates精选AI 评分5656 V8.1 更新
Midjourney V8.1 版本现已登陆 Discord 平台及其官方网站。本次更新重点提升了图像的清晰度与整体画质，这一改进在风格参考（SREF）和情绪板（Moodboards）功能中效果最为显著，同时所有类型的图像生成质量均有所增强，为用户带来更精细的视觉体验。
推荐理由：Midjourney V8.1 只是个小版本迭代，主要提升锐度和图像质量，用惯了 V8 的可以不急着换，但玩 SREF 和 Moodboard 的值得试一下，细节确实有提升。
Manus：BlogAI 评分4444 Manus Slides 上线 GPT Image 2，支持 4K 图像生成与精准编辑
Manus Slides 已上线 OpenAI 的 GPT Image 2，将图像生成直接引入演示文稿工作流，支持 4K 照片级分辨率、文本渲染和空间推理。该模型通过"思考阶段"在生成像素前规划布局并验证空间约束，图像中的 UI 标签、表格等密集排版均可清晰呈现。
Apple Machine Learning ResearchAI 评分4949 条件扩散模型中组合泛化的局部机制
条件扩散模型展现出组合泛化能力，能生成超出训练分布的条件组合样本，但其机制尚不明确。研究聚焦于长度泛化，即生成比训练所见更多数量物体的图像。在受控的CLEVR场景中发现，模型仅在某些情况下能实现长度泛化，表明其并非总能掌握底层组合结构。通过分析扩散过程的局部动态，研究揭示了泛化成功与失败案例中条件交互模式的系统性差异，为理解生成式模型的组合推理边界提供了新视角。
Midjourney：UpdatesAI 评分5050 High-res rating
Midjourney团队正为v8.1/8.2版本筹备重大美学更新，并公开征集用户协助进行图像排序以改进模型。此次工作的核心在于，团队将首次在完整的2K分辨率下进行图像排序活动，旨在为模型获取最优的高清像素数据，以提升图像生成质量。
字节 Seed：Research PapersAI 评分6969 Seed3D 2.0：推进高保真、仿真就绪的3D内容生成
由于您提供的文章正文内容为无法解析的乱码，无法提取有效信息来撰写摘要。请提供可读的正文文本，以便根据要求生成包含关键发布内容、具体变化及相关数字指标的中文摘要。
OpenAI：官网动态精选AI 评分6060 ChatGPT Images 2.0 发布
ChatGPT Images 2.0 推出了一个先进的图像生成模型，该模型在文本渲染、多语言支持和视觉推理能力方面均有显著提升。新版模型能够更精准地生成包含文字的图像，并支持多种语言文本输入。其视觉推理功能也得到增强，可更好地理解和执行复杂图像生成指令。此次升级标志着多模态AI生成质量的一次重要进步。
推荐理由：ChatGPT Images 2.0 把文本渲染和多语言支持拉到了实用级别，对需要快速产出视觉素材的产品人是个实在的提升，只是缺乏效果对比让价值打了折扣。
Google Research：BlogAI 评分5050 Google Photos上线AI自动重构功能
Google Photos推出Auto frame功能，运用机器学习与生成式AI技术实现照片视角自动重构。该技术将二维图像解析为三维场景，先通过3D点云估计模型推算空间几何与相机参数，再利用扩散模型填补视角移动后暴露的背景区域。系统可智能调整相机位姿与焦距，自动修正广角畸变，生成自然比例人像，让用户无需手动操作即可获得重新构图的完美照片。
OpenAI：官网动态AI 评分5959 ChatGPT Images 2.0 发布
OpenAI 推出 ChatGPT Images 2.0，这是 ChatGPT 图像功能的重大版本升级。目前公开信息未披露具体技术细节与性能指标，该版本预计将在图像生成质量、多模态理解能力及用户交互体验等方面实现显著提升。用户可通过 ChatGPT 平台访问该功能，体验改进后的图像生成与处理能力。
Google Blog：AI精选AI 评分7171 Gemini 应用推出个性化图像创建新功能
Nano Banana 2 现支持结合个人上下文与 Google Photos 数据生成图像，通过分析用户独特的生活场景，创建反映个人经历的个性化视觉内容。该功能已在 Gemini 应用中上线，使 AI 图像生成能够基于真实生活语境，输出更贴合用户个人故事的定制化结果。
推荐理由：Gemini把个人照片和偏好直接揉进图像生成，不用再写长篇提示，对想快速出个人化图片的用户挺实用，可惜目前只对美国部分订阅者开放。
Midjourney：Updates精选AI 评分7272 V8.1 Alpha 发布
V8.1 Alpha 版本正式发布，接替此前测试一个月的 V8.0 模型。该版本在视觉风格上回归 V7 的一致性审美，并针对 Moodboards 和 srefs 功能进行优化。此次迭代在保持熟悉交互体验的同时，进一步完善了模型的视觉生成能力。
推荐理由：Midjourney V8.1 把 HD 模式提速 3 倍且变成默认，对设计师意味着每次出图成本骤降，探索速度接近 draft。加上图像提示回归，实用性跨了一大步。
Microsoft AI：官方博客AI 评分5454 Microsoft 发布 MAI-Image-2-Efficient：旗舰级画质，成本低 41%
Microsoft 发布 MAI-Image-2-Efficient，定位量产型图像生成模型，成本比旗舰低 41%，适合产品图、营销素材、UI 原型和批量流水线，能干净处理标题、标签类短文本并支持实时交互工作流。
OpenAI：官网动态 使用 ChatGPT 创建图像
本文介绍如何运用清晰提示词在 ChatGPT 中创建并优化图像，支持设计迭代，可在数分钟内生成高质量视觉内容。
Manus：BlogAI 评分4646 如何为品牌拍摄编写 AI 图像提示词
Manus 发布品牌摄影 AI 图像提示词指南，提出可用于生产的提示词需包含主体与服装、环境场景、相机与胶片类型、光线四层指令。文中给出广角、三分之四、侧面轮廓、特写、背面、双人六类镜头的完整提示词示例，均以 Kodak Portra 400 胶片和 50mm 至 120mm 镜头等参数锁定统一美学。
Microsoft AI：官方博客精选AI 评分6666 Microsoft AI 发布 MAI-Transcribe-1、MAI-Voice-1 与 MAI-Image-2 三款模型，上线 Microsoft Foundry
Microsoft AI 宣布发布 MAI-Transcribe-1、MAI-Voice-1 和 MAI-Image-2 三款模型，即日起所有开发者可在 Microsoft Foundry 和 MAI Playground 使用。
推荐理由：官方同时给出三款模型的定价和 FLEURS 基准对比数据，开发者可以直接在 Foundry 上手评估适用性。
Midjourney：Updates V8 Alpha 推出 Relax 模式
V8 Alpha Relax 模式已向 Standard/Pro/Mega 订阅者开放，支持所有生成命令，但不可同时使用 --hd 与 --q 4 参数。官方提示该模式可能存在资源耗尽风险。
Midjourney：Updates V8 Alpha
Midjourney 开放 V8 模型 Alpha 版本测试，用户可访问 alpha.midjourney.com 体验早期版本并提交反馈。V8 在提示词遵循能力上较此前版本有明显提升。