inclusionAI/Ming-UniVision
inclusionAI 发布了 Ming-UniVision 的代码。该项目提出了一种创新的连续统一分词器，旨在联合处理图像理解与生成任务。该技术试图将视觉识别和图像合成整合进一个统一的框架内，通过连续化的表示来桥接两类不同性质的视觉任务，有望提升多模态模型的效率和协同能力。此次代码开源意味着相关方法将可供社区研究、复现与应用。
#图像生成
蚂蚁 inclusionAI：GitHub 新仓库AI 评分5151
OpenRouter：AnnouncementsAI 评分4949 OpenRouter 上线首个图像模型 Gemini 2.5 Flash Image Preview
OpenRouter 现已上线 Gemini 2.5 Flash Image Preview，这是该平台首个图像生成模型，支持 SOTA 图像生成、角色一致性以及多图像输出。
OpenRouter：AnnouncementsAI 评分4646 OpenRouter 上线首个图像模型 Gemini 2.5 Flash Image Preview
OpenRouter 现已提供 Gemini 2.5 Flash Image Preview，这是平台上的首个图像模型。该模型具备 SOTA 图像生成能力，支持角色一致性（character consistency）和多图像输出（multi-image outputs）。
OpenRouter：AnnouncementsAI 评分4242 首个图像模型在 OpenRouter 上线
Gemini 2.5 Flash Image Preview 模型已在 OpenRouter 平台正式发布。该模型是首个在该平台上线的图像生成模型，具备当前最优的图像生成能力。其核心特性包括出色的角色一致性和支持多图像输出功能，为开发者与用户提供了新的图像生成工具选项。
Mistral AI：NewsAI 评分5757 Mistral 为 Le Chat 推出 Deep Research、语音模式、Projects 等多项新功能
Mistral 宣布 Le Chat 上线多项新功能，包括 Deep Research 预览模式、基于 Voxtral 模型的语音模式、由 Magistral 推理模型驱动的多语言思考模式、按项目组织对话的 Projects，以及与 Black Forest Labs 合作的高级图像编辑。
Modal 官方工程博客精选AI 评分6262 Modal 如何用 evals 和推理时算力扩展生成既美观又可扫的 QArt 二维码
Modal 团队复盘其 QArt codes 服务的工程过程，通过 evals 和推理时算力扩展将二维码扫描率提升到 95% 的 SLO，同时改善美观度并将 p95 端到端延迟控制在 20 秒内。
推荐理由：Modal 团队复盘 QArt codes 从不可扫到 95% 扫描率的工程路径，evals 构建与推理时并行扩展的方法可迁移到其他生成模型应用。
Modal 官方工程博客AI 评分5757 Modal 讲解如何将 FLUX.1-dev 推理提速三倍并匹配专有 API 性能
Modal 官方博客分享如何将 Black Forest Labs 的 FLUX.1-dev 在 Modal 上的自托管推理提速三倍，使 1024x1024 图像生成延迟从约 6.75 秒降至约 2.2 秒，达到与专有 API 竞争的三秒目标。
Goodfire ResearchAI 评分6060 Goodfire 发布 Paint With Ember 并开源驱动的 SAE 模型
Goodfire Research 发布 Paint With Ember，一款通过直接操纵模型内部神经激活来生成和编辑图像的工具，同时开源了支撑该应用的 SAE 解释模型。
Google DeepMind：Blog精选 以全新生成式媒体模型与工具激发创意
发布新一代生成式媒体模型 Veo 3 与 Imagen 4，以及专为电影制作打造的工具 Flow，支持更高质量的视频与图像生成及专业影视创作流程。
推荐理由：Google发布Veo 3与Imagen 4生成模型及电影制作工具Flow
Runway：News Runway 推出 Gen-4 Image API
Runway 开放 Gen-4 Image API，集成 References 功能，定价 $0.08/张。支持虚拟试衣、游戏资产生成、室内设计等场景，开发者可通过 bounding boxes 精确控制构图，将多模态生成能力接入自有应用。
OpenAI：官网动态精选AI 评分6868 OpenAI 通过 API 发布最新图像生成模型 gpt-image-1
OpenAI 将最新图像生成模型以 gpt-image-1 形式接入 API。开发者和企业可以在自己的工具和平台中直接构建专业级、可定制的图像生成功能。
推荐理由：原文说明 gpt-image-1 通过 API 开放，可帮开发者把可定制的专业级图像生成接入自有工具与平台。
OpenAI DevelopersAI 评分5252 OpenAI Cookbook 发布用 GPT Image 生成和编辑图像的教程
OpenAI 开发者 Cookbook 发布教程，介绍如何使用 GPT Image 能力生成和编辑图像，并提供可运行的示例供开发者参考。
OpenAI Developers精选AI 评分7979 OpenAI 演示如何使用 4o 模型生成图像
OpenAI 发布介绍视频，演示如何使用 4o 模型创建图像。视频展示了 4o 的图像生成功能的基本用法。
推荐理由：官方演示如何用 4o 模型生成图像，想上手该功能的开发者可以直接参照操作。
OpenAI：官网动态精选AI 评分8282 OpenAI 推出 4o 图像生成，GPT-4o 支持原生图像生成
OpenAI 在 2025 年推出的这次发布为 GPT-4o 引入原生图像生成能力，包括更强的文字渲染和指令遵循。相关功能可通过 ChatGPT Images 2.5 使用。
推荐理由：原文给出 GPT-4o 原生图像生成的核心能力变化和 ChatGPT Images 2.5 入口，可据此了解该功能如何用于生成场景。
FireRedTeam：原创语音与多模态项目AI 评分5151 FireRedTeam 开源 LayerDiffuse 的 Flux 版实现
FireRedTeam 在 GitHub 发布 LayerDiffuse 的 Flux 版实现（LayerDiffuse-Flux），训练了适配 Flux 的透明 VAE 和 LoRA 微调，用于生成透明图像。
xAI：News精选 Grok 正式发布图像生成功能
Grok 推出图像生成功能，支持通过自然语言指令直接创建图片。该功能已向 X 平台用户开放，标志着这款 AI 助手从文本交互向多模态能力扩展，用户可在对话中直接生成并编辑视觉内容。
推荐理由：xAI发布Grok图像生成功能，拓展多模态应用场景
OpenAI：官网动态AI 评分5555 OpenAI 改进连续时间一致性模型，两步采样媲美主流扩散模型
OpenAI 对连续时间一致性模型做了简化、稳定化和规模化改进，样本质量可与领先的扩散模型相当，且只需两步采样。
FireRedTeam：原创语音与多模态项目AI 评分5959 FireRedTeam 开源 StoryMaker：文生图中保持角色一致性
FireRedTeam 发布 StoryMaker，一个个性化文生图方案，在多角色场景中不仅保持人脸一致性，还保持服装、发型和身体的一致，可用一系列图像构建故事。模型权重于 2024/09/02 发布，随后放出技术报告和训练代码，权重可从 Huggingface 下载（RED-AIGC/StoryMaker），基于 SDXL pipeline，使用时需手动下载 buffalo_l 人脸编码器。
FireRedTeam：原创语音与多模态项目AI 评分5454 FireRedTeam 开源 Target-Driven Distillation 一致性蒸馏方法与模型权重
FireRedTeam 发布 Target-Driven Distillation（TDD），一种一致性蒸馏方法，可让扩散模型仅用 4-8 步生成高细节图像，论文被 AAAI25 接收。核心设计包括目标时间步选择、解耦引导，以及可选的非等距采样和 x0 clipping；项目开源了 SDXL、FLUX.1-dev 的 LoRA 权重和训练/推理代码，并提供了与 LCM、PCM、TCD 的对比示例。
Modal 官方工程博客AI 评分4848 在 Modal 上微调 Stable Diffusion 打造无限图标库
Modal 工程博客展示了如何用约 300 个 Heroicons SVG 图标微调 Stable Diffusion，生成 Heroicons 风格的黑白线条图标，例如 barack-obama、golden-retriever 等。
LlamaIndex：产品、工程与评测AI 评分5555 LlamaIndex 结合 Transformers Agents 打造 Text2Image 提示词助手工具
LlamaIndex 团队为 Transformers Agents 实现了一个 Text2Image Prompt Assistant 工具，通过索引 10K 条 DiffusionDB 提示词，让 LLM 参考示例改写提示词后再生成图像。
OpenAI：官网动态精选AI 评分6868 DALL·E 推出 outpainting 外绘功能，支持任意尺寸扩展图像
OpenAI 为 DALL·E 推出 outpainting 功能，可在原图之外继续扩展画面，支持任意尺寸的图像创作，用于延展创意并讲述更完整的故事。
OpenAI：官网动态精选AI 评分6565 OpenAI 开放 DALL·E 测试版，将从候补名单邀请 100 万用户
OpenAI 宣布 DALL·E 开放测试，未来几周内将从候补名单邀请 100 万人使用。用户每月可获得免费生成额度，额外额度按 115 次生成 15 美元的价格购买。
推荐理由：原文明确了邀请规模和付费定价，读者可以了解 DALL·E 测试版的获取方式与使用成本。
OpenAI：官网动态AI 评分4141 OpenAI 更新 DALL·E 2 研究预览：每周新增最多 1000 名用户
OpenAI 更新 DALL·E 2 研究预览进展，早期用户已累计生成超 300 万张图像，并帮助改进了安全流程。OpenAI 表示将开始每周从等待名单中新增最多 1000 名用户。
Sam Altman：Blog DALL•E 2
OpenAI 发布 DALL•E 2 研究版本，支持通过自然语言指令生成和编辑图像。作者认为这标志着计算机界面新趋势——自然语言交互，并指出与 Copilot 不同，DALL•E 2 能独立完成完整作品，可能率先冲击创意工作而非体力劳动，预示 AI 对劳动力市场的潜在影响。团队计划今年夏天正式产品化，当前采用渐进式部署策略以评估风险。
OpenAI：官网动态精选AI 评分8181 OpenAI 发布 DALL·E：从文本描述生成图像
OpenAI 宣布训练出神经网络 DALL·E，可根据自然语言文本描述生成图像，覆盖广泛可用自然语言表达的概念。
推荐理由：OpenAI 官方宣布文本生成图像模型 DALL·E，读者可据此了解文生图方向的早期源头。
OpenAI：官网动态AI 评分5151 OpenAI 发布可逆生成模型 Glow
OpenAI 推出 Glow，一种使用可逆 1x1 卷积的可逆生成模型，扩展了此前可逆生成模型的工作并简化了架构。模型可生成逼真的高分辨率图像，支持高效采样，并能发现可用于操纵数据属性的特征。OpenAI 同时发布了模型代码和在线可视化工具供探索和构建。