跳到正文
#图像生成
8月6日周四
  2. IT之家·人工智能64

    美国祖父母热衷用 AI 生成童书把孙辈写进故事，引发父母辈反感

    美国祖父母正流行用 AI 平台制作以孙辈为主角的个性化童书，却引发孩子父母强烈反感，甚至导致家庭矛盾。Imagitime、StoryWonderBook 和 Childbook.ai 等平台只需用户提供孩子信息即可生成故事，但家长担忧儿童照片和身份信息被 AI 平台滥用。麦考瑞大学研究员徐道之指出，AI 童书缺乏幽默感和戏剧张力，孩子对这类“专属故事”反应冷淡。

  3. Apple Machine Learning Research56

    驯服扩散 Transformer 中的离群 token：Dual-Stage Registers 干预

    研究发现扩散 Transformer（DiT）图像生成流程中，预训练 ViT 编码器和 DiT 去噪器均会产生离群 token，尤其在中间层，且简单掩蔽高范数 token 无法改善性能，问题与局部 patch 语义损坏相关。为此提出 Dual-Stage Registers（DSR）干预方法，在 ImageNet 和文生图任务上持续减少离群伪影并提升生成质量。

8月5日周三
  1. Rohan Paul41

    论文《Scaling Properties of Text Conditioning in Visual Generation》发现，文生图模型的效果受提示词对场景的暴露清晰度限制，而非长度；跨开源模型，单纯延长自然语言描述最终会使输出劣于最短描述。作者提出用结构化提示词，将场景、物体、边界框、深度、属性和关系分入命名字段，提示词工程应优化视觉变量的显式表达。

  2. Qwen47

    让我们在 fal 上用 Qwen-Image-3.0-Pro 一起创作吧！🎨 - 可渲染复杂、密集的排版 - 应用修改时保留面部特征和身份等关键细节 - 完美处理对象编辑、风格迁移和背景替换

    引用fal@fal

    Qwen Image 3.0 Pro is now available on fal - Renders complex, dense typography - Preserves key details like facial features and identity while applying changes - Handles object edits, style transfer, background changes perfectly

  3. 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。

  4. Qwen51

    Qwen-Image-3.0-Pro 相比上一代实现了巨大飞跃，目前排名全球第五。感谢认可！我们将继续前行。🚀

    引用Arena.ai@arena

    More exciting news from @Alibaba_Qwen: Qwen-Image-3.0-Pro has entered the Text-to-Image Arena at #5 with 1,263 pts! This is a strong improvement over Qwen-Image-2.0-Pro with 1,191 pts (#15 -> #5). Performance by category also improved substantially (see post below). Congrats to @Alibaba_Qwen on another huge release!

  5. 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。

8月4日周二
8月3日周一
  1. IT之家·人工智能61

    商汤科技开源多模态模型 SenseNova U1.5-Lite-Preview 预览版，原生支持 4K 图像生成

    商汤科技今日开源轻量级统一多模态模型预览版 SenseNova U1.5-Lite-Preview。该模型以仅 8B-MoT 的规模，在多项主流生成/编辑质量评测基准上显著超越 U1，实现可比肩商用闭源模型的图像生成与编辑效果。相比 U1，新版本原生支持 4K 图像生成，并提升局部纹理细节、中英文文字生成与复杂版式组织，以及图像编辑和视觉指令遵循能力。

  2. MiniMax (official)41

    为所有雪球喝彩 [引用 @RenLeanna]：H3 是首个达到 SD 级质量的模型，最重要的是，它开放了权重。 我个人认为，这对整个生态系统和技术而言都是最大的进步之一。 从今天起，我们肯定不再是唯一了。

    引用Leanna Ren@RenLeanna

    H3 is the first model to reach sd-level quality and, most importantly, it’s open weights. Personally I think this is one of the biggest steps forward for both the ecosystem and the tech as a whole. From today on, we won’t be the only ones here for sure.

8月2日周日
  1. The Verge：AI54

    Pippa 用收入分成吸引艺术家，但能说服他们拥抱 AI 吗？

    AI 视频初创公司 Pippa 试图通过收入分成模式吸引艺术家：订阅用户生成基于某位艺术家风格的内容时，该艺术家可获得每次图片 $0.005、每秒视频 $0.003 的补偿，并分享 5% 的版税池。公司目前约有 800 名付费订阅者，仅与四位人类艺术家签署了授权协议。但 Pippa 的技术仍基于在更广泛互联网内容上训练的开放模型，无法完全摆脱未经明确同意抓取艺术作品的争议。

  2. 公众号：卡尔的AI沃茨72

    实测MiniMax H3做后期和动效：视频届的审美王来了

    MiniMax H3视频模型实测覆盖广告TVC、短剧、创意片头、动态海报、UI动效和游戏实机六类场景，可生成5-15秒视频、原生双声道、直出2K，一次最多放9张图、3段视频和3段音频，提示语最高支持7000字符。

    推荐理由：多个场景测试显示 H3 在动态文字稳定性和动效克制上表现突出，提供的提示语结构可直接用于 UI、游戏宣传片等需要文字控制的视频生成。

  3. The Decoder：AI News51

    Snap 和 LinkedIn 反击低质量 AI 内容洪流

    Snap 本月起将完全由 AI 生成的视频移出 Spotlight 推荐，以聚焦“真实用户的真实创意”；使用 Snapchat 自家 AI 工具编辑的视频仍可推荐，但需附带透明度标签。LinkedIn 则推出专门的“AI 垃圾内容”举报按钮，独立于常规低质内容举报系统。一项 Kapwing 研究显示，21% 的 YouTube Shorts 已由 AI 生成。

8月1日周六
7月31日周五
  1. Elon Musk41

    想象一下升级 [引用 @doganuraldesign]：Grok Imagine 模板刚刚迎来重大更新！ 现在它更智能、更强大，内置现成预设和大量全新创意工具。 照片编辑、风格重绘、智能调整尺寸、背景移除、头像制作、表情符号生成器、周边产品制作器等等。 快去试试吧！

    引用Dogan Ural@doganuraldesign

    Grok Imagine Templates just got a huge update! Now it’s smarter and more powerful with ready-made presets and a ton of new creative tools. Photo Edit, Restyle, Smart Resize, Background Remover, Profile Picture Maker, Emoji Creator, Merch Maker, and much more. Give it a try!

  2. OpenAI Developers53

    Codex 中的 ImageGen 刚刚新增了灯箱和画布功能。 现在，在工作流中探索和优化视觉内容变得更加容易。

    引用dominik kundel@dkundel

    A picture may be worth a thousand words, but editing one shouldn’t take a thousand-word prompt. Point at a character. Erase what should disappear. Comment where the title should change. Here’s the new image editing workflow in ChatGPT and Codex on desktop.

  4. Google AI69

    Google Earth 网页版上线基于 Nano Banana 2 的图像生成功能，用户可通过文本提示词将卫星与 3D 影像结合，重新想象全球任意地点（如百年前的城市风貌或社区新球场）。该功能现已面向所有用户开放。

    推荐理由：Google 把图像生成塞进地球，直接用 Nano Banana 2 在卫星图上创作，门槛低得谁都能玩，做城市设计或创意提案的人可以立刻试试。

  5. Runway：News40

    Skyscanner 如何用 Runway 消除前期制作中的猜测

    Skyscanner 品牌团队在美加品牌广告拍摄中，使用 Runway 辅助艺术指导，在开拍前锁定镜头构图、灯光方向和演员站位，并在片场实时验证拍摄内容。团队将 Runway 生成的场景、道具和构图直接放入最终广告版式（OOH、Meta 广告等），将原本需要两周的构思过程压缩为可执行的预可视化方案，使拍摄现场反馈闭环从后期提前到实时。

7月30日周四
7月28日周二
  1. OpenRouter：Announcements60

    OpenRouter 新增图像生成模型专用 API 端点

    OpenRouter 通过专用 `/api/v1/images` 端点提供图像生成模型服务，图像理解仍通过 `/chat/completions` 端点完成，两者共用同一 API Key 和计费体系。该平台同时公布了两种任务的完整接口合约，并修复了此前出现的“no endpoints found”错误。

7月27日周一
  1. Ars Technica：AI60

    艺术家起诉AI模因生成器，未经授权将个人漫画作为广告模板出售

    菲律宾数字艺术家Elmer Saflor（网名“Superelmer”）起诉Memes Apps, LLC，指控其旗下平台Memes.ai和Memes AI Studio未经许可，将他的“Running Away Balloon”漫画作为付费广告生成器的模板出售，侵犯版权。该漫画自2017年起成为流行模因，但Saflor认为大规模商业化使用其作品并不合法。

7月25日周六
  1. Rohan Paul59

    Genspark Design 令人印象深刻。 我用一个虚构产品测试了 Genspark Design，看看一个视觉方向能走多远。 你可以为产品或服务设计完整的品牌标识系统。 生成海报、落地页模型、短宣传视频概念，以及可复用的设计系统（颜色、字体、视觉规则）。 只需给出方向，它就能创建： 移动应用、品牌视频、社交媒体海报 这是我的简单工作流程。🧵 1.

  3. 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。

7月24日周五
  1. IT之家·人工智能59

    微软推出自研AI模型MAI-Image-2.5-Pro与MAI-Voice-2-Flash，已进入公开预览

    微软发布两款自研AI模型MAI-Image-2.5-Pro和MAI-Voice-2-Flash，均进入公开预览，强调使用企业级数据训练、未蒸馏第三方产品。MAI-Image-2.5-Pro为微软最高精度图像模型，文本输入每百万token 5美元；MAI-Voice-2-Flash速度提升约2倍、成本降低32%，每百万字符15美元。

7月23日周四
  1. 公众号：卡尔的AI沃茨66

    腾讯设计Agent“设计妙境 Miora”上线，可完成品牌全案设计

    腾讯推出首个设计Agent“设计妙境 Miora”，覆盖品牌设计、电商广告、3D建模、App UI、TVC等13个场景。Miora具备记忆功能，能持续记住用户审美偏好，并支持将完整流程保存为可复用的Skill。实测中，Miora从Logo、品牌手册到产品外观、包装、IP周边、45平方米体验店、配套App、电商详情页及30秒TVC和带货视频，全流程自主生成。

  2. IT之家·人工智能42

    红果短剧发布AI剧角色创作规范，将专项治理“高频AI脸”

    红果短剧昨日发布公告，从角色差异化与版权合规两方面规范AI剧创作，要求主要角色具备清晰形象区分度，避免不同剧集使用高度相似形象。平台近期将启动专项治理，重点整治“高频AI脸”复用、内容同质化及素材违规三类问题。7月21日，红果短剧已对都市情感等品类AI仿真人剧提升内容准入门槛，未达标内容需优化后重新上传。

  3. IT之家·人工智能41

    男子用AI伪造烂果图骗取电商“仅退款”1.6万元并转售牟利，获刑一年

    湖南衡山县居民谭某某在2025年10月至2026年1月期间，利用AI修图软件伪造水果腐烂图片，骗取电商平台“仅退款”后转售完好水果牟利，累计下单100余笔，涉案价值16000余元。其行为导致多个电商平台将衡山县列为高风险地区，该县居民一度无法购买榴莲和车厘子。法院以诈骗罪判处谭某某有期徒刑一年，并处罚金5000元，因其2024年曾犯诈骗罪系累犯，依法从重处罚。

  5. 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。

7月22日周三
  1. 公众号：卡尔的AI沃茨71

    实测Qwen-Image-3.0：19大场景挑战GPT Image2，中文长文本与多图融合表现亮眼

    Qwen-Image-3.0上线，支持最高4.5k token输入、12种语言、20多种字体，以及多图融合、图中图和图片编辑。实测显示，其在中文长文本生成、多语言混合排版、UI设计、多图融合与图片编辑等19个场景中均能稳定输出，文字不崩且信息对应准确，图片质量已能与GPT Image2媲美。该模型在国内可直接使用，速度快且价格不贵。

    推荐理由：Qwen-Image-3.0 的实测效果在中文文字稳定性和多图融合上可以和 GPT Image2 掰手腕，看完这些案例，你会意识到国产图像模型已经能务实替代一部分工作流了。

  2. Qwen73

    通义千问发布第三代图像生成模型Qwen-Image-3.0，核心关键词为“真实”。模型支持最长4.5k token的提示词，可一次性生成复杂布局（如报纸、试卷、3×3信息图），并能渲染10px级文字、完整LaTeX论文页面及逼真皮肤纹理。它还支持12种语言、100多种艺术风格，并具备实时网络检索能力，旨在成为设计、教育等领域的实用生产力工具。

    同一件事，精选收录的是《通义千问发布 Qwen-Image-3.0 图像生成模型，核心关键词为“实”》