跳到正文
#图像生成
7月22日周三
  1. The Decoder：AI News59

    阿里通义千问发布 Qwen-Image-3.0：单次生成可读十像素文字与复杂信息图

    阿里通义千问团队发布 Qwen-Image-3.0，该图像生成模型支持最长 4500 token 的输入，可单次生成包含可读十像素文字、数学公式及十二种语言的复杂排版，如 3×3 信息图网格和嵌套界面。模型目前仅通过邀请制 API 开放，后续将集成至 Qwen Chat 等自有应用，但不太可能像初版 Qwen-Image 那样开源权重。

7月21日周二
  2. 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。

7月20日周一
  2. IT之家·人工智能43

    华为 Mate 80 等系列手机开启 HarmonyOS 6.1.0.135 升级，更多机型 8 月获推

    华为 Mate 80、Mate X7、Pura X 等系列机型开启 HarmonyOS 6.1.0.135 版本推送，主要增强图库 AI 修图中的沾色与魔法移图功能。AI 沾色支持为逆光人物图一键生成剪影效果，魔法移图新增贴纸功能并提供 Emoji、萌宠等预置贴纸。Mate 60 系列、Pura 70 系列等机型计划于 2026 年 8 月初开始逐步推送。

7月19日周日
7月18日周六
  2. IT之家·人工智能46

    商汤科技发布日日新 U1 Pro 图片创作模型：最高 8K 原生分辨率输出，宣称告别“AI 味”

    商汤科技发布日日新 SenseNova U1 Pro 图片创作模型，宣称效果比肩海外顶尖模型。该模型支持最高 8K 原生分辨率输出，通过内生图文交错思维链实现专业设计美感与低文字渲染出错率，并具备长程 Agentic Generation Loop 能力，支持数十轮智能体生成循环与精准可控编辑。

7月17日周五
7月15日周三
  2. Simon Willison 博客63

    Simon Willison 在 Codex Desktop 中创建自定义宠物“Pedalican”

    Simon Willison 在 Codex Desktop 中意外激活了一个类似 Clippy 的动画机器人“宠物”，随后发现可以自定义创建。他通过 GPT-5.6 Sol xhigh 模型描述需求，并借助 gpt-image-2 多轮生成精灵素材，最终制作出一只骑自行车的小鹈鹕“Pedalican”，在桌面上弹跳并更新 Codex 任务状态。关键实现细节已开源，包括 openai/skills 下的 hatch-pet 和 openai/codex 下的 imagegen 两个技能，均采用 Apache 2.0 许可。

  3. The Decoder：AI News52

    Google 搜索 AI Overviews 集成图像生成功能

    Google 在搜索的 AI Overviews 中直接集成 AI 图像生成功能。当网络不存在匹配图片时，用户可在搜索栏输入文本提示词生成图像。该功能基于 Google 新推出的 Nano Banana 2 Lite 图像模型，优先考虑速度和成本而非质量。未来几周内，所有已支持 AI 模式图像生成的地区将率先上线英文版。此举意味着开放网络的点击量可能减少，AI 生成结果将进一步蚕食图片搜索带来的外部网站流量。同时，Google Images 主页将重新设计，新增动态图库和收藏功能，未来几周内美国桌面端英文版率先上线，需 Google 账号。

  4. Google Blog：AI49

    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。

  5. TechCrunch：AI60

    Google Images 改版：类似 Pinterest 的动态画廊与 AI 图像生成

    Google Images 迎来重大改版，界面转向类似 Pinterest 的可浏览动态画廊，新增“For You”个性化推荐和“collections”收藏功能，旨在将图片搜索变为发现与灵感平台。同时，Google 在 AI Overviews 中直接集成图像生成能力，基于最新的 Nano Banana 模型将文本提示词转化为定制图像，帮助用户可视化房间装修等创意。桌面端英文版改版将在未来几周于美国逐步上线，用户需登录 Google 账户体验。AI 图像生成功能也将于未来几周在支持 AI Mode 图像创建的所有地区以英文推出。

7月14日周二
  1. SenseTime54

    商汤 SenseTime 推出 SenseNova Token Plan，新用户首月每 5 小时可获每个模型 1,500 次免费 API 调用。该计划包含 SenseNova-Skills 办公自动化技能套件（兼容主流 Agent 框架与开源工具，支持图像生成、PPT 制作、多维数据分析与研究）、原生多模态架构的 SenseNova 6.7 Flash-Lite（可直接解析网页、文档与金融图表，在复杂多步任务中比传统纯文本 Agent 模型减少约 60% token 消耗），以及专为信息图与高端演示加速的 SenseNova U1 Fast。更多套餐（Lite、Pro 等）即将推出。

  4. IT之家·人工智能53

    呼和浩特全民摄影双月赛一等奖作品被指AI生成，主办方回应正调查

    “艺润北疆·光影青城”2025年呼和浩特全民摄影双月赛第三期一等奖作品《洒乐园林》被网友指出存在AI生成痕迹：画面中环卫工马甲上的文字出现明显乱码。比赛主办方“呼和浩特市文学艺术界联合会”回应称正调查此事，并表示联合会不负责作品评审，仅转发公示结果。记者追问AI作品能否参赛时，工作人员称“摄影比赛可能也需要现代科技的加入”。

7月12日周日
  1. The Decoder：AI News56

    Meta 移除 Muse Image 中未经同意生成 Instagram 用户 AI 照片的功能

    Meta 在广泛批评后，从其新模型 Muse Image 中移除了一项争议功能。该功能允许用户通过 @提及公开 Instagram 账户，在未经对方同意的情况下生成其 AI 照片，且默认开启，用户需手动在设置中选择退出。Meta 承认“该功能未达到预期”，并在发布数天后将其关闭。在欧洲，该功能因更严格的数据保护法规本就难以存活。Meta 可能借鉴了 OpenAI 已停用的 Sora 应用中的“客串”功能。

7月11日周六
  1. IT之家·人工智能48

    阿里巴巴等启动“古壁生辉”古代壁画 AI 重现工程

    阿里巴巴公益联合西安美术学院、爱智岛、万相、堆友等启动“古壁生辉”工程，利用 AI 数字化重现古代壁画。首期对象为山西平顺大云院弥陀殿现存唯一的五代壁画《维摩诘经变》。爱智岛基于万相 Wan 2.7-Image 模型，通过 AI 识别并清理风化痕迹、推断残缺部分原始构图，在尊重原画风格下生成色彩饱满的二创图像。该 AI skill 已上线“堆友”平台，面向全国壁画从业者开放。重现完成后计划在大云院开辟专区展示。

  2. TechCrunch：AI66

    Meta 移除 Instagram 上引发争议的 AI 图片修改功能

    Meta 本周早些时候随 Muse Image 生成器推出的功能，允许用户通过 @ 提及公开 Instagram 账户来生成图片，且不会通知被引用的用户。该功能立即引发用户和包括 CAA 在内的经纪公司强烈反对。Meta 周五发布博客称该功能“未达预期”，现已下架。公司表示其初衷是提供有用的创意工具并让用户控制公开内容是否被引用，但已听取反馈并移除该功能。

  3. The Verge：AI76

    Meta 关闭 Instagram 用户可基于公开账户生成 AI 深度伪造图片的功能

    在遭到强烈反对后，Meta 关闭了本周早些时候推出的一项 Instagram 功能。该功能允许用户通过 @ 提及公开 Instagram 账户，基于其内容生成 AI 图片，且无需账户所有者许可。Meta 在关于其新 Muse Image AI 模型的博客文章更新中表示，其初衷是提供有用的创意工具并给予用户认可，但用户反馈表明该功能可能被滥用。

    推荐理由：Meta 在舆论压力下火速撤回刚发布的 AI 深度伪造功能，这次公关折返跑比功能本身更有信息量，平台对隐私反弹的优先级已经高于技术落地，但默认 opt-out 的根本矛盾还在。

7月10日周五
  1. Elon Musk68

    Elon Musk 转发用户 @0x0funky 对 Grok Build 的称赞。该用户称 Grok Build 是目前唯一集大成的 coding agentic workflow，内建图像生成和图片生视频功能，生图速度快且品质不输 Codex。Agent 可直接完成图像与视频生成，无需额外串接 MCP 或外部服务。用户结合 Agent Sprite Forge 工具，利用 Grok Build 的视频生成能力，先产出 6 秒角色动作视频再反编译为 game sprite，大幅减少对齐问题，制作 2D 横版游戏耗时不到 30 分钟，而此前用 Codex 需 1-2 小时且品质更优。

    引用0xFunky@0x0funky

    Grok Build is crazy. 先不管GPT-5.6是不是release到底好不好用。 先來大大稱讚一下 @grok 的 Grok Build，目前唯一集大成的 coding agentic workflow。 Grok Build 內建 Image 生圖，甚至還有圖片生影片的功能，生圖速度真的快到不行，圖片品質也完全不比 Codex 差。 更厲害的是，因為 Grok Build 本身就內建生圖和生影片能力，agent 可以直接完成圖像與影片生成，不需要再額外串其他 MCP 或外部服務，只要訂閱 Grok，就可以把這整套 creative coding workflow 跑起來。 我在 Agent Sprite Forge 上面也新增了Grok專用的 video2dsprite，因為 Grok Build 內建影片生成，現在可以先生成一段連續的 6 秒角色動作影片，再反編譯成 game sprite，這樣做出來的角色元素圖會非常順，而且大幅減少之前常見的對齊問題。 Grok Build搭配 Agent Sprite Forge 真的超好用，我做完這個2D橫向卷軸遊戲總共花了不到30分鐘... 之前叫Codex做，光生圖就要花不少時間，要做成這樣的遊戲大概需要1~2小時，重點是Grok的品質還比Codex做的還要更好... @elonmusk Grok Build is crazy. Grok Build + Agent Sprite Forge feels like the future of agentic game development.

    推荐理由：这个 Grok Build 加 Agent Sprite Forge 的工作流把做 2D 游戏的时间压到了 30 分钟，之前要 1-2 小时，而且品质更好，独立游戏开发者可以直接抄作业。

  2. Rohan Paul65

    博主@thehypedotnews 测试了 GPT-5.6 Sol Pro、Claude Fable 5、Grok 4.5 和 GLM 5.2 的 Three.js 3D 场景编码能力。Sol Pro 定价 $5/M 输入、$30/M 输出，宣称 SOTA 编码。三城测试总成本：Grok 4.5 最低 $0.41，GLM 5.2 $1.45，Sol Pro $4.12，Fable 5 最高 $11.37。Sol Pro 代码经 Opus 4.8 评审：使用现代 R164 栈，但玻璃反射缺失、未做实例化合并、阴影粗糙。结论：前沿模型更擅长生成好看的第一印象而非严格遵循详细视觉工程规范，GLM 5.2 竞争力显著。

    引用thehype.@thehypedotnews

    gpt 5.6 sol pro vs claude fable 5 vs grok 4.5 vs glm 5.2 today @OpenAI released the gpt-5.6 family – sol (flagship), terra, luna. key facts: • sol is the new flagship, priced $5/m input and $30/m output • openai claims "more work per token" and sota coding: artificial analysis coding agent index 80, browsecomp 92.2%, osworld 2.0 62.6% • sol pro = the highest-quality chat tier for complex tasks; the family also ships an 'ultra' setting that runs 4 agents in parallel • we ran sol pro our test – 3 prompts, single-file html, three.js: 1. floating-island district of london – tower bridge, big ben, london eye, the shard, tower of london 2. floating-island district of paris – pont alexandre iii, eiffel, arc de triomphe, louvre, notre-dame 3. floating-island district of nyc – brooklyn bridge, empire state, chrysler, one wtc, flatiron, statue of liberty requirements: two square floating islands, sheer cliffs, waterfalls pouring only from drainage pipes (real stream geo, foam, spray, mist), fps fly-cam, every square meter packed with landmarks + city fabric, cinematic golden-hour sky, bloom, no ui, no text results (summed across all 3 cities): cost #1 grok 4.5 – $0.41 #2 glm 5.2 – $1.45 #3 gpt 5.6 sol pro – $4.12 #4 fable 5 – $11.37 tokens #1 grok 4.5 – 60,291 #2 fable 5 – 174,083 #3 gpt 5.6 sol pro – 241,739 #4 glm 5.2 – 243,188 lines of code #1 fable 5 – 2,830 #2 gpt 5.6 sol pro – 3,003 #3 glm 5.2 – 3,474 #4 grok 4.5 – 3,830 sol pro's code quality – reviewed by opus 4.8: upsides: - modern r164 stack, zero deprecated apis, correct color management via outputpass - instancedmesh batches thousands of skyscraper windows into single draw calls - every cliff and facade is a procedural canvas texture, no external assets - clean animate loop, no per-frame allocations downsides: - the glass reflects nothing – materials set envmapintensity 1.3–1.4 and transmission, but no scene.environment or envmap is ever created, so the spec's "reflections on glass" don't exist - the city has no instancing or merging: box() mints a fresh geometry per call and every window is its own plane mesh, so london and paris ship thousands of draw calls with instancedmesh count 0 - one 2048² shadow map is stretched across the whole 440-unit district, so shadows come out coarse and crawling. and ~58% of buildings get a random cone "pyramid" roof regardless of style while ~32% skip casting shadows outright pattern: it writes a clean, deprecation-free scene that photographs well – then skips the reflections, draw-call discipline and material depth the prompt asked for. built for the thumbnail, not the spec observations: • all four are mid – frontier "graphics" aren't best-of-the-best. prettiest is london by glm 5.2, still not ideal • bridges break everyone: fable joins two towers with chains, no roadway. sol pro opens its bascule down instead of up • sol pro floats cars with no road in nyc • sol pro trends toward simple, boxy shapes – fable too models that were "5 minutes to agi" now ship sloppy and perform at roughly glm 5.2 level. glm is closing the gap from below, and political decisions are closing it from our side follow @thehypedotnews for 24/7 ai news, analysis and breakdowns

  3. TechCrunch：AI72

    如何阻止Meta的AI图像生成器使用你的Instagram照片

    Meta推出AI图像生成功能Muse Image，允许用户利用公开Instagram账户的照片生成AI图像，只有私密账户和18岁以下用户自动排除。用户可在个人资料中选择“分享和复用”，关闭“允许他人使用和复用你的内容”以退出。该功能引发隐私担忧，此前Meta因剑桥分析事件被FTC罚款50亿美元，涉及8700万用户数据泄露。Pew调查显示35%受访者对AI增长担忧多于兴奋。

7月9日周四
  3. Artificial Analysis62

    Google 推出最小型号 Nano Banana 2 Lite（Gemini 3.1 Flash Lite Image），支持文生图与图像编辑。在 Artificial Analysis 文生图排行榜位列第5，超越基础版 Nano Banana 2（第7）；但图像编辑榜仅排第18，远低于 Nano Banana 2（第3）和 Pro（第5）。速度方面，生成1K图像平均3.4秒（端到端），为Top 10质量模型中最快；Nano Banana 2约20秒，GPT Image 2需数分钟。定价每1K图像$33.60（Batch API半价$16.80），仅为 Nano Banana 2（$67）一半、Pro（$134）四分之一。已在 Gemini API、AI Studio、Enterprise Agent 平台及 Gemini 应用、搜索 AI Mode、NotebookLM、Google Photos 上线。

7月8日周三
  2. IT之家·人工智能70

    字节发布多模态图像创作模型 Seedream 5.0 Pro：复杂信息可视化、交互式精准编辑

    字节跳动今日发布多模态图像创作模型 Seedream 5.0 Pro，在图文匹配、结构合理性、文字渲染与画面美感上全面提升。新增四大能力：复杂信息可视化（将数据、概念与密集文字转化为专业排版）、交互式精准编辑（点选、圈选、草图渲染、色彩与材质替换、图层分离、多图融合等）、真实影像与人像质感（兼顾CG与摄影质感）、原生多语种输入与生成（支持十余种语言）。目前该模型已上线火山方舟体验中心，并将在豆包、即梦陆续上线。

  3. 公众号：火山引擎57

    Seedream 5.0 Pro API上线，让图像创作开启“专业表达”阶段

    火山引擎上线豆包图像创作模型 Seedream 5.0 Pro 的 API 服务。该模型在交互式精准编辑、复杂信息可视化、影像与人像质感真实、原生多语种输入与生成等方面实现能力突破：支持点选、圈选、草图渲染、色值编辑、图层分离等像素级编辑；可稳定输出高密度信息图；强化光影、材质和皮肤肌理还原；原生支持中、英、西、葡、阿、法、德、俄、日、韩、泰等十余种语言。广泛适配电商营销、广告创意、深度教育、影视视觉开发、全球化出海物料等企业场景。

  4. 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。

  5. The Decoder：AI News76

    Meta Muse Image 上线：AI 智能体式图像生成，但 Instagram 照片功能引隐私争议

    Meta 旗下 Superintelligence Labs 发布首个图像模型 Muse Image，以 AI 智能体方式运作，通过调用代码生成、网页搜索等外部工具自动修正输出，并在强化学习中出现自我优化行为。在 Image Arena 上，Muse Image 文本到图像及编辑评分位列第二，仅次于 OpenAI 的 GPT Image 2；同期预览的 Muse Video 排名第三。该模型已在 Meta AI 应用、meta.ai、Instagram Stories 和 WhatsApp 上线。其中一项功能允许用户通过 @ 提及公开 Instagram 账号，利用其公开照片生成他人图像，默认开启且仅提供主动退出选项。该功能已招致批评，预计将面临欧洲 GDPR 及 EU AI Act 的严格审查。