Black Forest Labs 发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频，支持文本、图像或视频输入。其视频骨干被 mimic 用于 FLUX-mimic 机器人控制系统，在软体 kitting 任务上报告 95% 成功率，高于同数据训练的 π0.5 的 55%；冻结骨干时仍具竞争力。FLUX 3 Video 已开放早期访问，图像生成与编辑随后推出，动作预测通过合作方提供，并计划发布开放权重版本。
匹配字段摘要
微软 AI 宣布 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash 进入公开预览。MAI-Image-2.5-Pro 主打高保真图像生成与精确图像内文字渲染，定价为每 1M 文本输入 token 5 美元、每 1M 图像输入 token 8 美元、每 1M 图像输出 token 106 美元；MAI-Voice-2-Flash 面向高并发语音场景，比 MAI-Voice-2 快 2 倍、便宜 32%，定价为每 1M 字符 15 美元。微软称 MAI-Image-2.5 已成为 Bing Image Creator 的默认模型，在 PowerPoint 中使 GPU 成本最多降低 84%，在 OneDrive 中使保存率提升 26%、P95 延迟降低约 25%；MAI-Voice-2-Flash 已接入 Dynamics 365 Contact Center 与 Azure Voice Live，GPU 成本最多降低 89%。
匹配字段摘要
蚂蚁百灵发布全模态大模型 Ming-flash-omni-2.0，基于 Ling-2.0（MoE 架构，100B-A6B）训练，相比 Preview 版本在全模态能力上有明显提升。该模型覆盖视觉百科识别、可控语音生成与图像生成编辑分割，官方称其为业界首个将语音、音效和背景音乐生成融为一体的模型，并首创将生成、编辑、分割融入单一原生模型。模型权重和推理代码已开源。
匹配字段摘要、正文
2026年7月16日,Qwen 团队发布第三代基础图像生成模型 Qwen-Image-3.0,核心关键词为“实”,强调内容丰富、细节真实与知识深度。据 Qwen Blog 介绍,该模型支持最高 4.5k token 输入,可一次生成 3×3 复杂信息图,并能清晰渲染小至 10px 的文字,包括 LaTeX 公式、报纸版面和手写批注。此外,它还支持 12 种语言的原生渲染,可模拟网页、游戏、直播等界面,并覆盖 100 多种艺术风格。目前尚无后续发展事实,模型发布即为最新状态。
匹配字段标题
2026年2月7日,Qwen 团队发布下一代基础图像生成模型 Qwen-Image-2.0。据官方介绍,该模型将此前并行的生图与编辑两条路线合并为统一的生成与编辑模型,支持 1k-token 指令直接生成 PPT、海报、漫画等信息图,原生支持 2K 分辨率,并采用更小的模型体积以提升推理速度。官方还称,在 AI Arena 盲测中,该模型在文生图与图生图基准上均取得更优表现。目前该事件尚无后续发展事实,状态停留在发布阶段。
匹配字段标题
2025年10月13日,Microsoft发布首款完全自研的图像生成模型MAI-Image-1。据Microsoft AI Blog,该模型在LMArena文本生图榜单中进入前十,主打照片级真实感,擅长光照(如反弹光、反射)和风景等场景,官方称其速度与质量组合优于许多更大更慢的模型。11月4日起,MAI-Image-1开始接入部分微软产品:在Bing Image Creator中与DALL-E 3、GPT4o并列可选,并用于Copilot Audio Expressions的Story Mode配图,目前面向所有可访问Bing Image Creator和Copilot Labs的国家开放。
匹配字段标题
2026年7月24日,微软AI宣布MAI-Image-2.5-Pro与MAI-Voice-2-Flash进入公开预览。据微软AI Blog,MAI-Image-2.5-Pro主打高保真图像生成与精确图像内文字渲染,定价为每1M文本输入token 5美元、每1M图像输入token 8美元、每1M图像输出token 106美元;MAI-Voice-2-Flash面向高并发语音场景,比MAI-Voice-2快2倍、便宜32%,定价为每1M字符15美元。微软称MAI-Image-2.5已成为Bing Image Creator的默认模型,在PowerPoint中使GPU成本最多降低84%,在OneDrive中使保存率提升26%、P95延迟降低约25%;MAI-Voice-2-Flash已接入Dynamics 365 Contact Center与Azure Voice Live,GPU成本最多降低89%。目前尚无后续发展事实。
匹配字段摘要
Qwen Team 发布 Qwen-Image-3.0
English translation is being prepared.
匹配字段标题
Qwen Team 发布 Qwen-Image-2.0
English translation is being prepared.
匹配字段标题
Microsoft 发布 MAI-Image-1
English translation is being prepared.
匹配字段标题
Canva推出首个自研前沿图像模型Canva Craft,并在DesignArena图像生成榜单上位列第二,仅次于OpenAI。该模型由规划器和渲染器两部分组成:规划器先写出构图方案,渲染器再以最高2K分辨率、30多种宽高比绘制。由于布局和文字在渲染前已确定,修改单个元素时只会改动该元素。目前尚无后续发展信息。
匹配字段摘要
2026年10月7日,Google 发布图像生成与编辑模型 Nano Banana 2.1,并进入 Arena 的文生图、图像编辑和多图编辑三个竞技场。据 Arena 报道,它在多图编辑以 1431 分排第 4,文生图以 1328 分排第 5,图像编辑以 1428 分排第 6;相比 Nano Banana 2,文生图提升 80 分,多图编辑提升 67 分,图像编辑提升 38 分。分类榜单中,它在多图编辑的商业设计与 3D 排第 3,在卡通/奇幻、写实和文字渲染排第 4。10月9日,Artificial Analysis 的 Image Arena 评测显示,Nano Banana 2.1 在全部 7 项图像编辑动作上成为 Google 最佳模型,其中 Scene & Style 编辑从第 24 名升至紧随领先模型,Identity Preserving 编辑从第 12 名升至第 3 名;在 Reasoning-Based Edit 和 Identity Preserving Edit 两项上,只有两个 GPT Image 2.5 模型排在它前面;Enhancement & Restor
匹配字段摘要
Google发布图像生成与编辑模型Nano Banana 2.1,取代2026年2月发布的Nano Banana 2。据The Decoder报道,官方称新模型在各方面均有提升,价格约为前代一半:1K图像从6.70美分降至3.36美分,4K从15.10美分降至7.56美分。该模型基于Gemini 3.6 Flash,支持1K、2K、4K分辨率,最多可同时处理14张参考图并保持4个角色和10个物体一致,已陆续接入Gemini应用、Google搜索AI Mode、Google AI Studio、Flow、Stitch、Google Ads和Gemini企业平台;旧模型gemini-3.1-flash-image将于2026年10月29日停用。10月7日,Krea宣布上线Nano Banana 2.1,称其提示词理解更好、编辑更锐利、主体一致性更强,最高支持4K生成。10月9日,Artificial Analysis评测显示,该模型在质量与价格前沿上比Nano Banana 2高出三个名次,价格只有后者一半。
匹配字段摘要
2026年9月20日,Qwen团队开源Qwen-Image-2.1图像模型,将文生图与图像编辑统一到单一模型,支持多种图像编辑任务。官方介绍,该模型视觉生成组件为7B参数、32层Single-Stream DiT,原生支持透明图像生成与编辑,支持最多10张参考图以及圈选、掩码等局部编辑方式,并通过混合粒度注意力与KV cache复用降低多图编辑时的推理开销和显存占用;模型权重已在GitHub、Hugging Face和ModelScope发布。同日,Qwen宣布Qwen-Image-2.1在ComfyUI中原生支持,用户更新ComfyUI或使用Comfy Cloud、从Hugging Face下载权重并加载模板即可使用。
匹配字段摘要
2026年8月7日,xAI发布Imagine Image 2.0图像生成与编辑模型,作为新的Quality Mode在grok.com/imagine及iOS、Android应用全面开放,API中模型名为grok-imagine-image-2.0。据xAI介绍,该版本强调可用的真实工作图像,能严格遵循指令并规划排版与布局,在多次生成和编辑中保持输入内容一致。功能上新增魔法棒局部编辑、分割选区、背景移除和最多5张输入图的多参考编辑,并提供智能缩放与覆盖修图、产品图、头像、图标、游戏素材等场景模板。xAI称其在文生图与图像编辑两项Arena榜单中均排名全球第二。目前尚无后续发展事实。
匹配字段摘要
2022年4月7日,OpenAI研究发布图像生成与编辑模型DALL·E 2。该工具能够根据自然语言指令创建和编辑图像。Sam Altman表示,它有望增强艺术家和插画师的创造力,也可能影响创意劳动市场。团队计划先与更多研究人员和艺术家合作,以降低相关风险,并希望在2022年夏季推出面向用户的产品。
匹配字段摘要
Google发布图像生成与编辑模型Nano Banana 2.1,取代2026年2月发布的Nano Banana 2。据The Decoder报道,官方称新模型在各方面均有提升,价格约为前代一半:1K图像从6.70美分降至3.36美分,4K从15.10美分降至7.56美分。该模型基于Gemini 3.6 Flash,支持1K、2K、4K分辨率,最多可同时处理14张参考图并保持4个角色和10个物体一致,已陆续接入Gemini应用、Google搜索AI Mode、Google AI Studio、Flow、Stitch、Google Ads和Gemini企业平台;旧模型gemini-3.1-flash-image将于2026年10月29日停用。10月7日,Krea宣布上线Nano Banana 2.1,称其提示词理解更好、编辑更锐利、主体一致性更强,最高支持4K生成。10月9日,Artificial Analysis评测显示,该模型在质量与价格前沿上比Nano Banana 2高出三个名次,价格只有后者一半。
English translation is being prepared.
匹配字段摘要
xAI 发布 Imagine Image 2.0图像生成与编辑模型
English translation is being prepared.
匹配字段摘要
OpenAI 研究发布 图像生成与编辑模型DALL·E 2
English translation is being prepared.
匹配字段摘要
北京大模型创企超衍智能发布并开源首款大模型Apex-35B-V1.0，总参数量350亿，每Token激活约30亿参数，支持26.2万Token上下文窗口，以Qwen3.6-35B-A3B为基础经中训练和后训练优化。该模型在论文复现测试PaperBench和科研难题测试FrontierScience中分别取得60.9分和40.0分，高于GLM-5.3的42.5分和30.7分；工具调用测试BFCL V4取得84.0分，高于DeepSeek-V4.1-Flash-1017的75.0分。模型已采用Apache 2.0许可证开放权重，官方提供约72GB的BF16权重和不同精度的GGUF量化版本。
） Apex-35B-V1.0基于Qwen3.6-35B-A3B开发，通过中训练和后训练优化，并融入超衍智能自有的研究轨迹数据。这款模型总参数量为350亿，每个Token激活约30亿参数，支持26.2万Token上下文窗口。 AI能在多大程度上帮助模型研发？超衍智能此次公布了两项AI4AI-Bench基准测试结果，展示Apex-35B-V1.0优化语言模型和图像生成模型训练方案的能力。 先来看语言模型的训练效果。在AI4AI-Bench的推箱子任务中，Apex-35B-V1.0为30亿参数的Qwen2.5-3B-Instruct制定训练方案。经过训练后，目标模型在512个未见过的关卡中取得24.4%的成功率，是未经训练时11.7%参考成绩的两倍多。 测试给Apex-35B-V1.0安排了4小时探索训练策略，再用12小时重新训练目标模型。探索阶段，Apex-35B-V1.0检查任务代码和评估规则，设计、执行实验，并根据结果修改训练方案。据超衍智能披露，模型共进行了207次命令执行和代码编辑，团队从中识别出36项高质量研究与工程操作，其中15项关键决策影响了最终训练策略。 ▲Apex-35
匹配字段正文