Ollama 在 macOS 上支持图像生成
Ollama 支持 macOS 上的图像生成
English translation is being prepared.
匹配字段标题
←搜索结果
搜索“图像生成”
Conway Research推出本地AI助手Underdog并获投资
Conway Research推出首款个人AI助手Underdog,该助手完全运行在用户设备上,可离线使用,目前已有Mac和Windows测试版。据智东西2026年10月19日报道,成立8个月的Conway Research同时获得a16z、Anthropic投资联合体等投资。其模型包括基于Qwen3.8 27B打造的Saluki 27B和Woof 4B,其中Saluki 27B已开源,权重体积为全精度版本的1/7、保留96%性能;配套推理引擎Husky在MacBook上让Woof 4B每秒最多处理730个token,比MLX快4.5倍。产品还上线基于Qwen-Image Flash、Qwen-Image-2.1-Turbo的本地图像生成与编辑,以及与Stripe合作的设备端智能体支付。目前尚无后续发展事实。
匹配字段摘要
FireRedTeam 发布 DynamicPose 项目与预训练模型
2026年10月14日,FireRedTeam 发布 DynamicPose 项目与预训练模型。据其介绍,DynamicPose 是一个由人体姿态序列驱动人像动画的框架,支持大幅动作与非写实场景,可从单张照片生成舞蹈视频;项目同时开源姿态服务器与姿态对齐算法,代码采用 MIT 许可。作者列出局限,包括侧脸易生成扭曲面部、复杂背景下难以区分人体与背景、手部持物时难以判断是否保留。后续将陆续放出数据清洗与预处理流程、训练脚本(DeepSpeed Zero2)以及 ComfyUI 和 Hugging Face Gradio 演示。同一时间点,FireRedTeam 还发布了 PhotoPoster 项目与预训练模型,该项目面向姿态驱动的图像生成,在 i2i 翻译中加入精修阶段,并已放出预训练模型和基于 FastAPI 的姿态服务器,同样采用 MIT 许可。
匹配字段摘要
Black Forest Labs 将 FLUX.2 [klein] 4B 预装于 ASUS ProArt 笔记本
2026年6月4日,Black Forest Labs 宣布,FLUX.2 [klein] 4B 将预装在 ASUS 新一代 ProArt 笔记本的 MuseTree 应用中。该机型搭载 RTX GPU,并已在台北 Computex 2026 亮相。官方称,其目标是在 8GB 显存笔记本上、后台运行其他专业应用时实现 5 秒以内的图像生成,且无需 API 或联网。Black Forest Labs 还表示正扩展合作,为更多硬件和设备提供端侧优化的 FLUX 模型。目前该故事尚无后续发展事实。
匹配字段摘要
Goodfire推出Paint With Ember并开源SAE
2026年10月10日,Goodfire Research 推出 Paint With Ember 图像生成编辑工具,并开源驱动该应用的 SAE 模型。据其发布信息,该工具用画布直接操纵 SDXL-Turbo 的神经激活来生成和编辑图像,基于 SDXL-Turbo 的 down.2.1 层训练 BatchTopK SAE,再用 NMF 把数百个特征聚合成可绘画的 factor(应用内称 concept),支持涂抹、拖动、擦除等空间编辑。文本提示词目前仅用于风格引导,不提供提示词也能生成图像。目前尚无后续发展事实。
匹配字段摘要
Google发布图像模型Nano Banana 2.1
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
OpenAI测试ChatGPT视觉广告
OpenAI正在测试ChatGPT的视觉广告格式。2026年10月5日报道显示,广告将出现在用户要求ChatGPT生成的图像旁边,或展示在图像生成加载界面,广告带有标识并与生成图像分开,不会影响ChatGPT给出的回答。该测试本月晚些时候先在美国面向一组初始测试广告主上线。OpenAI同时扩展广告衡量工具,广告主可通过Hightouch、Tealium、LiveRamp回传转化数据,并接入AppsFlyer、Adjust、Branch等归因服务商,还与DoubleVerify、Integral Ad Science合作开展品牌适配评估试点。早先报道称ChatGPT广告自2月起已在40多个国家运行,广告年化收入达10亿美元,公司目标2030年达到1000亿美元。
匹配字段摘要
Unsloth Desktop支持Qwen-Image-2.1量化运行
2026年9月23日,Unsloth宣布Qwen-Image-2.1的FP8和GGUF量化现在应能在Unsloth Desktop中正常运行,图像生成和编辑均支持。该消息由Unsloth官方发布,属于同一事实的官方证据与代表性证据。目前没有后续发展事实,事件状态停留在这一支持声明。
匹配字段摘要
Qwen-Image-2.1支持ComfyUI
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
Google推出AI图像工具Google Pics
2026年9月1日,Google发布AI图像创建与编辑工具Google Pics,该工具基于Nano Banana图像生成与编辑模型,支持用文本提示生成和精修图像。据Google AI Blog介绍,其功能包括对象分割、图内文字编辑与翻译、多人协作编辑同一张图,以及一次提示生成多个版本。Google Pics既是独立产品,也已集成进Workspace,Docs和Slides即日起可用,Drive将在未来几周内上线,入口为pics.new。目前该故事尚无后续发展事实,状态停留在发布当日。
匹配字段摘要
xAI发布Grok Imagine API
2026年1月28日,xAI发布Grok Imagine API,将视频生成与视频编辑能力打包为面向端到端创作流程的API组合。据官方介绍,Grok Imagine是xAI目前最强的视频音频生成模型。该API支持从文本或图像生成视频,并支持增删替换物体、场景与物体控制、风格重绘等编辑操作,同时支持竖屏、横屏等比例与灵活片段长度。官方称其在延迟、并发和成本上做了优化,并已在合作方平台与自家API上线,同时提供SDK、教程和可视化控制台。目前尚无进一步有证据支持的发展。
匹配字段摘要
Mistral AI扩展le Chat产品线
2025年2月7日,Mistral AI发布新版AI助手le Chat,并将其推向iOS和Android平台。新版加入预览阶段的Flash Answers、代码解释器、文档与图像理解、图像生成等功能,同时推出Pro和Team服务,Pro版起价为每月14.99美元。Enterprise版本目前处于私有预览阶段,支持SaaS、本地及VPC部署;数据连接器和多步骤AI智能体功能计划随后推出。
匹配字段摘要
Goodfire推出Paint With Ember并开源SAE
Goodfire Research 推出 Paint With Ember图像生成编辑工具及SAE模型
English translation is being prepared.
匹配字段摘要
Google推出AI图像工具Pics
Google 推出 AI图像生成与编辑工具Google Pics
English translation is being prepared.
匹配字段摘要
GitHub 在 Universe 2026 上正式提供 Copilot Fusion，并公测 Copilot…
GitHub 在 2026 年 10 月 28 至 29 日举行的 GitHub Universe 2026 上宣布，整合自动模型选择与多模型协作的 Copilot Fusion 正式提供，可在 VS Code、GitHub Copilot 应用、CLI 和 JetBrains IDE 中使用，按 Standard、High、Max 三档处理级别自动决定所用模型与 Single、Cascade、Critique 三种执行方式。桌面版 GitHub Copilot 应用同时开始公测 Projects，把资料、仓库、会话与成果物集中到一处管理。GitHub 称 Fusion Max 在 Artificial Analysis Coding Agent Index 上得分 60，与使用 Opus 5.5 Max 的 Claude Code 相差 2 分以内，单任务平均 API 费用约为其一半、耗时约少 40%。
器并单独设置，只需选择服务并登录即可连接。 最初支持 Slack、Figma、Sentry、Linear 等 26 项服务。一旦连接，即可在 GitHub Copilot 应用、CLI、VS Code、云端和 GitHub Mobile 中共享使用，无需在各处重新设置连接。在 Business 和 Enterprise 中，需要管理员允许预览功能。[2] 在图像生成与编辑方面，当在对话中提出请求时，所选中的对话用模型会调用使用“GPT Image 2.5 Flare”的专用图像生成工具。生成的图像预览会显示在对话中，并将图像保存到工作文件夹。该功能可在 VS Code、GitHub Copilot 应用和 CLI 中使用，发布会上将其介绍为面向 Pro、Pro+、Business 和 Enterprise 的公共预览。图像生成与编辑的费用与对话用模型的费用分开计算，并根据图像 token 数消耗套餐的 AI 额度。 GitHub Copilot 应用和 CLI 的 Computer Use 自 10 月 1 日起在 macOS 和 Windows 上提供公共预览。通过读取应用内容并进行
匹配字段正文
苹果 Creator Studio 订阅新增 AI 助手，Logic Pro 与 iWork 先行且暂仅支持美式英语
苹果扩展面向创意工作者的 Creator Studio 订阅包，为 Mac 版 Logic Pro 以及 Keynote、Pages、Numbers 加入基于苹果自有模型和 OpenAI 模型的 AI 助手，更新计划于 11 月通过 App Store 发布，但未给出具体日期。Logic Pro 助手可解释制作流程、协助准备歌曲和设置人声轨，iWork 助手会结合当前文档上下文生成内容；两者均以 Beta 形式上线，初期只支持美式英语。Keynote、Pages、Numbers 可通过 Model Context Protocol 接入外部 AI 智能体，但苹果未说明 Freeform 是否支持 MCP，也未说明按文档、智能体或会话授权及变更确认的机制。Final Cut Pro 集成 MotionVFX 的模板、图形、转场及 rotoscoping、跟踪、调色工具，并可与 Pixelmator Pro 联动；Pixelmator Pro 新增 Generate Fill。订阅价格为每月 13 欧元或每年 129 欧元。
标题、转场以及用于 rotoscoping、跟踪和调色的工具。时间线中的图像可在 Pixelmator Pro 中编辑，修改结果会回到项目中。此外还增加了更多关键帧缓动选项，转录功能支持另外 23 种苹果未具体说明的语言。剪辑可从主情节中分离，并自由放置在时间线上。动画软件 Motion 获得 MotionVFX 插件，例如用于调色和 3D 摄像机跟踪，以及图像生成工具；Compressor 可编码 iPhone 18 Pro 和 iPhone Duo 的电影模式视频。Pixelmator Pro 通过“Generate Fill”学会根据 AI 提示补充选定的图像区域。据苹果称，该功能会考虑光照、透视和纹理，使结果无缝融入图像。 Mac 版 Final Cut Pro 现已直接集成 MotionVFX 的内容。其中包括模板、图形、标题和转场。 （图片：苹果） Final Cut Pro 的 Content Hub 今后除照片和背景外，还将包含精选的库存视频；苹果还宣布为 Keynote、Pages 和 Numbers 推出新的高级主题和模板。 广告后继续阅读 MCP 与隐私：许多细节
匹配字段正文
Apple Creator Studio 更新：Final Cut Pro 内置 MotionVFX，Logic…
苹果为 Apple Creator Studio 推出更新，Final Cut Pro for Mac 内置 MotionVFX 特效与模板，并可在 Pixelmator Pro 中直接编辑时间线图像。Logic Pro for Mac 新增由苹果自研模型与 OpenAI 组合驱动的智能助手（beta），Stem Splitter 可分离鼓声；Pixelmator Pro 推出用自然语言修改选区图像的 Generate Fill。Keynote、Pages、Numbers 新增理解文档上下文的助手（beta），并支持 MCP，让外部 AI 智能体读取内容、执行编辑和自动化操作。
问 Content Hub，获取 Apple 精心策划的库存视频、照片和背景资料库，以填补空缺、增添精致感或激发新想法，而无需离开自己的工作流。 跨应用工作流和视觉创作也在 Final Cut Pro 中实现了重大飞跃。剪辑师可以直接在 Pixelmator Pro 中打开时间线上的任何图像，利用高级编辑工具，并将更改自动保存回项目——无需重新导入。借助高级图像生成功能，用户可以直接在项目中根据文本描述创建令人惊叹的图像、应用快速编辑并调整视觉风格。此外，Final Cut Pro 还引入了强大的工作流改进，包括更多关键帧缓动选项以实现更精细的动画控制、能够将片段与主故事线分离以将其放置在时间线上的任意位置，以及 23 种新的转录语言，使为素材添加字幕和搜索素材变得前所未有的轻松。 Final Cut Pro 用户现在可以直接在 Pixelmator Pro 中打开时间线上的任何图像，以利用高级编辑工具。 Final Cut Pro 引入了更多关键帧缓动选项以实现更精细的动画控制、能够将片段与主故事线分离以将其放置在时间线上的任意位置，以及 23 种新的转录语言。 Motion 还新增
匹配字段正文
MiniMax Code 桌面端上线 Mini App
MiniMax 在 MiniMax Code 桌面应用（macOS / Windows）的本地会话中推出 Mini App，它是一种带前端和 Node.js 后端、以插件形式安装的常驻应用，可与 Agent 互相调用，让工作留在持续存活的页面上而非散落在对话里。此次发布包含 Mini App 运行时（持久数据目录、托管 MCP、Agent API、Host Connectors 和页面内工具审批）、用一句话生成页面的 /miniapp-creator，以及插件市场的官方 Mini App 和开源社区仓库 MiniMax-Code-MiniApps。官方称账号凭证由宿主保管，插件和页面无法访问，页面传给 Agent 的内容会先进入输入框供审阅。
图检查结果。 首批官方 Mini App 中有几个是由我们工程团队之外的同事以这种方式构建的： 一个股票仪表盘 Mini App，将散落在知识星球（Zsxq）、金门财经和腾讯文档中的股票信息汇集到一个仪表盘中。 CadQuery Viewer 让你可以在 3D 模型上标记位置，并将它们发回对话，供 Agent 修改。 自驾路线规划器将地图路线规划、地点搜索和图像生成整合到一个行程规划工作区中。 MiniMax Bot 本身就是一个 Mini App。主 Bot 组建团队，将长时间运行的任务交给后台 Agent 对话，然后审查并汇报结果。这些对话中的 Agent 又可以调用 Bot 的工具来发送消息、保存和搜索记忆。大多数 Bot 更新只需改动插件，无需等待 MiniMax Code 发布新版本。其源代码现已放入开源社区仓库。 开源社区的开发者也开始构建自己的 Mini App：一个按日期和模型展示 token 用量的仪表盘、用于以泳道图浏览 Git 历史的 Git Commit Tree，以及用于回放对话模型轨迹的 Session Trajectory。有些则偏向日常生活和创意工作，比
匹配字段正文
Google 为 Gemini 推出小企业业务中心与品牌、财务工具
Google 为 Gemini 推出面向小企业主的业务落地页，可在其中管理品牌、财务和客户洞察，并连接 Google Business Profile、Google Ads、Google Workspace 以及 Adobe、Canva、Dropbox、Shopify、Wix、Zoho、Xero 等第三方应用。用户上传网站、品牌套件、字体或配色即可定义品牌风格，配合 Nano Banana 2.1 生成风格统一的营销视觉；Gemini 还能把表格、收据和采购记录转成财务图表与交互模型。这些功能将在未来数日面向所有 Gemini 应用用户全球逐步上线。
oogle Ads 和 Google Workspace 等 Google 工具，以及 Adobe、Canva、Dropbox、Shopify、Wix、Zoho 和 Xero 等第三方关联应用。 符合品牌风格的视觉素材 企业现在可以通过上传网站、品牌套件、字体或配色方案，在 Gemini 中定义自己的品牌风格。结合 Nano Banana 2.1（我们最新的图像生成模型）的强大能力，Gemini 现在可以为新产品发布或持续进行的营销活动提供端到端的视觉成果。Gemini 会保留这种视觉风格，让企业主能够轻松生成风格统一、符合品牌调性的素材，而无需反复上传风格指南。 实时财务洞察 Gemini 可以在几秒钟内把杂乱的电子表格、收据和采购记录转化为清晰的财务图表和交互式模型。小企业主无需自己解读数字，就能以更自然的方式获得财务洞察。 来自世界各地小企业主的故事 在法国波尔多，陶艺家 Morgane 在 Gemini 的支持下发展她的公司 Bleu Clémentine。她用 Gemini 撰写产品描述、新闻通讯和吸引人的社交媒体文案，每天节省两到三个小时——她把这段时间直接投入到制作精美的
匹配字段正文