ComfyUI ✖️ Hy Image3.5 preview Hy Image3.5 预览版现已在 ComfyUI 上线。 专业级图像生成，人工评测胜率较 Hy Image3.0 提升 +30% → 文生图与图生图合一模型，最高支持 2K → 多语言文字、符号与小字均能正确渲染 → 电影感、漫画、商业摄影与插画风格 → 人物身份与产品特征在场景、服装与风格变化中保持一致
ComfyUI ✖️ Hy Image3.5 preview Hy Image3.5 预览版现已在 ComfyUI 上线。 专业级图像生成，人工评测胜率较 Hy Image3.0 提升 +30% → 文生图与图生图合一模型，最高支持 2K → 多语言文字、符号与小字均能正确渲染 → 电影感、漫画、商业摄影与插画风格 → 人物身份与产品特征在场景、服装与风格变化中保持一致
匹配字段摘要
Qwen-Image-2.1 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。GitHub：https://t.co/aZWYAtakBP https://t.co/9NTO4zLqP8
Qwen-Image-2.1 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。GitHub：https://t.co/aZWYAtakBP https://t.co/9NTO4zLqP8
匹配字段摘要
Unsloth 发布 Qwen-Image-2.1 的 GGUF 量化版本，可在 12GB 显存下本地运行，该 7B 模型表现与 Nano Banana 2.0 相当。若追求更高质量，还可通过 offloading 在仅 6GB 显存上运行 Dynamic FP8。Unsloth 同时表示 FP8 与 GGUF 量化版已可在 Unsloth Desktop 中正常运行，支持图像生成与编辑。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本的图像生成模型，现已开放权重。该模型采用 7B 轻量架构，统一支持生成与编辑，原生生成和编辑 RGBA 透明图层，最多支持 10 张参考图，并可一次完成多个区域的局部删除与修改。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，称其为 Qwen-Image 系列中最均衡、性价比最高的图像生成模型，并已开放权重。该模型统一支持生成与编辑，采用 7B 轻量架构，可原生生成和编辑 RGBA 透明图层，支持最多 10 张参考图与局部精确控制，在多图输入下推理速度大幅提升。官方同时给出博客、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一到单一模型，视觉生成组件为 7B 参数、32 层 Single-Stream DiT，并原生支持透明图像生成与编辑。该版本支持最多 10 张参考图、圈选与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。官方称其在 Qwen-Image-Bench 上与其他开源及闭源模型进行了对比，模型权重已在 GitHub、Hugging Face 和 ModelScope 发布。
匹配字段摘要
Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking，称其为目前最先进的实时对话音频模型。Google Labs 的 Dreambeans 正式 GA，CC 从个人效率工具扩展为帮助家庭协调日程与日常事务的共享智能体，Google Workspace 的 Google Pics 图像生成工具也已 GA。DeepMind 同期推出基因组学发现平台 AlphaGenome Atlas。
匹配字段摘要
Pydantic AI 新增 ImageGenerator，可直接通过 API 调用专用图像生成模型，无需 agent run，同一接口支持 OpenAI GPT Image、Google Gemini（Gemini Developer API 与 Vertex AI）和 xAI Grok Imagine。该功能还提供 ImageGeneration 能力，让 agent 自行决定何时生成图像，并将结果作为工具结果返回。生成结果为 BinaryImage，可直接获取字节和媒体类型，也支持传入参考图像进行编辑或变换。
匹配字段摘要
Meta 推出个人 AI 智能体 Muse，可代订旅行、处理邮件并在电脑上完成“任何任务”，主打更高安全性，支持关联 Facebook 和 Instagram 账号，初期仅面向美国成年人。OpenAI 同期发布图像生成模型 ChatGPT Images 2.5，称编辑图像中任意元素时可保持其余部分不变，单张图像耗时最多减少 50%，并新增涂鸦转图片功能 Sketch。
匹配字段摘要
据 Bloomberg 报道，亚马逊在自研大语言模型未能取得预期成果后，缩减了多数 Nova 模型的投入，并将文本、视频和图像生成模型置于仅维持最低资源的状态。公司把算力和人力转向由 Pieter Abbeel 领导的单一前沿模型项目，此前一周还关闭了旧金山一处 80 人的 AGI 研究办公室。
匹配字段摘要
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
Envato 与 Black Forest Labs 合作，将 FLUX 模型接入其创意平台，FLUX.2 发布当天即上线生产环境。目前 FLUX 占平台图像生成总量的约 25%，累计生成超 5100 万张图像；FLUX.2 在写实、电影感和产品图场景中比同类模型高出约 10%，下载率高出平台均值 16%。平台按任务智能路由模型，用户无需自行选择。
匹配字段摘要
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，已在台北 Computex 2026 亮相。官方称目标是在 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，无需 API 或联网。Black Forest Labs 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。
匹配字段摘要
xAI 宣布 Grok Imagine API 的图像生成与编辑 Quality Mode 面向企业开发者和团队开放。官方称该模式在真实感、多语言文字渲染和提示词遵循上有提升，并可与视频生成能力搭配，调用示例使用模型名 grok-imagine-image-quality。
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
ZDNET 对 ChatGPT、Copilot、Grok、Gemini、Perplexity、Claude、DeepSeek 和 Meta AI 八款免费 AI 聊天机器人进行了 112 项实测，ChatGPT 以综合最高分成为整体最佳。测试涵盖摘要与联网、学术概念解释、数学分析、文化讨论、文学分析、旅行规划、情感支持、翻译、编程和长文故事等文本任务，以及四类图像生成任务。
匹配字段摘要
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，Grok Imagine 是其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、增删替换物体、场景与物体控制、风格重绘等编辑操作，并支持竖屏、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。
匹配字段摘要
Ethan Mollick 撰文指出，AI 能力仍呈锯齿状分布，记忆等弱项长期没有明显改善，而系统整体受最差环节制约。他以 Google 的 Nano Banana Pro 为例，说明图像生成质量曾是瓶颈，突破后 NotebookLM 可直接把资料生成整页幻灯片，并认为判断 AI 走向应关注瓶颈而非基准分数。
匹配字段摘要、正文
Google Workspace 为 Slides 和 Google Vids 添加了图像背景移除与扩展功能，并在 Android 版 Google Docs 中支持 Gemini 图像生成。团队可直接在文档中创建视觉素材，减少制作演示文稿和培训材料时与设计团队的反复沟通。
Google Workspace 为 Slides 和 Google Vids 添加了图像背景移除与扩展功能，并在 Android 版 Google Docs 中支持 Gemini 图像生成。团队可直接在文档中创建视觉素材，减少制作演示文稿和培训材料时与设计团队的反复沟通。 · Google Workspace added image background removal and expansion to Slides and Google Vids, along with Gemini image generation in Google Docs on Android. Teams can create visuals within documents, reducing back-and-forth with design teams when producing presentations and training materials.
匹配字段摘要