NAVER Cloud 的论文《Direct Unlearning Optimization for Robust and Safe Text-to-Image Models》被 NeurIPS 2024 接收，提出用遗忘学习让文生图模型不再生成有害内容。该方法基于 Diffusion-DPO 框架，用安全与不安全图像配对训练，只移除有害元素而保留模型的通用生成能力，以应对对抗性提示词绕过传统微调防护的问题。
匹配字段标题
腾讯混元发布 Hy Image3.5 preview，延续 Hy Image3.0 系列思路，在文本渲染与布局、真实感与风格表现力、编辑一致性上提升，上百名专业设计师 GSB 盲测对比上一代模型胜率综合提升 30% 以上。该模型支持文生图和图生图，单次最多上传 5 张参考图，可基于历史上下文多轮创作和连续编辑，支持多种尺寸比例及最高 2K 分辨率输出。腾讯云 API 定价为中国区输出 0.15 元/张、国际区 0.024USD/张，输入不收费。
匹配字段标题、正文
InternLM 发布 InstantFusion 官方实现，通过共享潜空间将不同扩散模型的潜变量映射对齐，使去噪轨迹可组合。其核心是 Sigma 条件化的潜空间对齐编码器（LAE），训练结合重建、交叉重建、潜空间对齐与去噪速度对齐损失。该框架支持不同步数预算模型间的加速交接、多偏好组合，以及跨模型 OPD（以 Qwen-Image 为冻结教师训练 SD3 LoRA）。
匹配字段标题
FireRedTeam 发布开源项目 PhotoPoster，面向姿态驱动的图像生成，在 i2i 翻译中加入精修阶段以提升整体图像质量，并已放出预训练模型和基于 FastAPI 的姿态服务器。项目采用 MIT 许可，代码与权重免费开放，后续将发布 ComfyUI 支持、训练代码及数据清洗流程；配套的 i2v 项目 DynamicPose 计划两周内发布。
匹配字段标题、摘要
FireRedTeam 在 GitHub 开源 LayerDiffuse-Flux，这是 LayerDiffuse 的 Flux 版本实现。项目训练了新的透明 VAE 以适配 Flux，并训练 LoRA 微调 Flux 生成透明图像，推荐 Strength 设为 0.9，也可用 RGBA 风格图像微调网络获得更好效果。
匹配字段标题
FireRedTeam 开源了论文《InstanceAssemble: Layout-Aware Image Generation via Instance Assembling Attention》的官方实现，该工作已被 NeurIPS 2025 收录。这是一个轻量级 Layout-to-Image 生成框架，可实现精确空间控制，并引入 DenseLayout 与 Layout Grounding Score（LGS）用于评估，在稀疏和密集布局上均达到 SOTA。权重可从 HuggingFace 下载，后续将发布文本控制版本、额外视觉控制版本并开源训练代码。
匹配字段标题
Google Research 提出 Diffusion Controller，一个轻量级“转向阻尼器”网络，可在主模型完全冻结的情况下动态调整图像生成轨迹，提升提示词对齐与画质。其完全解锁版本在实验中相对基线模型取得 90% 胜率，并可直接接入闭源模型。该框架把去噪过程重构为连续控制问题，并给出基于 PPO 策略梯度与奖励加权损失两种微调方法。
匹配字段标题、摘要
蚂蚁 inclusionAI 在 GitHub 开源 LLaDA-Image，一个 6B 参数统一图像生成与编辑模型家族，包含 50 步的 Base 模型和 4 步蒸馏的 Turbo 模型，支持文生图、VQ 条件生成、参考图编辑以及中英文文字渲染。仓库提供模型权重和基于 Diffusers 的推理代码，训练代码即将发布；官方称其在 Qwen-Image-Bench 上取得英文 53.53、中文 53.38 的总体成绩。
匹配字段标题、摘要
OpenAI 发布 GPT-4o 系统卡附录，说明原生图像生成的安全挑战、评测与缓解措施。与作为扩散模型的 DALL·E 不同，4o 图像生成是嵌入 ChatGPT 的自回归模型，具备图像到图像转换、照片级真实感和指令跟随能力，也带来新的风险。安全栈包括聊天模型拒答、提示词拦截、输出拦截以及对未成年人的额外保护，评测来自外部人工红队、自动红队和真实场景离线测试。
匹配字段标题、摘要
我们正在 Alpha 网站（alpha dot midjourney dot com）上测试图像生成的新“思考模式”。我们发现它能提升提示词准确度、文字排版和连贯性。希望你们用自己的图片帮忙测试，并告诉我们你的想法。谢谢！<3
匹配字段标题、摘要
Midjourney 正在 alpha.midjourney.com 上测试图像生成的 Thinking Mode，用户可在任务 lightbox 中点击“Rerun (Thinking)”启用。测试显示该模式有助于提升提示词准确度、文字排版和连贯性。Midjourney 表示未来可能将其作为通用的 thinking 模式，或在任务完成后“追加思考”。
匹配字段标题、摘要
OpenAI 将在美国 ChatGPT 的图像生成加载界面测试展示广告，广告带有标识并与生成图像分开，本月底与首批广告主上线。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。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。
匹配字段标题、摘要
OpenAI 为 ChatGPT 广告产品线新增视觉展示广告，广告将出现在用户要求 ChatGPT 生成的图像旁边，本月晚些时候先在美国面向一组初始测试广告主上线，广告会明确标注且不会影响 ChatGPT 给出的回答。OpenAI 同时扩充广告测量工具与合作伙伴生态，新增点击归因方案及 AppsFlyer、Adjust、Branch 等多家测量伙伴，并与 DoubleVerify、Integral Ad Science 合作开展品牌适配评估试点。OpenAI 今年早些时候推出广告以支持免费和低价订阅档位，8 月扩展至印度，未来全球铺开后广告主可触达 ChatGPT 的 12 亿周活用户。
匹配字段标题
Google Research 提出 Diffusion Controller，一个轻量级“转向阻尼器”网络，可附着在闭源模型上精确引导图像生成，提升提示词对齐度且不破坏基线稳定性。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持 SFT、RWL、PPO 三种微调方式。
匹配字段标题、摘要
Qwen-Image-2.1 已在 ComfyUI 中原生支持，这是阿里 Qwen 团队最新的开源图像模型，7B 参数，基于优化的 MMDiT 架构。它可直接输出带 alpha 通道的 RGBA 图像，原生生成 2048×2048 分辨率，并支持最多 10 张参考图输入，生成与编辑共用同一个 checkpoint。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。
匹配字段标题
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本效益的图像生成模型，现已开放权重。该模型为生成与编辑统一模型，采用 7B 轻量架构，支持原生生成和编辑 RGBA 透明图层，最多可输入 10 张参考图进行高保真局部编辑，并针对多图输入的推理速度做了大幅加速。官方同时给出 Blog、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段标题、摘要
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本效益的图像生成模型，现已开放权重。该模型为生成与编辑统一模型，采用 7B 轻量架构，原生生成和编辑 RGBA 图层，支持最多 10 张参考图像与局部精确控制，并覆盖全景图、信息图和虚拟试穿等场景。官方同时给出 Blog、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段标题、摘要
Qwen 发布 Qwen-Image-2.1 并开放权重，这是 Qwen-Image 系列中兼顾效果与成本的图像生成模型，统一支持生成与编辑。该模型采用 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编辑，覆盖全景图、信息图和虚拟试穿等场景。
匹配字段标题、摘要
Google 发布 AI 图像创建与编辑工具 Google Pics，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。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。该工具既是独立产品，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。
匹配字段标题、摘要
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。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。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。
匹配字段标题、摘要