跳到正文

技术方向

图像生成 最新动态

AI 画图的最前线:文生图模型迭代、图像编辑能力与创作工具生态的全部动态。

12 条精选近 30 天 4 条共收录 199 条

更新

大事记

重要进展

图像生成的精选

11月11日周三
  1. IT之家83

    马斯克旗下 Grok 被指生成儿童色情图像,xAI 面临多起集体诉讼

    xAI 旗下 Grok 被指将普通照片生成儿童性虐待材料,引发多起集体诉讼与监管调查。简·多伊5号等未成年受害者指控 Grok 篡改照片,xAI 面临多州及海外审查,法律责任归属未定。

    推荐理由:原文讲述xAI旗下Grok被指生成儿童色情图像引发多起诉讼与监管调查,反映AI生成内容的法律责任尚未明确。

  2. MiniMax 动态64

    MiniMax 发布 H3-Image 图像生成模型并开放权重

    MiniMax 今天正式发布 H3-Image 图像生成模型并开放权重,可在10秒内生成4096x4096像素图像。该模型衍生自H3,具备文本生图、图像参考与编辑能力,最多支持16张参考图,指令遵循突出;权重见 https://huggingface.co/MiniMaxAI/MiniMax-H3-Image,并通过开放平台等提供API,生成速度达主流5倍且首周4K五折。

    推荐理由:MiniMax H3-Image 模型开放权重且十秒出4K图,其速度达主流五倍、价格仅半价,为开源图像生成提供性价比参照。

10月24日周六
  1. Simon Willison80

    Kimi K3.1 Pro 发布

    Moonshot 在 2026 年 10 月 23 日于 Kimi API 发布 Kimi K3.1 Pro,承诺 2026 年 11 月 4 日前开放完整模型权重。

    推荐理由:原文列出了Kimi K3.1 Pro的API定价、加速版本与基准得分,读者可将其与GPT和Claude等前沿模型做直接对比。

10月21日周三
  1. Hacker News · AI 热帖79

    AI图像生成实践指南:从扩散模型到智能体

    westsmith 撰写了 AI 图像生成实践指南,系统讲解从扩散模型到智能体集成的原理、成本与代码实践。文中基于调用 Flux、Gemini 等模型的实验,总结了描述相机而非视图等提示词方法与不依赖提供商的薄接口模式。该指南还演示了 Claude 通过 MCP 调用图像模型形成智能体驱动生成回路。

    推荐理由:作者基于调用多家图像接口的实验,总结出不依赖具体提供商的薄接口、日志与重试模式,便于工程复用。

10月16日周五
  1. IT之家77

    丹麦最高法院裁定 AI 生成儿童色情内容同样获刑

    丹麦最高法院裁定 AI 生成的儿童色情图像同样受刑法约束,维持对一男子 18 个月监禁的刑罚。该男子利用 AI 制作超 3.6 万张图像并传播牟利,两级下级法院曾对量刑分歧。这是丹麦首起因 AI 生成儿童性虐待影像定罪的案件,最高法院首次明确量刑原则。

    推荐理由:丹麦最高法院裁定 AI 生成的虚构未成年人色情图像同样获刑,明确了此类犯罪在法律下的量刑原则。

  2. Hugging Face Blog71

    FLUX.3 Image Klein 已在 Diffusers 集成,支持布局控制与多参考编辑

    Black Forest Labs FLUX.3 Image Klein 模型已在 Diffusers 中可用,统一支持文本生图、多参考图生图与边界框布局控制。蒸馏检查点默认16步无CFG,在 H100 上约2秒生成 1024×1024 图像;基础检查点支持50步CFG与LoRA微调,并提供 fp8r、nvfp4 量化权重适配小显存设备。

    推荐理由:FLUX.3 Image Klein 已在 Diffusers 集成,支持边界框布局控制与多参考编辑,便于直接训练 LoRA。

10月10日周六
  1. 量子位76

    Google发布生图模型Nano Banana 2.1,支持4K直出且中文进步明显

    Google发布生图模型Nano Banana 2.1,实现4K直出并显著改善中文渲染与错字问题。该模型在Arena评测中文本转图像等多功能平均分提升约61.7分,API价格最高下调50%,已上线Gemini APP并每日赠50积分,开发者可通过gemini-nano-banana-2.1接入。相较GPT Image 2.5,其生成更快但连续编辑有水印Bug且完成度稍逊。

    推荐理由:Google发布Nano Banana 2.1生图模型,中文渲染改善且API降价并赠额度,设计师可试用于商单。

10月2日周五
  1. 字节 Seed · 基础模型博客61

    字节发布 Seedream 5.0 Pro 图像生成模型

    字节 Seed 团队发布 Seedream 5.0 Pro 图像生成模型,具备复杂信息图设计、空间批注精准编辑与多语种原生生成能力。该模型可直出教育办公信息图与技术图纸,并根据涂鸦线稿拆分图层编辑。其原生支持十余种语言输入生成,包括西班牙语、孟加拉语及日语漫画等。

    推荐理由:字节 Seedream 5.0 Pro 展示了复杂信息图直出、空间批注编辑与十余种语言原生生成能力,便于创作者评估适用边界。

9月8日周二
  1. OpenAI News62

    OpenAI 发布 ChatGPT Images 2.5

    OpenAI 发布 ChatGPT Images 2.5,可将想法、草图和参考照片转化为更个性化、更精致的图像,更贴近用户原本的构想。

    推荐理由:OpenAI 官方发布 ChatGPT Images 2.5,读者可了解其把草图与参考照片转为个性化成图的定位。

7月23日周四
  1. Hugging Face Blog62

    Hugging Face 将 Nunchaku 4-bit 扩散推理引入 Diffusers

    Hugging Face 在 Diffusers 中引入 Nunchaku Lite,可直接用 from_pretrained() 加载 Nunchaku 风格的 4-bit 量化 checkpoint,无需自定义 pipeline 或本地 CUDA 编译。

    推荐理由:原文给出了 Nunchaku Lite 在 Diffusers 中的加载方式与实测延迟和显存数据,读者可据此判断消费级 GPU 跑扩散模型的实际收益。

7月1日周三
  1. Google DeepMind82

    Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash

    Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型,前者是 Nano Banana 系列中速度最快、成本最低的图像模型,4 秒生成文本到图像,每张 1K 图像 0.034 美元;后者支持高质量视频生成与对话式编辑,输出视频定价为每秒 0.10 美元。

    推荐理由:两款模型同日开放开发者入口,并给出延迟、单价与能力边界,便于评估图像到视频的串联工作流。

4月23日周四

© 2026 SI·Hot · Super Intelligence Hot · 超级智能热点 · 网站数据均来源于网络公开资料,版权归来源方所有