跳到正文

图像生成

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。

29条精选相关主题AI 视频多模态产品更新

最新精选

第 1–20 条 · 共 29 条
10月13日周二
  1. The Verge · AI76

    Epic 将未公布的迪士尼游戏转向「AI 加速开发」

    Epic Games 要求一款未公布迪士尼射击游戏的开发团队改用 Anthropic 的 Claude 等 AI 工具,该项目已从原定 3 月发布窗口延期。游戏总监向员工表示不再手写代码,全部美术将由 AI 工作流生成,Epic 发言人称公司正拥抱 AI 加速开发。

    推荐理由:Epic 把 AI 生成代码与美术写入项目指令,反映出 AI 编码工具正被大型游戏项目纳入生产流程。

  2. Hacker News · AI 最新78

    Epic Games 推迟迪士尼合作游戏并要求开发者转向 AI 优先

    Epic Games 推迟其与迪士尼合作的漫威与星球大战角色射击游戏,并要求开发者转向 AI 优先的生产模式。据 Bloomberg,该游戏原定 3 月发售,目前未确认新日期;项目主管在内部信息中要求不再手写代码,所有美术改用完整 AI 工作流生成,所用工具包括 Anthropic 的 Claude,部分开发者在得知变动后表示震惊。

    推荐理由:原文交代了 Epic 把开发模式改为 AI 优先的内部要求与项目延期背景,可对照大型团队在游戏生产中引入 AI 的实际代价。

10月11日周日
  1. 阿里云开发者77

    Qwen-Image-2.1 Pro、Turbo API 正式上线,让图像生成与编辑走进你的应用

    Qwen-Image-2.1 Pro 与 Turbo API 正式上线千问AI平台,开发者无需自行部署即可通过 API 接入图像生成与编辑能力,Qwen-Image-2.1-Turbo 模型权重也同步开放。

    推荐理由:官方给出了两款 API 的能力要点与接入入口,开发者可据此判断图像生成与编辑能力怎样融入现有工作流。

10月10日周六
  1. 量子位76

    Google 发布 Nano Banana 2.1,支持 4K 直出,中文渲染提升并大幅降价

    Google 发布新一代生图模型 Nano Banana 2.1,支持 4K 直出,据 Arena 其文本转图像、多图像编辑和单张图像编辑三项功能平均提升约 61.7 分,文本转图像排名第四仅次于 GPT。

    推荐理由:文中汇总了 Arena 跑分、API 降价幅度和网友实测发现的连续编辑水印问题,可据此判断是否将其纳入现有生图工作流。

10月8日周四
  1. Hacker News · AI 最新79

    Anshu Chimala:如何把 AI 变成世界级设计师

    Lenny's Newsletter 转发 Anshu Chimala 的长文,系统讲解如何用 AI 智能体做出非同质化的设计。核心方法包括用随机字符串做灵感种子(String Seed of Thought)、让独立的设计评审子智能体反复打分迭代,以及接入图像与视频生成模型补充细节,最后强调做减法比做加法更重要。

    推荐理由:文章把 AI 设计拆成探索、定义与交付三阶段,给出随机字符串种子、设计评审子智能体和图像视频生成等可直接复用的 Prompt。

10月7日周三
10月6日周二
  1. TechCrunch · AI66

    OpenAI 推出展示在 ChatGPT 图片生成结果旁的视觉广告

    OpenAI 为 ChatGPT 广告产品线新增视觉展示广告,广告会出现在用户要求 ChatGPT 生成的图片旁边。新广告将于本月晚些时候在美国上线,初期面向一批测试广告主,公司称广告会明确标注且不影响 ChatGPT 的回答。OpenAI 还扩充了广告衡量工具与合作伙伴生态,并与 DoubleVerify、Integral Ad Science 推进品牌适宜性评估试点。

    推荐理由:新广告会出现在用户生成的图片旁并明确标注,读者可据此判断这一变化对免费用户体验和订阅转化的影响。

10月3日周六
  1. MiniMax · 官方新闻79

    MiniMax 发布全模态生成模型 H3

    MiniMax 正式发布通用全模态生成模型 H3,支持多模态上下文统一理解,可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色,2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重,以推动开源社区发展。

    推荐理由:MiniMax 发布全模态生成模型 H3,支持 15s 2K 原生双声道音视频,计划开放权重,为多模态创作提供了新的高性价比选项。

10月2日周五
  1. The Decoder68

    Black Forest Labs 发布 Flux 3 Image,支持多步编辑且不改动图像其余部分

    Black Forest Labs 发布 Flux 3 系列的图像模型 Flux 3 Image,支持多步编辑而不改变图像其他区域,覆盖 text-to-image、image-to-image、文本渲染与照片级真实感。

    推荐理由:原文列出了 Flux 3 Image 的多步编辑能力、授权方式与开放权重计划,便于与 Ideogram 4.5 等同类编辑模型对照选择。

  2. TechCrunch · AI68

    ChatGPT 推出虚拟试穿与商品收藏功能

    OpenAI 宣布面向全球用户推出两项 ChatGPT 购物功能:虚拟试穿与商品收藏(Favorites)。虚拟试穿基于新发布的 ChatGPT Images 2.5 模型,用户上传自拍或全身照后,可通过购物结果中的 try on 按钮查看服装或配饰的上身效果;Favorites 则把商品保存到应用内的 Library,与试穿图片放在一起管理。报道同时指出 Google 去年已推出虚拟试穿功能。

    推荐理由:原文对照 Google 去年推出的虚拟试穿和 Pinterest 的时尚发现生态,帮助读者判断 ChatGPT 购物功能的竞争位置。

5月18日周一
  1. Google DeepMind66

    Project Genie 上线 Street View 真实地点锚定能力并向 Google AI Ultra 用户开放

    Google DeepMind 为实验性世界模型原型 Project Genie 上线 Street View 锚定能力,并即日起向全球符合条件的 Google AI Ultra($200,18 岁以上)订阅者逐步开放。

    推荐理由:官方讲清了 Street View 锚定如何把世界模型从虚拟训练环境扩展到真实地点模拟,读者可据此判断其对具身智能训练的价值。

4月21日周二
  1. OpenAI News64

    OpenAI 发布 ChatGPT Images 2.0

    OpenAI 发布 ChatGPT Images 2.0,改进文字渲染、多语言支持和视觉推理能力;页面同时引导查看 Images 2.5 的新内容。

    推荐理由:原文列出文字渲染、多语言和视觉推理三项改进,可据此判断 Images 2.0 相对上一代的能力变化。

3月2日周一
  1. AIGC Weekly74

    AIGC Weekly #160:Claude Code 补齐三项更新,谷歌发布 Nano Banana 2

    Anthropic 上周为 Claude Code 发布自动记忆、远程跨设备对话与定时任务三项更新,基本补齐与 OpenClaw 的差距。其中 CLAUDE.md 管规则、Memory 管经验,Remote Control 则让会话始终运行在本机,可用手机或浏览器远程接管。

    推荐理由:文章梳理了 Claude Code 补齐 OpenClaw 差距的三项更新,并基于上手体验给出 Nano Banana 2 在质量、速度与成本上的取舍判断。

2月27日周五
1月30日周五
  1. Google DeepMind64

    Google DeepMind 向美国 Google AI Ultra 用户开放 Project Genie 交互世界原型

    Google DeepMind 开始向美国 Google AI Ultra 订阅用户(18 岁以上)滚动开放 Project Genie,这是一个基于 Genie 3、Nano Banana Pro 和 Gemini 的实验性研究原型网页应用,支持用户用文本或图片创建可探索的交互世界、实时生成前行路径,并对已有世界进行混编与视频下载。

    推荐理由:原文列出了世界素描、探索、混编三大能力与生成时长等限制,可据此判断世界模型从研究走向消费级体验的成熟度。

11月20日周四
  1. Google DeepMind72

    Google 将 AI 图片验证引入 Gemini 应用

    Google 在 Gemini 应用中上线 AI 图片验证功能,用户上传图片并提问后,系统会检查 SynthID 水印并结合推理返回该图片是否由 Google AI 生成或编辑。

    推荐理由:官方说明给出 SynthID 水印验证在 Gemini 应用中的使用方式与后续扩展计划,可据此判断 AI 内容溯源工具的落地节奏。

  2. Google DeepMind79

    Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image)图像生成与编辑模型

    Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),一款基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型,现已在 Google AI Studio 和 Vertex AI 以付费预览形式推出。

    推荐理由:官方给出了新模型相对 Gemini 2.5 Flash Image 的画质与控制能力升级,以及付费预览的开放入口,开发者可据此判断是否迁移到更高画质的图像生成流程。

8月19日周二
  1. 通义千问 · 官方博客73

    Qwen-Image-Edit 发布:基于 Qwen-Image 的全能图像编辑模型

    通义千问推出 Qwen-Image-Edit,基于 20B 的 Qwen-Image 进一步训练,支持语义与外观双重编辑以及中英文精准文字编辑,在多个公开基准测试中达到 SOTA。模型将输入图像同时送入 Qwen2.5-VL 与 VAE Encoder,分别实现视觉语义控制与视觉外观控制,用户可在 Qwen Chat 的“图像编辑”功能中体验,还能通过链式编辑逐步修正生成图像中的错字。

    推荐理由:原文展示了语义与外观双重编辑和链式修字流程,读者可据此判断它能否融入现有视觉内容创作工作流。