通义千问推出 Qwen-Image:擅长文字渲染的创作利器
通义千问推出 20B MMDiT 图像生成基础模型 Qwen-Image,这是该系列首个图像生成模型。模型在复杂中英文本渲染和精确图像编辑上取得显著进展,在 GenEval、DPG、GEdit 等多个公开基准测试中达到 SOTA,其中文文本渲染表现大幅领先现有最先进模型。
推荐理由:官方博客详述了 Qwen-Image 在中英复杂文本渲染上的 SOTA 表现,读者可据此判断其能否解决图像生成中的文字乱码痛点。
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。
通义千问推出 20B MMDiT 图像生成基础模型 Qwen-Image,这是该系列首个图像生成模型。模型在复杂中英文本渲染和精确图像编辑上取得显著进展,在 GenEval、DPG、GEdit 等多个公开基准测试中达到 SOTA,其中文文本渲染表现大幅领先现有最先进模型。
推荐理由:官方博客详述了 Qwen-Image 在中英复杂文本渲染上的 SOTA 表现,读者可据此判断其能否解决图像生成中的文字乱码痛点。
OpenAI 宣布最新图像生成模型已通过 API 开放,调用名为 gpt-image-1。开发者和企业可将其直接集成到自有工具与平台,生成专业级、可定制的视觉内容。
推荐理由:OpenAI 将最新图像生成模型以 gpt-image-1 开放给 API,开发者和企业可直接把可定制视觉生成集成进自有平台。
OpenAI 发布 GPT-4o 系统卡附录,介绍 4o 图像生成能力;该能力比 DALL·E 3 系列显著更强,可生成照片级输出,并支持以图像作为输入进行转换。
推荐理由:原文将 4o 图像生成与 DALL·E 3 对比,点出其照片级输出与图像输入变换能力,读者可据此快速了解新模型的能力边界。
OpenAI 在 DevDay 发布 GPT-4 Turbo,支持 128K 上下文并降低价格。同时推出的还有 Assistants API、GPT-4 Turbo with Vision 与 DALL·E 3 API 等开发者产品。
推荐理由:原文列出 GPT-4 Turbo 的 128K 上下文与更低价格,以及 Assistants API 等新入口,开发者可据此评估要跟进哪些更新。
OpenAI 宣布 DALL·E 3 现已在 ChatGPT Plus 和 Enterprise 中可用。为推进更广泛发布,OpenAI 开发了安全缓解技术栈,并分享了来源研究的最新进展。
推荐理由:OpenAI 公布了 DALL·E 3 扩大开放前的安全缓解技术栈与来源研究进展,可借此了解其安全设计思路。
OpenAI 宣布 DALL·E API 现已进入公开测试阶段,开发者从今天起可以使用该 API 构建应用。
OpenAI 宣布 DALL·E 取消等待名单,新用户可以直接开始创作。官方表示,部署过程中的经验积累和安全系统的改进使更广泛的开放成为可能。
推荐理由:DALL·E 取消等待名单使新用户可直接开始创作,官方将此次扩大开放归因于部署经验积累与安全系统改进。
DALL·E 推出 Outpainting 功能,支持生成任意尺寸的图像,帮助用户延伸创意并讲述更大的故事。
OpenAI 宣布 DALL·E 进入 Beta 阶段,将在未来几周向等待名单中的 100 万用户发出邀请。用户每月可获得自动补充的免费额度,也可以按 115 次生成 15 美元的价格额外购买额度。
推荐理由:OpenAI 说明了 DALL·E 的开放节奏与计费方式,读者可据此判断自己能否用上以及试用成本。