国产5B生图模型MOSS-Image海外爆火,4天超百万下载
MOSS-Image,一款由模思智能和OpenMOSS团队开源的生图模型,在海外社区获得巨大成功,4天内下载量超过百万。该模型以其自然感画面和丰富的功能特性,如文字渲染、布局控制和长提示词支持,吸引了众多开发者。
推荐理由:MOSS-Image作为一款国产5B参数生图模型,在海外社区获得广泛关注,其自然感画面和丰富的功能特性使其成为开发者关注的焦点。
MOSS-Image,一款由模思智能和OpenMOSS团队开源的生图模型,在海外社区获得巨大成功,4天内下载量超过百万。该模型以其自然感画面和丰富的功能特性,如文字渲染、布局控制和长提示词支持,吸引了众多开发者。
推荐理由:MOSS-Image作为一款国产5B参数生图模型,在海外社区获得广泛关注,其自然感画面和丰富的功能特性使其成为开发者关注的焦点。
视觉人工智能实验室 Black Forest Labs 发布了 FLUX 3 Image Klein 图像生成模型,支持在仅配备 8GB 显存的 NVIDIA GeForce RTX GPU 上运行,针对消费级 GPU 进行了优化,具有较好的速度-质量平衡。
推荐理由:FLUX 3 Image Klein 图像生成模型发布,支持在低显存配置下运行,适用于消费级 GPU,具有较好的速度-质量平衡。
Black Forest Labs 发布了 FLUX 3 Image Klein,一款具有 5.6 亿参数的开源图像模型,支持 4K 输出、像素级编辑和元素定位。
推荐理由:FLUX 3 Image Klein 是一款支持 4K 输出的开源图像模型,适用于文本到图像生成和图像编辑,具有高性能和低内存要求,对用户和行业具有潜在影响。
Google发布了新一代生图模型Nano Banana 2.1,实现了视觉设计、蒙版编辑、主体一致性和画面真实自然性的全面升级。该模型能4K直出摄影级大片,并提供了文本转图像、多图像编辑及单张图像编辑等功能,其中文本转图像功能排名第四。
推荐理由:Nano Banana 2.1的发布带来了4K直出和中文效果提升,对设计师和剪辑师的工作流程有潜在影响。
谷歌正式发布 AI 图像生成与编辑模型 Nano Banana 2.1,在视觉设计、基于蒙版的图像编辑和主体一致性三方面做出改进。
推荐理由:谷歌图像模型升级,读者可了解其在蒙版编辑与主体一致性上的具体改进及开放渠道。
Google 发布图像生成与编辑模型 Nano Banana 2.1,取代 2026 年 2 月发布的 Nano Banana 2,价格约为前代一半:1K 图像从 6.70 美分降至 3.36 美分,4K 从 15.10 降至 7.56 美分。
推荐理由:原文给出 Nano Banana 2.1 的定价对比与基准数据,读者可据此判断它在 Google 图像模型序列中的性价比位置。
Ideogram 发布新模型 Ideogram 4.5,称其只修改用户指定的区域,其余部分保持不变,可避免多次编辑后出现伪影。
Black Forest Labs 发布 Flux 3 模型家族的图像部分 Flux 3 Image,官方称其支持多步编辑且不改变画面其他部分,覆盖文生图、图生图、文字渲染和照片级真实感。用户可用边界框构图、最多引入十张参考图、输出最高 4K,免费 demo 已开放,API 在 10 月 8 日前五折。企业可授权商业权重在自有基础设施上运行和微调,开放权重版本预计未来几周推出。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:官方给出两款新模型的延迟、价格与可用入口,读者可据此判断图像与视频生成链路的成本取舍。
Google DeepMind 发布最新图像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),把 Nano Banana Pro 的高级世界知识、质量与推理能力带到 Flash 级速度。
推荐理由:官方给出 Nano Banana 2 与 Pro 的能力分工和上线范围,读者可据此判断该选哪个模型。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),基于 Gemini 3 Pro 构建,面向开发者提供影棚级图像生成与编辑,已在 Google AI Studio 和 Vertex AI 以付费预览形式逐步开放。
推荐理由:官方给出新图像模型的分辨率、文本渲染与搜索接地能力,读者可据此判断多模态应用的可用边界。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),基于 Gemini 3 Pro 构建,主打图像生成与编辑,支持在图中直接渲染多语言可读文本,并可连接 Google Search 获取实时信息。
推荐理由:官方给出 Nano Banana Pro 的文本渲染、多图合成与分辨率等能力细节,可据此判断图像编辑工作流的变化。
OpenAI 发布 GPT-4o 系统卡补充说明,介绍 4o 图像生成。该能力比此前的 DALL·E 3 系列模型显著更强,可生成照片级真实感输出,并能接收图像作为输入并进行变换。
推荐理由:官方系统卡补充说明披露 4o 图像生成相较 DALL·E 3 的能力变化,可据此了解该模型的生成与图像输入能力。
OpenAI 发布 DALL·E 3 系统卡,用于说明该图像生成模型在安全与风险方面的评估情况。
OpenAI 为向大众开放 DALL·E 2,在预训练阶段采取缓解措施以降低强大图像生成模型的风险。为此设置了多种防护机制,防止生成图像违反其内容政策。
OpenAI 训练了一个名为 DALL·E 的神经网络,可根据自然语言描述生成图像,覆盖自然语言可表达的广泛概念。
推荐理由:OpenAI 官方公布 DALL·E 这一从文本生成图像的神经网络,可据此了解文生图方向的早期起点。