图像生成相关 AI 资讯

AITOP

7月11日

12:57

AI产品黄叔@PMbackttfuture

测试发现Codex搭配GPT5.6在意图理解和生图后内容插入上明显优于GPT5.5。只需一句话即可让Codex生成“社群破百亿”纪念图，效果出乎意料。此前需手动预留空白再填入元素，成功率低，现在一次成功。该组合简化了图像生成流程。

推荐理由：想快速生成社群纪念图？试试Codex加GPT5.6，比老版本省事太多，一句话搞定。

原文

7月10日

15:49

官方一手歸藏(guizang.ai)@op7418

Kaze AI 推出了名为 Kaze AI Agent 的视频图像智能体，专攻广告内容生成。该 Agent 能处理社交帖子、产品摄影、视频广告和电影叙事等创意任务。用户无需频繁提示即可规模化生产内容，号称提升 10 倍创意效率和 100 倍生产力。广告主可依据清晰的 ROI 计算决定投放预算。

AI产品 Kaze AI 视频生成广告内容智能体图像生成

推荐理由：Kaze AI 的新 Agent 专做广告视频和图像，效率拉满10倍，广告主投钱好算ROI，值得一试。

原文

01:36

Justine Moore@venturetwins

OpenAI 的 GPT Image 2 模型发布仅几个月，就已广泛渗透低端图形设计市场。据 X 用户观察，该模型生成的图像质量足以替代部分低成本设计服务，导致相关领域使用量激增。该趋势反映出 AI 图像生成工具正快速改变传统设计行业格局。

AI产品 GPT Image 2 OpenAI 图像生成设计工具

推荐理由：GPT Image 2 才出几个月，现在到处都是，低端设计活儿都快被它包了。

原文

01:08

The Rundown AI@therundownai

Reve 2.1 图像生成模型正式发布。在 Text-to-Image Arena 基准中，Reve 2.1 超越 Muse Image 升至第二名，仅次于 gpt-image-2。Reve 表示 2.1 的训练计算量不到竞争对手实验室的十分之一。该模型在排名上实现了反超。

AI模型 Reve Reve 2.1 gpt-image-2 Muse Image 图像生成

推荐理由：Reve 2.1 用不到十分之一的算力就拿到了图像生成第二，性价比拉满，值得看看。

原文

7月9日

18:36

orange.ai@oran_ge

BytePlus 宣布 Seedream 5.0 Pro API 正式可用。该模型专注于设计场景，支持精确编辑、复杂信息可视化、逼真渲染和跨语言图像生成。其画质对标 GPT image 2 级别，可生成企业级视觉素材。同时 ListenHub 和 Cola 正在接入中。

AI模型 Seedream 5.0 Pro BytePlus GPT image 2 图像生成设计

推荐理由：BytePlus 上线了 Seedream 5.0 Pro API，画质和 GPT image 2 看齐，设计场景功能超实用，做图搞创意可以试试。

原文

13:42

岚叔@lufzzliz

GPT image 2在指令遵循上更干净，整体效果更好。seedream 5.0 pro为了提升氛围和故事性会主动加戏，但有时画蛇添足。seedream 5.0 pro在精致度、脸部控制和微观真实感上弱于GPT image 2。在人物场景测试中，seedream 5.0 pro画质弱，整体质感差，面部偏滤镜磨皮，清晰度和曝光控制明显不足。

AI模型 GPT image 2 seedream 5.0 pro 图像生成模型对比

推荐理由：网友实测GPT image 2和seedream 5.0 pro，GPT image 2指令遵循更干净，seedream 5.0 pro加戏但细节差，选模型可以看看这个对比。

原文

08:38

berryxia@berryxia

精选71°

Meta Superintelligence Labs发布了Muse Image，这是其目前最强的图像生成模型，强调忠实遵循指令、精准编辑、多参考图合成，并能调用Instagram社交上下文生成内容。Muse Image引入了agentic tool use能力，与Muse Spark深度整合，使图像生成成为带规划和工具调用的多步过程。同时预览的Muse Video基于同一预训练底座，目标实现高视觉保真度和原生音频支持。整体方向是将图像/视频生成从纯视觉模型转化为理解社交语境、支持多步agentic操作的创作工具，并嵌入Meta社交产品。

AI模型 Muse Image Muse Video Meta 图像生成智能体

推荐理由：Meta这次把图像生成做成了带智能体能力的工具，还能结合Instagram上下文，跟GPT和SD的思路不太一样。

原文

07:21

@koltregaskes@koltregaskes

字节跳动今日推出Seedream 5.0 Pro，一款侧重设计理解的图像生成模型。它可一次性生成含正确布局、图表和密集准确文本的信息图，支持点选/套索编辑、素描渲染、十六进制颜色替换及自动图层分离。模型原生支持超过10种语言，并遵循相应排版规则。在光照、材质和皮肤纹理处理上有显著提升，能捕捉运动模糊和自然光交互等细节。

AI模型 Seedream 5.0 Pro ByteDance 图像生成多语言设计工具

推荐理由：想生成带精准文字和复杂布局的图片？ByteDance新模型Seedream 5.0 Pro能一次搞定，还能交互编辑，比多数模型更懂设计。

原文

06:49

官方账号Runway ML@runwayml

Seedream 5.0 Pro 已集成到 Runway 平台，用户可通过文本提示或参考图像生成高细节图像。该模型支持在图像内生成清晰可读的文本，覆盖多达14种语言。这一功能适用于需要多语言文字元素的图像生成场景，如海报、宣传图等。

AI产品 Seedream 5.0 Pro Runway 图像生成多语言文本

推荐理由：Runway 上线了 Seedream 5.0 Pro，能生成带14种语言文字的清晰图片，做海报或宣传图很实用。

原文

05:12

@elonmusk@elonmusk

Grok将能在智能体模式下调用Imagine工具进行图像和视频生成。Imagine是独立的图像/视频生成工具，正持续改进。这一能力对游戏开发者尤其有吸引力，可以快速生成游戏素材。

AI产品 Grok Imagine xAI 智能体图像生成

推荐理由：Grok可以直接调Imagine生成图片和视频了，游戏开发者做素材会更方便。

原文

7月8日

23:36

官方一手歸藏(guizang.ai)@op7418

Seedream 5.0 的图像模型上线，作者测试了几张图，包括生成游戏截图、科普图、UI 设计稿和剧情介绍图。模型支持 2K 分辨率，比 GPT-4o 更高，但文字细节方面，多文字时仍存在模糊问题。整体进步明显，比之前的图像模型提升较大。

AI模型 Seedream 5.0 GPT-4o 图像生成文本渲染 2K分辨率

推荐理由：Seedream 5.0 图像模型刚上线，能生成 2K 分辨率图片，比 GPT-4o 清晰，但文字多时会糊。想试试新模型可以看看这些例子。

原文

23:25

The Rundown AI@therundownai

字节跳动发布了Seedream 5.0 Pro，这是一个声称超越简单图像生成、能“理解设计”的AI模型。该模型在文本渲染、结构和对齐方面有改进，能生成高质量信息图和原型。它支持精确编辑，包括图层分离和多个图像组合。在写实度、光照和皮肤纹理上也有升级，并支持多语言输入和生成。

AI模型 Seedream 5.0 Pro ByteDance 图像生成设计编辑文本渲染

推荐理由：字节跳动的Seedream 5.0 Pro不仅能画图，还能分层编辑、组合多图，设计能力更强。

原文

19:31

官方账号Decoder@Maximilian Schreiner

71°

Meta旗下Superintelligence Labs推出首个图像生成模型Muse Image。该模型类似OpenAI的GPT Image 2，能通过代码执行和网页搜索等工具自主优化生成结果。其@-mention功能允许用户基于他人公开的Instagram照片生成图像，无需对方同意。这种opt-out模式可能违反GDPR和欧盟AI法案。技术亮点与隐私争议并存。

AI模型 Muse Image Meta Instagram 图像生成隐私

推荐理由：Meta新出的Muse Image能像GPT Image 2一样调用工具自动改图，但争议点在于它能拿你Insta照片生成别人头像，隐私风险很大。

原文

09:07

@koltregaskes@koltregaskes

用户Koltregaskes在X上分享了对一个未具名图像生成模型的快速测试，使用包含42岁东亚女性、f/1.8光圈、85mm镜头、黄金时刻等详细参数的提示词，生成的照片在皮肤纹理、光影和衣物褶皱上表现逼真。他还贴出了Gemini和GPT的生成结果作为对比，显示出该模型在摄影写实方面稍有优势。测试仅基于单一样例，但提示词复杂度和输出质量值得关注。

AI模型 Gemini GPT 提示词工程图像生成摄影风格

推荐理由：看这个用户用详细提示词测新模型，效果很真实，还对比了Gemini和GPT的结果，挺有意思的。

原文

06:31

官方账号Meta AI@AIatMeta

Meta 的 Muse Image 模型在强化学习训练中涌现出思维链内的自我改进行为，能够自适应地选择执行局部编辑、完全重新生成或调用外部工具。该行为未经显式编程，而是模型为优化图像质量和最大化奖励而产生的策略。实验显示这一涌现能力显著提升了图像生成效果。

AI模型 Muse Image Meta 强化学习推理模型图像生成

推荐理由：Meta 的 Muse Image 在强化学习下自己学会了边画边改，能局部修也能重画，效果比直接生成更好，值得看看

原文

06:27

官方账号Meta AI@AIatMeta

83°

Meta 超级智能实验室推出首款媒体生成模型 Muse Image 和 Muse Video。Muse Image 能忠实遵循指令、精确编辑、从多个参考合成图像，并利用 Instagram 社交上下文。它集成了智能体工具能力，与 Muse Spark 配合，可在 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 中试用。Muse Video 基于相同预训练基础，支持原生音频并实现高视觉保真度。

AI模型 Muse Image Muse Video Meta 图像生成视频生成

推荐理由：Meta 发了两个新模型 Muse Image 和 Muse Video，一个能画图还能编辑，一个能生成视频带声音，可以在 Instagram 里直接用了。

原文

06:21

techcrunch@Lucas Ropek

Meta发布了名为Muse的新型AI图像生成模型。该模型可应用于广告设计、装饰和创作者内容生成。目前Muse的具体性能参数和开源状态尚未公开。

AI模型 Muse Meta 图像生成广告设计创作者工具

推荐理由：Meta出了个新图像生成器Muse，能帮你快速做广告图、装饰图和创作素材，实用性强。

原文

04:36

lmarena.ai@lmarena_ai

73°

Meta 的 Muse Image 在 Image Arena 基准中升至第二，仅次于 OpenAI 的 GPT Image 2。它超越了 Nano Banana、Grok Imagine、MAI Image 等模型。在文本到图像、单图像编辑和多图像编辑三个子类别中均排名第二。Muse Image 支持指令遵循、精确编辑、多参考合成，并集成 Instagram 社交上下文。

AI模型 Muse Image Meta GPT Image 2 Image Arena 图像生成

推荐理由：Meta 的新图像模型 Muse Image 在权威榜单排第二，仅次于 GPT Image 2，能精准编辑和参考多张图合成，试试看

原文

03:18

The Rundown AI@therundownai

73°

Meta发布了Muse Image，这是其MSL部门推出的首个图像生成模型。该模型采用代理式设计，与Muse Spark协作，在生成前先推理用户提示、搜索网络并规划。目前已集成到Meta AI应用、Instagram Stories和WhatsApp聊天中，但未公布任何基准测试成绩。

AI模型 Muse Image Muse Spark Meta 图像生成智能体

推荐理由：Meta新出的Muse Image，能先推理再画图，第一次就让你满意。已经能在Instagram和WhatsApp里直接用了。

原文

7月7日

16:39

官方一手Pandaily@contact@pandaily.com (Pandaily)

智谱AI推出免费AI图像生成模型GLM-Image，可在image.z.ai直接使用。该模型支持中文文本渲染，在中文场景下表现优于Midjourney等国外工具。目前GLM-Image完全免费且无水印，用户可生成带有中文文字的图片。

AI模型 Zhipu AI GLM-Image Midjourney 图像生成中文文本渲染

推荐理由：智谱AI出了个免费AI生图工具GLM-Image，写中文文字比Midjourney还强，而且没水印，直接用就行。

原文

7月5日

17:00

官方一手pandaily@contact@pandaily.com (Pandaily)

Midjourney、Google、字节跳动、快手、智谱AI、腾讯等多家公司在H1 2026推出了新一代图像与视频生成模型。Midjourney旗舰模型在图像质量和风格控制上进一步提升。Google的Veo系列在长视频生成和物理一致性上取得突破。字节跳动的MagicVideo系列在生成速度和分辨率上优化。快手可灵支持了更长的视频输出并改善了运动连贯性。智谱AI的GLM-4V实现了图像与视频的多模态深度融合。

AI模型 Midjourney Google ByteDance 视频生成图像生成

推荐理由：这篇文章一口气总结了六家公司的图像和视频模型新进展，想快速了解上半年谁家出了什么、强在哪，看这篇就够了。

原文

7月2日

00:34

berryxia@berryxia

Osaurus是一款基于Swift开发的Mac端AI工作台，完全本地运行无需联网。它能在用户生成图片时自动卸载当前聊天模型，加载任意MLX图像模型，在GPU上生成真实文件后再切回聊天模型。项目已获6k GitHub Stars和15.5万次下载，采用MIT开源协议。

AI产品 Osaurus Mac MLX Swift 图像生成

推荐理由：Mac用户去试试Osaurus，真正的本地AI工作台，不联网就能在GPU上生成图片，切换模型丝滑，还免费开源。

原文

7月1日

08:29

官方账号Allen AI (Ai2)@allen_ai

艾伦人工智能研究所发布了DiScoFormer模型，用于更精确地估计评分函数（score function）。该评分函数指引AI图像生成器朝向概率更高的图像，类似于贝叶斯采样和等离子体物理中的原理。DiScoFormer在处理复杂数据时显著优于现有方法，提升了生成质量。

AI模型 DiScoFormer Allen AI 评分函数图像生成

推荐理由：艾伦AI发了DiScoFormer，能更准地估计评分函数，处理复杂数据比之前强，适合搞图像生成的看看。

原文

08:00

08:00IT之家（博客/媒体）

谷歌发布Nano Banana 2 Lite图像生成模型，4秒内可生成一张图像。每生成1000张图像收费0.034美元（约合0.23元人民币），成本低于标准版Nano Banana 2。该模型强调速度和批量处理能力，已登陆谷歌AI Studio、Gemini API等平台，并取代初代Nano Banana。谷歌还扩大了Gemini Omni Flash的开放范围，其视频生成收费标准为每秒0.10美元。

AI模型 Nano Banana 2 Lite 谷歌图像生成速度价格

推荐理由：谷歌新出的Nano Banana 2 Lite，4秒出一张图，一千张才两毛三，做批量生图效率高又省钱。

原文

07:19

07:19官方账号Simon Willison’s Weblog（博客/媒体）

Google 发布了 Nano Banana 2 Lite，即 Gemini 3.1 Flash Lite Image 图像模型，声称是“最快最便宜的 Gemini 图像模型”。作者在 AI Studio 用提示词生成了“寻找拿着火腿收音机的浣熊”风格的图片，效果优于4月时其他 Nano Banana 模型的尝试。模型在生图时出现了两处拼写错误（如“Forest Festival”拼错）。该模型专为高速度和大规模部署设计，API 名称为 gemini-3.1-flash-lite-image。

AI模型 Nano Banana 2 Lite Gemini 3.1 Flash Lite Image Google 图像生成文本生成图像

推荐理由：Google 出了个 Nano Banana 2 Lite 图像模型，最快最便宜，能生成沃尔多风格找图，比上一版好但拼写会错。

原文

03:51

官方账号Google AI@GoogleAI

精选

Google推出Nano Banana 2 Lite，这是其最快且成本最低的Gemini图像模型，文本转图像仅需不到4秒，已通过Gemini API和Google AI Studio提供。同时公开预览Gemini Omni Flash，这是一款原生多模态模型，用于高效视频生成和对话式编辑，可通过API和Enterprise Agent Platform使用。两者结合可快速生成图像并即时动画化，室内设计demo展示上传照片后生成定制概念并转化为动态视频。

AI模型 Nano Banana 2 Lite Gemini Omni Flash Google 图像生成视频生成

推荐理由：Google一口气发了两个模型：一个4秒出图，一个直接生成视频，还能连起来用，成本还低，搞创作的可以试试。

原文

03:08

techcrunch@Lucas Ropek

Google发布了Nano Banana 2 Lite图像生成模型。该模型在生成速度上进行了优化，比前代更快。同时降低了计算成本，更适合大规模使用。面向创作者，可用于快速生成AI图像内容。

AI模型 Google Nano Banana 2 Lite 文生图图像生成

推荐理由：Google出了个新图生模型Nano Banana 2 Lite，更快更便宜，做AI内容的朋友可以关注。

原文

03:07

The Rundown AI@therundownai

精选73°

Google今天发布两个新模型：Nano Banana 2 Lite用于图像生成，Gemini Omni Flash用于视频生成。Lite可在4秒内生成一张图像，价格为每千张0.034美元，适合高吞吐低成本任务。Omni Flash在LMArena文本到视频排行榜排名第一，在图像到视频和视频编辑中位列前二，仅次于Seedance 2.0，价格为每秒0.10美元。OpenAI的gpt-image-2仍在图像排行榜上保持领先。

AI模型 Nano Banana 2 Lite Gemini Omni Flash Google 图像生成视频生成

推荐理由：Google新出了两个模型：Lite低成本快速出图（4秒/张，千张34美元），Omni Flash视频生成在LMArena登顶，性价比不错。想省钱做图或搞视频的可以关注。

原文

01:53

elvis@omarsar0

Google发布两款新生成式媒体模型：Nano Banana 2 Lite和Gemini Omni Flash。Nano Banana 2 Lite生成单张图像速度小于4秒，价格为每千张0.034美元。Gemini Omni Flash在视频编辑任务上达到SOTA，每小时成本0.10美元，与Veo 3.1 Fast相同。这些定价远低于行业平均水平，有助于降低开发者构建AI应用的门槛。

AI模型 Nano Banana 2 Lite Gemini Omni Flash Google 图像生成视频编辑

推荐理由：Google把图像生成价格打到每千张3分钱，速度不到4秒，还能编辑视频，做教育科研的可以试试。

原文

01:34

官方账号Decoder@Matthias Bastian

Google发布两个新生成式AI模型：Nano Banana 2 Lite可在4秒内生成图像，每张成本0.034美元。Gemini Omni Flash首次通过API支持文本提示生成和编辑视频。Google建议将两个模型串联，从静态图像转换为动画视频。

AI模型 Nano Banana 2 Lite Gemini Omni Flash Google 图像生成视频生成

推荐理由：Google新出两个模型：一个4秒出图只要3分钱，另一个能文字生成视频，还能链着玩。

原文

00:52

官方账号Logan Kilpatrick@OfficialLoganK

精选

Google 发布两款新生成式媒体模型 Nano Banana 2 Lite 和 Gemini Omni Flash，集成在 Gemini API 和 AI Studio 中。Nano Banana 2 Lite 图像生成速度低于 4 秒，成本仅 $0.034/千张。Gemini Omni Flash 在视频编辑任务上达到 SOTA，定价 $0.10/秒，与 Veo 3.1 Fast 相同。两者均强调高效与低成本。

AI模型 Nano Banana 2 Lite Gemini Omni Flash Google 图像生成视频编辑

推荐理由：Google 发了两款新模型：一个 4 秒出图、千张只要 3 分 4；另一个视频编辑达到 SOTA 且和 Veo 3.1 Fast 一样便宜。

原文

6月30日

07:39

07:39IT之家（博客/媒体）

72°

谷歌宣布，Gemini应用的Nano Banana驱动个性化图像生成功能对全美免费用户开放。该功能基于用户授权连接的Gmail、谷歌相册、YouTube和谷歌搜索获取偏好。用户只需简单提示如“创作一幅包含我和个人爱好的插画”，Gemini即可自动判断元素并生成图像。用户可开启或关闭“个性化智能”，并自行选择Gemini可访问的应用。谷歌此前披露Gemini月活跃用户已突破7.5亿。

AI产品 Gemini Nano Banana 谷歌个性化图像生成

推荐理由：谷歌把Gemini的个性化生图免费开放了，它能根据你的相册和搜索记录自动生成贴合爱好的图像，不用写详细提示词了。

原文

04:20

techcrunch@Lauren Forristal

谷歌宣布，其Gemini聊天机器人的个性化AI图像生成功能现已向符合条件的美国免费用户开放。该功能允许Gemini根据用户兴趣及来自谷歌应用（如Gmail、日历）的数据生成定制图像。此举将原本仅限付费用户的功能扩展到免费层。用户可在对话中直接要求Gemini生成反映个人风格的图片。

AI产品 Gemini Google 图像生成个性化免费

推荐理由：谷歌把Gemini的个性化生图功能免费开放给美国用户了，能根据你存的数据生成专属图片，试试看。

原文

6月29日

15:41

@koltregaskes@koltregaskes

商汤推出了U1 Pro图像思考模型，该模型在图像生成能力上与GPT Image 2持平甚至更优。U1 Pro支持高达8K分辨率输出，专为设计场景优化。内部测试将于7月启动，之后计划公开发布。

AI模型 U1 Pro SenseTime GPT Image 2 图像生成推理模型

推荐理由：商汤新模型U1 Pro据说能和GPT Image 2比一比，还支持8K图，设计师7月就能内测了。

原文

13:49

官方账号Microsoft AI@MicrosoftAI

微软的 MAI-Image-2.5 在 Artificial Analysis 的文本到图像榜单中排名第2，图像编辑排名第3。该模型能对图像进行精确编辑，例如将雨窗模糊场景转换为清晰街景，同时保持物体一致性、光照、反射和场景几何。模型现已通过 Foundry API、MAI Playground 和 OpenRouter 提供使用。

AI模型 MAI-Image-2.5 Microsoft 图像生成图像编辑多模态

推荐理由：微软 MAI-Image-2.5 图像生成排第2、编辑排第3，还能把雨窗变清晰，想用去 Foundry API 或 OpenRouter 试试。

原文

10:09

官方账号arXiv cs.AI@Guanbo Huang, Jingjia Mao, Fanding Huang, Fengkai Liu, Xiangyang Luo, Yaoyuan Liang, Jiasheng Lu, Xiaoe Wang, Pei Liu, Ruiliu Fu, Ruqi Huang, Shao-Lun Huang

流匹配（Flow Matching）存在暴露偏差，现有缓解方法依赖静态约束。本文提出DEFAR框架，包含抗漂移修正（ADR）和频率补偿（FC）两个组件。ADR利用推理时漂移信号学习将偏离状态拉回目标方向，FC基于偏差自反馈权重增强缺失的低频成分。在CIFAR-10、CelebA-64、ImageNet-256/512上，DEFAR优于先前基线，且具有良好的可扩展性与推理鲁棒性。

论文 Flow Matching DEFAR 暴露偏差自修正图像生成

推荐理由：这篇论文让模型靠偏差自己修正偏差，DEFAR在CIFAR和ImageNet上都能超过之前的方案，还更稳。

原文

08:15

AK@_akhaliq

DiffusionBench是一个专门针对扩散变换器（Diffusion Transformers）的全面评估基准。它涵盖了生成质量、推理效率、模型鲁棒性等多个关键维度。该基准基于ImageNet等公开数据集提供了标准化测试协议。它为不同扩散变换器架构的性能比较建立了统一框架。

AI模型 DiffusionBench 扩散变换器评估基准图像生成

推荐理由：想了解不同扩散变换器到底谁更强？试试这个新基准DiffusionBench，评估维度很全，结果很直观。

原文

6月26日

18:00

AI Will@FinanceYF5

一位独立研究者（沃尔玛应届程序员）用单张RTX 3090 Ti、零经费完成两项扩散模型研究，被SIGGRAPH 2026录用。InfiniteDiffusion实现无限图像生成，支持随机访问、可复现、可并行、零存储。Terrain Diffusion是首个学习型程序化地形生成器，单卡速度比卫星飞行快9倍，仅需1.5GB显存。该研究已发布Minecraft mod，代码已开源。

AI模型 InfiniteDiffusion Terrain Diffusion 图像生成程序化地形生成开源模型

推荐理由：一个人用一张3090 Ti发SIGGRAPH，InfiniteDiffusion无限图像生成、Terrain Diffusion比卫星快9倍，代码开源，快去试试Minecraft mod。

原文

10:47

官方账号arXiv cs.LG@Wei Zhou, Xiongwei Zhu, Zelin Xu, Bo Dong, Lixue Gong, Yongyuan Liang, Meng Chu, Leigang Qu, Lingdong Kong, Wei Liu, Tat-Seng Chua

针对文本到图像（T2I）、局部编辑和全局编辑等能力难以统一且相互冲突的问题，论文提出DanceOPD框架。该框架基于流匹配模型，采用策略生成场蒸馏，将每个样本路由至对应能力场，并查询低噪声的学生诱导状态，用速度MSE目标训练。在T2I、编辑、真实性场吸收和CFG吸收等实验上，DanceOPD改善了多能力组合效果，增强了目标能力同时保持基准生成质量。

论文 DanceOPD 流匹配模型图像生成蒸馏多能力

推荐理由：这篇论文用DanceOPD把T2I、局部编辑和全局编辑统一到一个模型里，解决了相互干扰的问题，效果显著提升。

原文

02:54

官方一手Midjourney: Updates@Caleb

Midjourney 在 V8.1 的 draft mode 中新增 --sref random 参数，使用后一次可生成 24 张不同风格的图像。用户只需在提示词中加入 --draft（或点击闪电图标）进入草稿模式，再添加 --sref random 即可随机混合多种风格。该功能旨在帮助用户快速探索和发现喜欢的视觉风格，无需手动指定样式参考。

AI产品 Midjourney V8.1 draft mode 图像生成风格探索

推荐理由：想快速试不同画风？现在 Midjourney 草稿模式下加个参数，一次出 24 种随机风格，比手动换 sref 方便多了。

原文