图像生成相关 AI 资讯

6月19日

11:15

官方账号arXiv cs.AI@Jinghong Lan, Wei Cheng, Yunuo Chen, Ziqi Ye, Peng Xing, Yixiao Fang, Rui Wang, Yufeng Yang, Xuanyang Zhang, Xianfang Zeng, Difan Zou, Gang Yu, Chi Zhang

FreeStyle提出一种基于社区LoRA挖掘的可扩展双参考生成框架，利用社区LoRA作为风格和内容的组合锚点，构建大规模三元组数据（风格参考和内容参考）。采用两阶段课程，包括注意力级富集约束抑制风格参考泄漏，以及频率感知RoPE调制解决位置对应泄漏。引入新基准，包含风格不变内容对齐分数（CAS）和基于VLM的拒绝分数。实验表明，FreeStyle在风格对齐、内容保持和泄漏抑制之间取得强平衡。

推荐理由：想同时控制图片风格和内容？FreeStyle用社区LoRA搞定双参考生成，还自带防泄漏机制，比以往方法更稳。

原文

00:32

Replicate@replicate

P-Image-Try-On 是 PrunaAI 发布的虚拟试穿模型，现已上线 Replicate 平台。每次试穿第一件衣服仅 $0.015，每增加一件 $0.008，最多可同时试穿 11 件衣物。支持质量模式（每件 <2 秒）和 Turbo 模式（总计 <4 秒）。提供提示引导和姿态引导实现精确控制。适合电商和时装团队无需重拍即可生成试穿效果。

AI模型 P-Image-Try-On PrunaAI Replicate

推荐理由：PrunaAI 出了个超便宜的虚拟试穿模型，第一件才一分五，快至2秒一件，还能一次穿11件，电商团队看过来。

原文

6月18日

12:50

AI Will@FinanceYF5

Min Choi发布了一段对比视频，展示3年前Modelscope与现在Grok Imagine 1.5的图像生成结果。Grok Imagine 1.5生成的图像在细节和真实感上明显优于Modelscope。视频直观呈现了AI图像模型在三年间的视觉进步。

AI模型 Grok Grok Imagine 1.5 Modelscope

推荐理由：看看Grok Imagine 1.5比三年前的Modelscope强多少，一段视频就能看清差距。

原文

12:41

AI Will@FinanceYF5

ModelScope和Grok Imagine 1.5分别左右展示AI图像生成模型3年间的进步。左图来自ModelScope，右图来自Grok Imagine 1.5，生成质量有明显差异。Grok Imagine 1.5在细节、真实感和多样性上表现更优。这种对比直观反映了模型迭代的效果。

AI模型 ModelScope Grok Imagine 1.5 图像生成

推荐理由：看看ModelScope和Grok Imagine 1.5的生成效果左右对比，感受AI图像模型3年间的进化。

原文

6月17日

07:28

宝玉@dotey

这个提示词针对 ChatGPT 的 GPT Image 2 功能设计，可将照片一键转换为装饰性民间风格平面插图。提示词要求使用大胆俏皮的配色、简化细节为干净的扁平形状，并加入手工感涂鸦元素。效果呈现可爱童趣的涂鸦感，类似在白纸上手绘。该推文获得 10 个点赞和 1440 次查看，实用性强。

技巧 GPT Image 2 ChatGPT 提示词工程

推荐理由：这个提示词真不错，把照片变成卡通涂鸦风格的平面插画，效果很可爱。GPT Image 2 就能直接用，试试看吧。

原文

04:28

a16z@a16z

Ideogram CEO Mohammad Norouzi 在a16z的对话中表示，图像模型需要具备“品味”，但很难定义。他认为品味包括跳出常规、不迎合平均观点，这有时会与追求排行榜顶部相矛盾。目前AI在品味评估方面表现不佳，因此Ideogram与设计师合作来推动模型的品味提升。

行业 Ideogram 图像生成模型评估

推荐理由：听听Ideogram的CEO聊AI图像模型怎么才能有品味，不是堆分数，而是跟设计师合作。挺反直觉的。

原文

00:10

Justine Moore@venturetwins

Ideogram 发布了名为 Ideogram 2.0 的开源权重图像模型，宣称在开放权重类别中排名第一。该模型体积足够小，可在消费级 GPU 上运行，但在设计任务上与 Nano Banana 和 GPT Image 竞争。研究团队由 @mo_norouzi 领导，分享了技术细节和观点。

AI模型 Ideogram 开源模型图像生成

推荐理由：Ideogram 这个开源权重图像模型能在普通显卡上跑，还能和 GPT Image 掰手腕，适合不想烧钱又想要好效果的人。

原文

6月16日

09:22

官方账号Runway ML@runwayml

Runway 宣布其视频和图像生成与编辑功能直接集成到 ChatGPT 中，用户无需在标签页之间切换即可使用。该集成支持在 ChatGPT 对话界面内直接调用 Runway 的模型生成视频和图像。Runway 此前已提供文本生成视频、图像编辑等功能，此次与 ChatGPT 的整合简化了工作流程。用户可同时利用 ChatGPT 的对话能力和 Runway 的多模态生成能力。

AI产品 Runway ChatGPT 视频生成

推荐理由：Runway 直接嵌进 ChatGPT 里了，不用来回切页面就能生成和编辑视频图片，特别方便。

原文

6月12日

19:43

berryxia@berryxia

YouMind 1.0 正式版本发布，该产品从0.x版本开始迭代，不断打磨更新。用户反馈YouMind在图像生成和Agent优化方面表现出色，尤其擅长生图调优。产品一路成长，获得了用户认可。

AI产品 YouMind 图像生成 Agent优化

推荐理由：YouMind 1.0 解决了生图调优的痛点，做图像生成和Agent优化的团队可以直接体验，看看它如何帮你提升效率。

原文

13:28

官方账号Microsoft AI@MicrosoftAI

微软发布了其图像生成与编辑模型MAI-Image-2.5，该模型能够生成高度逼真的照片级图像，并支持精确编辑。一个有趣的细节是，其官方宣传图全部由模型本身生成，展示了其在细节和真实感上的强大能力。用户现在可以在微软Playground或OpenRouter上免费试用该模型。

AI产品图像生成图像编辑微软

推荐理由：微软MAI-Image-2.5在照片级真实感和精确编辑上表现出色，做设计、内容创作或AI图像研究的团队值得一试，直接在Playground或OpenRouter上体验其生成效果。

原文

01:50

Ideogram@ideogram_ai

Ideogram 4.0 是 Ideogram 首个开放权重的模型，发布一周后，开源和创意社区已经用它做出了超出预期的应用。JSON 和边界框提示（bounding box prompting）正在成为新的标准用法。官方在推文中汇总了第一周的社区亮点，展示了模型在可控生成和结构化提示方面的潜力。

AI模型 Ideogram 4.0 开源/仓库图像生成

事件专题

推荐理由：开源图像生成模型终于有了更可控的提示方式——JSON 和边界框让精确布局成为可能，做 AI 绘画工具或创意生成的开发者值得关注社区玩法。

原文

6月11日

13:19

官方账号Midjourney@midjourney

72°

Midjourney 宣布 V8.1 成为所有用户的默认模型，V8 将在两周后退役。V8.1 恢复了标志性美学，支持原生 2K 高清渲染，速度比 V8 快 3 倍，成本降低 3 倍。全质量 1K 模式比 V7 草稿模式更快。图像提示功能回归，新的“Describe”功能上线，并引入了 moodboards 和 srefs。V8.2 测试即将开始。

AI产品 Midjourney V8.1 图像生成

推荐理由：Midjourney 用户终于等来了更快的生成速度和更低成本，V8.1 的 2K 渲染和图像提示回归让创作更高效，建议立即体验新默认模型。

原文

12:14

官方一手Midjourney: Updates@Caleb

精选

Midjourney 已将默认模型从 V7 更新为 V8.1，基于用户测试和反馈。V8.1 模型更智能、更连贯，能更好地遵循详细提示，文字渲染效果也显著提升。启用 HD 模式后，图像质量进一步优化。这一更新意味着所有用户将默认使用更强大的生成能力，无需手动切换。

AI产品 Midjourney 图像生成模型升级

推荐理由：Midjourney 用户现在默认就能用上更智能、更听话的 V8.1，文字渲染和细节遵循能力大幅提升，做设计或内容创作的建议直接试试 HD 模式。

原文

09:23

Recraft@recraftai

Recraft AI 发布了 V4.1 版本，主打“四个字符、零多余细节、最大个性”的极简提示词生成图像。该版本优化了模型对简短、高信息密度输入的理解能力，用户只需输入极少的文字即可获得富有表现力的图像。这一更新降低了 AI 图像生成的门槛，适合追求快速创意输出的设计师和内容创作者。目前官方在 X 平台展示了多个示例，引发社区关注。

AI产品 Recraft 图像生成极简提示

推荐理由：Recraft V4.1 解决了提示词冗长的问题，做创意设计或社交内容的人可以试试用四个字生成有性格的图像，效率提升明显。

原文

6月10日

12:58

AI Will@FinanceYF5

一条推特展示了Fable 5、Opus 4.8、GPT-5.5 Standard和GPT-5.5 Pro四个模型在相同Prompt下生成纽约天际线图像的结果对比。@aipulseda1ly 称这是目前见过最好的结果，差距肉眼可见。该对比直观反映了各模型在图像生成质量上的差异，对关注AI图像生成能力的用户有参考价值。

AI模型 Fable 5 Opus 4.8 GPT-5.5

事件专题

推荐理由：四个主流模型同Prompt出图对比，做AI绘画或模型评测的可以直接看结果，省去自己跑实验的时间。

原文

12:33

官方账号arXiv cs.AI@Yihao Zhao, Xuan Han, Bin He, Mingyu You

精选

针对商品展示图像生成中，前景条件外绘（FCO）方法常出现伪影（即合成背景中与前景实例语义相同的区域）的问题，本文提出CCE-Diffusion框架。其核心是CCE-Module，通过定制概念嵌入来弥合通用名词语义与特定视觉实例之间的差距，并引入实例感知损失和语义保持提示模板来优化。实验表明，该方法显著减少了伪影，提升了图像质量。CCE-Module作为即插即用组件，可集成到多种FCO方法中，为电商等场景提供低成本高质量背景生成方案。

论文图像生成外绘概念嵌入

推荐理由：电商和广告设计团队终于有了解决外绘伪影的实用方案——CCE-Diffusion能直接减少背景中与产品重复的语义区域，让产品更突出。做图像生成或商品展示的开发者可以试试集成这个即插即用模块。

原文

00:55

elvis@omarsar0

dair_ai 创始人宣布推出基于 AI Agent 的实操学习平台，首批上线 4 个动手实验，涵盖 Agent 技能、Agentic 图像生成、30 天 Hermes Agent 挑战和 Agent 提示工程。该平台旨在让任何人通过构建和获取高需求 AI 技能，成为顶级 AI 构建者。未来几周还将有更多内容上线。

AI产品 AI Agent 实操课程 dair_ai

推荐理由：想系统掌握 AI Agent 构建技能的开发者，现在有了直接上手的实操路径——4 个实验覆盖从基础到进阶，建议立即体验。

原文

6月9日

14:52

AI Will@FinanceYF5

精选

谷歌在 Gemini Live 中直接上线了图像生成与编辑功能，用户可在使用 Gemini 应用时实时生成或修改图片。该功能通过实时摄像头共享实现，用户能给 Gemini 看眼前场景，让它现场创建、调整或解读画面。

AI产品 Gemini 谷歌图像生成

推荐理由：谷歌给 Gemini Live 加实时生图

原文

02:22

官方账号Decoder@Jonathan Kemper

精选72°

微软研究院推出Lens，一个仅3.8B参数的文本到图像模型，在基准测试中匹配更大模型，训练成本大幅降低。其关键创新是使用GPT-4.1生成的8亿条详细图像描述，而非模糊的网页替代文本。代码和权重已开源。这表明高质量标注比模型规模更重要。

AI模型图像生成微软 Lens

推荐理由：做图像生成模型训练或研究的团队，可以借鉴Lens用详细标注替代规模扩张的思路，直接复用其开源代码和权重，能大幅降低训练成本。

原文

01:22

Ideogram@ideogram_ai

精选

Ideogram V4 模型支持通过结构化 JSON 提示和边界框控制实现精确的图像构图，用户可以在 ComfyUI 中绘制边界框来指定元素位置。该模型仅需 12 步（turbo 模式）即可生成高质量图像，并具备出色的文本渲染能力。社区开发者已创建 'Ideogram 4 Prompt Builder' 节点，方便在 ComfyUI 中使用。这一方法被评价为当前最先进的开源图像模型之一，为图像生成带来了前所未有的构图控制。

AI产品 Ideogram V4 图像生成边界框控制

推荐理由：想要精确控制 AI 图像构图的创作者终于有了实用方案——用边界框和 JSON 提示就能指定元素位置，做设计、插画或广告素材的团队可以直接在 ComfyUI 里试试 Ideogram V4。

原文

00:57

Google Gemini App@GeminiApp

精选

Google的Gemini 3.5 Flash推出了Canvas功能，可一次生成经典早期2000年代PC绘画风格。该功能让用户快速创建复古风格的画作，无需多步骤调整。目前推文展示了单次生成效果并询问用户创作意图。

AI产品 Gemini 3.5 Flash Canvas 图像生成

推荐理由：用Gemini画复古画

原文

6月7日

21:43

LovartAI@lovart_ai

Ideogram 4.0 正式发布，官方称其为“世界上最好的开源图像模型”。该模型支持权重下载、用户在自己的数据上进行微调，并可在本地硬件上运行。目前已在所有 Ideogram 套餐和 API 上可用。这一发布意味着开发者可以自由定制和部署高质量的图像生成能力，降低了图像 AI 的门槛。

AI模型开源/仓库图像生成 Ideogram 4.0

事件专题

推荐理由：开源图像模型终于有了新标杆，做图像生成、模型微调或本地部署的团队可以直接下载权重试试，不用再依赖闭源 API。

原文

08:47

AI Will@FinanceYF5

Claude Mythos 尚未正式发布，但已有用户提前体验并分享了惊人效果。该用户仅用零样本（zero-shot）和极低提示词，就生成了4个高质量的 Minecraft 风格城堡场景。他评价这是自2025年10月 Gemini A/B 模型以来见过的最佳输出。这一消息引发社区对 Claude Mythos 图像生成能力的强烈期待。

AI产品 Claude Mythos 图像生成 Minecraft

推荐理由：Mythos 的零样本生成能力让 Minecraft 风格场景的创作门槛大幅降低，做游戏资产或概念设计的创作者值得关注，可以直接期待正式发布后的效果。

原文

6月6日

07:51

官方账号NVIDIA AI@NVIDIAAI

72°

NVIDIA Research 的 PixelDiT（像素扩散 Transformer）入选 CVPR2026 最佳论文候选。传统图像生成模型依赖预训练自编码器压缩图像后再进行扩散，导致质量损失累积。PixelDiT 完全移除这一步骤，直接在像素空间进行端到端扩散学习，是一种单阶段模型。该方法避免了压缩带来的信息丢失，有望提升生成图像的保真度和细节表现。这一创新为图像生成领域提供了新的技术路径。

论文图像生成扩散模型 PixelDiT

事件专题

推荐理由：NVIDIA 的 PixelDiT 解决了传统扩散模型因预训练编码器压缩导致的质量损失问题，做图像生成的研究者和开发者值得关注——它可能改变现有生成流程的底层设计。

原文

03:46

lmarena.ai@lmarena_ai

Text-to-Image Arena 推出了排行榜详情页，用户可以根据自己的需求筛选和查看关键数据点。该排行榜旨在帮助开发者、研究人员和创作者比较不同文本到图像生成模型的表现。用户可以通过 arena.ai/leaderboard/te... 访问并自定义筛选条件。这一工具为评估和选择图像生成模型提供了更直观、更个性化的参考。

AI产品 Text-to-Image Arena 排行榜图像生成

推荐理由：做图像生成模型选型或对比的团队，终于有了一个可自定义筛选的排行榜，直接去 arena.ai 筛选你关心的数据点，比看零散评测高效得多。

原文

03:24

lmarena.ai@lmarena_ai

过去一个月，Image Arena 文本到图像排行榜前十中新增三款模型：Reve 2.0 以 1273 分位列第二，仅次于 GPT Image 2；微软的 MAI-Image-2.5 以 1253 分排第四；Ideogram 4.0 Quality 以 1204 分排第九。其中 Reve 2.0 和 MAI-Image-2.5 分别取代了自家前代版本，而 Ideogram 4.0 是前十中唯一开放权重的模型。这些新模型在图像生成质量上取得了显著提升，值得关注。

AI产品图像生成 Reve 2.0 MAI-Image-2.5

事件专题

推荐理由：图像生成领域竞争激烈，做 AI 绘画或内容创作的团队可以关注这些新晋模型，尤其是开放权重的 Ideogram 4.0 值得一试。

原文

03:04

Ideogram@ideogram_ai

76°

Ideogram 4.0 是一个 9.3B 参数的 Diffusion Transformer 模型，从零开始训练，并搭配了一个冻结的 8B 视觉语言模型作为文本编码器。该模型通过 nf4 量化检查点可在 24GB 消费级 GPU 上运行，大幅降低了硬件门槛。团队表示目标是推动更多创新和创造力。这一发布意味着高质量图像生成模型向个人开发者和小团队开放了可能性。

AI模型 Ideogram 4.0 Diffusion Transformer 图像生成

事件专题

推荐理由：Ideogram 4.0 把 9.3B 参数的大模型压缩到 24GB 显卡就能跑，做图像生成或 AI 绘画的开发者可以直接在本地尝试，不用再依赖昂贵云端算力。

原文

03:03

Ideogram@ideogram_ai

AI模型开源/仓库图像生成 Ideogram

推荐理由：开源图像生成终于有了能打的大模型——9.3B 参数逼近闭源水平，做 AI 图像应用或研究的团队可以直接拿来用，值得关注后续扩展潜力。

原文

03:02

官方账号Together AI@togethercompute

Together AI 宣布推出 Ideogram 4，一款专为设计场景打造的开源图像模型。该模型具备强大的文字渲染能力、布局控制功能，并原生支持 2K 图像生成。AI 原生用户现可通过 Together Serverless Inference 在创意生产工作流中使用 Ideogram 4。这一发布为设计师和开发者提供了更可控、高质量的开源图像生成方案。

AI产品图像生成开源/仓库设计工具

推荐理由：做设计或创意生产的团队终于有了开源的高质量图像模型——Ideogram 4 的文字渲染和布局控制解决了 AI 图像生成的常见痛点，建议设计师和 AI 开发者直接上手试试。

原文

02:37

Ideogram@ideogram_ai

Ideogram 宣布开源其模型，提供 fp8 和 nf4 两种精度的检查点。其中 nf4 版本优化后仅需单张 24GB 显存的 GPU 即可运行，大幅降低了部署门槛。相关资源已发布在 Huggingface、GitHub 和官方博客上。此举体现了 Ideogram 对开放创新的承诺，让更多开发者和研究者能够使用和定制其图像生成模型。

AI模型开源/仓库图像生成 Ideogram

推荐理由：Ideogram 把模型开源到 nf4 精度，单卡 24GB 就能跑，做图像生成的团队或个人可以直接部署试试，不用再为显存发愁。

原文

6月5日

07:18

rohanpaul_ai@rohanpaul_ai

AI 工具分散在多个平台，用户需要在 ChatGPT、Claude、Gemini、Grok 等之间频繁切换，体验割裂。OverchatAI 发布了一款多模型 AI 应用，将聊天、图像生成和视频生成整合到统一界面中，旨在解决工具碎片化问题。该应用支持主流模型，让用户无需切换标签页即可完成多种任务。对于重度 AI 用户来说，这能显著提升工作效率，减少上下文切换成本。

AI产品多模型聚合应用 OverchatAI

推荐理由：OverchatAI 解决了 AI 工具碎片化的痛点，经常在多模型间切换的创作者和开发者可以直接在一个界面里完成聊天、绘图和视频生成，省去来回跳转的麻烦。

原文

03:48

Ideogram@ideogram_ai

Ideogram CEO 在 MTS Live 访谈中表示，图像生成技术已从娱乐和营销用途跨越到企业级应用。他指出，过去一年模型质量已能满足顶级品牌对品牌一致性的要求，企业对此非常兴奋。未来重点不再是通用模型，而是为企业、用例定制专属模型，创意人员将构建自己的模型，设计的重要性将进一步提升。定制化被视为新的前沿。

行业图像生成企业级应用定制化模型

推荐理由：企业品牌团队和设计从业者值得关注——图像生成正从“好看”走向“可用”，定制化模型将改变品牌视觉工作流，建议点开了解具体落地路径。

原文

6月4日

16:44

AI Will@FinanceYF5

在 Build 大会上，某团队一次性发布了七款新模型，覆盖推理、代码生成、图像处理、语音转录和语音合成等核心能力。这些模型从零构建，采用干净的数据血统，追求极致效率，并作为一个模型家族无缝协作。此举展示了多模态 AI 模型家族化发展的新趋势，为开发者提供了更全面的工具链。

AI产品推理模型代码生成图像生成

推荐理由：多模态模型家族化是当前 AI 发展的关键方向，做全栈 AI 应用的开发者可以直接关注这七款模型如何协作，提升开发效率。

原文

10:53

小互@imxiaohu

The Decoder 的评测显示，Ideogram 4.0 在基准 prompt 上大幅超越 Midjourney v8，与 FLUX 大致持平，但不及 GPT Image 2、Nano Banana Pro 和 Luma Uni-1.1。这一结果说明 Ideogram 4.0 在图像生成质量上已跻身第一梯队，但仍有顶级模型领先。对于关注 AI 图像生成工具的创作者和开发者，这是一次重要的性能对比参考。

AI模型 Ideogram 4.0 Midjourney v8 FLUX

事件专题

推荐理由：图像生成赛道竞争白热化，Ideogram 4.0 直接对标 Midjourney v8 和 FLUX，做 AI 绘画的团队值得关注这份横向评测，看看新模型是否值得切换。

原文

03:54

lmarena.ai@lmarena_ai

精选

Reve 2.0 在 Arena 基准上相较 v1.5 总分提升125点。最大增益出现在文本渲染、卡通、动漫与奇幻、照片级真实与电影画面以及肖像等子类别。在图像编辑任务中，Reve 2.0 分别取得多图像编辑第7名和单图像编辑第9名。

AI模型 Reve 2.0 Reve v1.5 图像生成

事件专题

推荐理由：Reve 2.0 比 v1.5 提升125分

原文

01:23

Ideogram@ideogram_ai

78°

AI模型 Ideogram 4.0 开源/仓库图像生成

事件专题

推荐理由：Ideogram 4.0 开源让图像生成模型更易定制，做设计工具或内容创作的团队可以直接上手尝试，值得关注。

原文

01:19

Ideogram@ideogram_ai

Ideogram 4.0 现已通过多个合作伙伴平台开放使用，包括 Hugging Face、ComfyUI、Fal、Runware、Magnific、Krea AI、Leonardo AI、Picsart、Cloudflare、Replicate、Gamma App、Flora AI 和 Kittl Design。这一更新意味着用户可以在熟悉的工具和平台上直接使用 Ideogram 的最新图像生成模型，无需切换环境。对于依赖这些平台进行创意工作的设计师和开发者来说，这大大降低了使用门槛，提升了工作流效率。

AI产品 Ideogram 4.0 图像生成平台集成

事件专题

推荐理由：Ideogram 4.0 覆盖了主流 AI 图像平台，做设计或内容创作的团队可以直接在常用工具里体验最新模型，省去切换麻烦。

原文

01:14

Justine Moore@venturetwins

AI模型图像生成开源/仓库 Ideogram AI

推荐理由：图像生成模型终于有了开源权重版本，做 AI 艺术或需要定制化图像生成的开发者可以直接下载微调，值得一试。

原文

01:09

Justine Moore@venturetwins

72°

Ideogram 4.0 是一款新发布的开源图像模型，权重可下载，支持在自有硬件上运行和微调。该模型在文本渲染、高分辨率图像生成和设计方面表现优异，被官方称为“世界上最好的开源图像模型”。目前已在所有 Ideogram 计划和 API 上可用。用户可下载权重、用自己的数据微调，并在本地硬件上运行。

AI模型开源/仓库图像生成文本渲染

推荐理由：开源图像模型又添猛将，做设计、生成海报或需要高质量文本渲染的团队可以直接下载权重微调，值得一试。

原文

01:03

官方账号Hugging Face@huggingface

88°

AI模型图像生成开放权重 Ideogram

推荐理由：开放权重意味着你可以自由微调和部署，做图像生成应用或研究的团队可以直接下载使用，值得关注。

原文