Google DeepMind 推出 Nano Banana 2 Lite,並向開發者開放 Gemini Omni Flash
Google DeepMind 推出 Nano Banana 2 Lite,並首次向開發者開放 Gemini Omni Flash。
推薦理由:兩款模型分別面向高速批量圖像生成與影片生成、對話式編輯,文中列出成本、延遲及 API 限制,可供評估多媒體工作流的取捨。
Google DeepMind 推出 Nano Banana 2 Lite,並首次向開發者開放 Gemini Omni Flash。
推薦理由:兩款模型分別面向高速批量圖像生成與影片生成、對話式編輯,文中列出成本、延遲及 API 限制,可供評估多媒體工作流的取捨。
CNET 攝影記者認為,即使手機相機拍攝效果出色,仍無法完全取代相機。手機握持不如相機自然,感光元件和鏡頭較小,拍攝時亦需依賴軟件處理;生成式 AI 可能重構影像細節,令作者難以確定照片有多少內容來自實際拍攝。
Figma 宣佈把 Weave 工具引入 Figma Design,並在 Figma Community 開放發佈及探索 Weave 工作流程。Figma Design 左側面板現可直接使用 20+ 項 AI 圖像任務;Weave tools 在 open beta 期間免費,正式推出後將消耗 Figma AI credits。
Dropbox Replay 產品設計師 Sara Clayton 使用 Figma Weave,在兩分鐘內為理想客戶檔案(ICP)增添立體感。她以頭像和單一提示詞,生成媒體製作人置身真實工作環境的圖像,並上載參考圖像調整服裝。她分享的範本可將重複使用的人物檔案轉化為更真實的場景。
Google Gemini API 發佈 gemini-3.1-flash-image(Nano Banana 2)及 gemini-3-pro-image(Nano Banana Pro)的 GA 版本,作為原生視覺模型。
Runway 推出 Runway MCP 伺服器,讓用戶可在現有智能體及編碼工具中生成圖像與影片,無須切換工作環境。用戶可提供產品網址、參考圖或文字提示詞,並使用 Gen-4.5、Seedance 2.0、GPT Image 2、Kling 3.0、Nano Banana Pro 等模型。
Figma 第 16 期聚焦 AI 工作流程與工具,涵蓋產品團隊如何判斷值得推出的功能,以及設計與程式碼之間的協作。內容介紹 Figma MCP server 如何把設計決策帶入編寫程式碼的工具,並分享 Figma Weave 的視覺工作流程和 Figma Make 的使用技巧。Gemini Enterprise 團隊亦分享設計智能體工具的做法。
GPT Image 2 現為 Amp 的 painter 工具提供支援,圖像編輯能力勝過 Gemini 3 Pro Image,價格約為後者的四分之一。編輯 UI 截圖時,它尤其擅長保留原有文字、排版及視覺風格;示例中,它將 Chronicle 頁面截圖改成更新後的設計,同時保留原有風格。
Gamma 在 5 月 15 日更新中加入最多 6 欄版面、匯入內容重混及多項簡報編輯功能。自訂字體會嵌入 PowerPoint 匯出檔,並可按主題建議風格,生成風格一致的插圖、照片或抽象圖像。用戶亦可在對話中與智能體構思、生成和編輯圖片,智能體可查看整個畫布;編輯器的主題面板亦支援深色模式。
hatch-pet 是一項為 Codex 應用程式製作自訂動態寵物的技能,可從概念或參考圖片生成角色,再打包成應用程式可讀取的檔案。流程以圖像生成製作角色和動畫行,再由腳本抽取影格、合成及驗證 1536×1872px、8列×9行的圖集,並輸出 pet.json 和 spritesheet.webp。
Manus 在 Manus Slides 上線 GPT Image 2,將 OpenAI 的圖像生成模型接入演示文稿工作流程。Manus 稱模型可提供 4K 照片級真實感解像度、近乎完美的文字渲染及進階空間推理,並支援局部編輯幻燈片文字和視覺元素。該功能向所有用户開放,可在生成設定中選擇 GPT Image 2。
Google Photos 的 Auto frame 現已提供照片視角重構功能,會自動調整相機視點並補全原照片未拍到的畫面區域。方法先估算 3D 點圖與相機參數,再以生成式潛在擴散模型補全重新渲染後的空缺。這項功能會處理符合條件且包含人物的照片,重構版本列為 Auto frame 候選中的第二個版本。
推薦理由:文章説明它如何把照片視為 3D 場景,重設相機位置並補出鏡頭外內容,呈現傳統裁切和縮放無法做到的視角修正。
OpenAI 於 2026 年 4 月 21 日發佈圖像生成模型,ChatGPT 版本名為「ChatGPT Images 2.0」,開發者 API 版本名為「GPT Image 2」。
推薦理由:內容同時列出非拉丁文字及複雜版面的提升,並交代物理世界一致性與精確圖表仍是限制,呈現其能力範圍。
OpenAI 於 2026 年推出 ChatGPT Images 2.0,改進文字渲染,並提供多語言支援與視覺推理。頁面另提示讀者查看 Images 2.5 的新內容。
推薦理由:更新聚焦文字渲染、多語言支援和視覺推理,從三個具體面向呈現 ChatGPT Images 2.0 的更新重點。
ChatGPT 可讓使用者透過清晰提示詞創作及完善圖像,並在數分鐘內生成高質素視覺作品。使用者亦可反覆調整設計,逐步優化圖像。
Figma Weave 以 Epoch 的虛構品牌素材示範五個創作工作流程,從參考圖建立風格,延伸至圖像變體、扭曲效果、3D 模型及影片合成。Figma Community 已推出 20+ 個工作流程範本;Figma 正籌備於今年稍後深化 Figma Weave 與 Figma 的整合。
Manus 的指南提出品牌攝影 AI 圖像提示詞的四層結構,依次描述主體與服裝、場景、相機與膠片類型,以及光線。指南提供廣角、三分之四、側面輪廓、特寫、背面角度和雙人鏡頭的可複製範例,示範中多次使用 Kodak Portra 400。它建議在各提示詞中固定模特描述、相機、膠片和光線設定,以維持系列圖片的一致性。
FireRedTeam 發佈 FireRed-Image-Edit-1.1,基於 FireRed-Image-Edit-1.0,優化人像一致性、多元素融合、風格化文字參照及人像妝效。內置 Agent 可自動處理超過 3 張輸入圖片的區域偵測、裁切拼接及提示詞改寫。項目提供的加速推理配置標示使用 30GB VRAM,生成約 4.5s/sample。
Descript 更新色彩調整工具,並把圖片及影片生成整合至同一面板。更新亦改善 Underlord 專案連結、翻譯影片的唇形同步及 Regenerate 音訊自然度,並支援直接匯出 Scenes。上載至 Drive Media Library 的音訊或影片會自動轉錄,逐字稿會與媒體庫檔案一同儲存。
Hugging Face 推出 Modular Diffusers,讓使用者以可重用區塊組合擴散模型流程,作為現有 DiffusionPipeline 的更靈活、可組合替代方案。
推薦理由:文章以現成流程、自訂區塊及 Hub 分享示例,展示如何把擴散工作流拆成可檢視、替換並重新組合的元件。
Descript 更新加入 Drive view 媒體庫,並在 Underlord 提供 Claude Sonnet 4.6 和 Google Gemini 3.1 Pro。用戶可在媒體庫以資料夾整理素材,並於多個專案重用;從媒體庫加入專案時,轉錄會使用 media minutes。更新亦新增 Nano Banana 2 圖像生成選項,並改善版面套用行為及介面配色對比。
Google 於 2026 年 2 月 26 日發佈 Nano Banana 2(Gemini 3.1 Flash Image),結合 Nano Banana Pro 的部分能力與 Gemini 3.1 Flash 的速度。
推薦理由:Nano Banana 2 結合 Nano Banana Pro 的部分能力與 Gemini 3.1 Flash 的速度,並列出角色、物件一致性及畫面比例等具體生成控制項。
Google DeepMind 發佈圖像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),以 Flash 速度帶來 Nano Banana Pro 的世界知識、品質與推理能力。
推薦理由:Nano Banana 2 將 Nano Banana Pro 的世界知識、視覺品質與創作控制帶到 Flash 速度,並交代其在 Google 產品中的推出範圍及 Nano Banana Pro 的保留使用方式,説明兩款模型面向的工作流程差異。
Google 發佈 Nano Banana 2(Gemini 3.1 Flash Image Preview),這是一款以速度及高用量場景為優化方向的高效率模型。Gemini 3 Pro Preview(gemini-3-pro-preview)將於 2026 年 3 月 9 日停止服務。
Google 於 2026年2月19日推出 Gemini 3.1 Pro 預覽版,強化推理能力,並大幅提升從文字提示詞直接生成 SVG 動畫的質素。在 ARC-AGI-2 基準上,Gemini 3.1 Pro 得分 77.1%,高於 Gemini 3 Pro(33.1)、Claude Opus 4.6(68.8)及 GPT-5.2(52.9)。
推薦理由:文章列出 Gemini 3.1 Pro 在 ARC-AGI-2 的 77.1% 評分,並對照 Gemini 3 Pro、Claude Opus 4.6 和 GPT-5.2 的成績,呈現各模型在該基準上的差異。
美團 LongCat 推出 LongCat-Image-Edit-Turbo,這是 LongCat-Image-Edit 的蒸餾版本,僅需 8 NFEs 進行圖像編輯,並提供極低推理延遲。涉及文字生成的文生圖或圖像編輯任務中,提示詞的目標文字須以單引號或雙引號括起;模型會對引號內文字採用專用字符級編碼,未加引號會嚴重影響文字渲染能力。
作者以四組相同提示詞測試 ChatGPT(GPT-4o)、Midjourney、Nano Banana Pro、Adobe Firefly 和 Manus,比較五款 AI 圖像生成器的表現。
Ollama 現已在 macOS 支援實驗性圖像生成,Windows 和 Linux 支援即將推出。
SGLang-Diffusion 團隊回顧項目發佈兩個月的進展,稱目前版本較初版最高提速 2.5x,並列出多款已支援模型及 LoRA、硬件支援。在 NVIDIA GPU 上,SGLang-Diffusion 的速度較其他方案最高快 5x,並已整合 ComfyUI 自訂節點。
Amp 現可透過 painter 工具生成及編輯圖片,可用於設計靈感、調整介面稿和製作視覺素材。用戶需明確要求 Amp 使用 painter 工具;該工具底層採用 Gemini 3 Pro Image(又稱 Nano Banana Pro)。
Alibaba 於 2025年12月23日發佈圖像生成與編輯 AI Qwen-Image-Edit-2511,作為 Qwen-Image-Edit-2509 的大幅升級版本,改善編輯與合成的一致性。
Alibaba 於 2025年12月19日發佈 Qwen-Image-Layered,可將輸入圖片拆分成多個 RGBA 圖層,並讓每層獨立操作和編輯。用戶可用自然語言提示詞指定 3–10 層、各層元素和編輯方式,也可在圖層內再次分層。
Manus 推出 Design View,這項 Manus Agent 擴展功能把視覺資產的生成、局部修改及文字編輯整合到同一設計工作流程。用户可在手機應用程式中按住圖像選取區域,以語音或文字輸入修改指令,亦可一次提交多個區域的編輯。Manus 表示,Design View 即日起向所有用户開放,設計模式由 Google 的 Nano Banana Pro 提供支援。
Manus 現已向所有用户開放編輯以 Nano Banana Pro 建立的幻燈片,無須重新生成整張幻燈片即可作定向修改。用户可編輯文字、點選視覺元素作局部更改,亦可選取多個區域批量編輯;文字渲染會配合原有設計。
OpenAI 於 2025-12-16 發佈圖像生成模型及 API gpt-image-1.5,並在 ChatGPT 推出圖像生成與編輯專頁 ChatGPT Images。
推薦理由:文章同時整理圖像生成與編輯的提示詞要點,從指定構圖、區分修改與保留元素,到分步迭代,提供可直接參照的實作方法。
美團 LongCat 發佈 LongCat-Image,這是一款 6B 參數、支援中英文的開源圖像生成基礎模型。項目稱,LongCat-Image 在多項基準上超越多個規模大數倍的開源模型,並列出中文字渲染、寫實效果及部署效率等特點。在涉及文字生成的文生圖及圖像編輯任務中,提示詞的目標文字必須置於引號內,否則專用字元級編碼策略不會觸發,文字渲染能力會嚴重受損。
美團 LongCat 推出 LongCat-Image-Edit,這是 LongCat-Image 的圖像編輯版本,支援中英文編輯。模型在開源圖像編輯模型中達到 SOTA,並提升推理效率;支援全域、局部、文字及參考圖引導編輯,並可在多輪編輯中保留未編輯區域的一致性。
美團 LongCat 釋出 LongCat-Image-Dev,作為 LongCat-Image 的開發版本及中期訓練檢查點,供社羣進行下游開發。項目亦附有 SFT、LoRA 微調、DPO/GRPO/MPO 對齊及專項 Edit 訓練程式碼,並提供由預訓練資料整理至獎勵模型整合的可重現流程。
OpenAI 推出更快的 ChatGPT Images 體驗,並在 API 中提供 GPT-Image-1.5。材料亦提及 ChatGPT Images 2.5,但未提供更多細節。
推薦理由:更新同時涵蓋 ChatGPT Images 體驗提速與 GPT-Image-1.5 在 API 提供,呈現這次發佈涉及的兩部分變化。
OpenAI Developers 的 gpt-image-1.5 提示詞指南介紹圖像生成與編輯工作流,並提供涵蓋多種任務的實例。指南建議按場景、主體、細節和限制組織提示詞,明確標示要修改及保留的內容,再以小幅迭代降低畫面偏移。