Manus 推出 1.6,帶來 Max Agent、移動應用程式開發和 Design View
Manus 推出 Manus 1.6,帶來旗艦 Agent Manus 1.6 Max、移動應用程式開發,以及用於圖像創建和編輯的 Design View。官方稱 Max 在雙盲測試中的用户滿意度提高 19.2% 以上,並提升複雜多步驟任務的成功率;廣泛研究的所有子 Agent 現在均基於 Max 架構運行。
Manus 推出 Manus 1.6,帶來旗艦 Agent Manus 1.6 Max、移動應用程式開發,以及用於圖像創建和編輯的 Design View。官方稱 Max 在雙盲測試中的用户滿意度提高 19.2% 以上,並提升複雜多步驟任務的成功率;廣泛研究的所有子 Agent 現在均基於 Max 架構運行。
Sequoia Capital 宣佈與生成媒體平台 fal 合作,並領投其 D 輪融資。fal 為企業及開發者提供 400+ 款開放及封閉權重模型的隨選服務,並在新模型發佈當日提供支援。平台亦提供高速推理、開發者 API、進階 Playground UI,以及模型微調、風格和協作等企業功能。
Manus 將 Google 的 Nano Banana Pro 整合至 Manus Slides,讓用户可用提示詞生成完整簡報。每張幻燈片以獨立高解析度圖像生成,並可渲染清晰易讀的文字;此功能向所有 Manus 用户開放。內容以圖像形式嵌入,需要完全可編輯的文字簡報時,Manus 建議使用標準 HTML 幻燈片工具。
Gemini API 宣佈 gemini-2.5-flash-image-preview 模型將於 2026 年 1 月 15 日停止服務。
OpenAI 與 NORAD 合作,為「NORAD Tracks Santa」帶來三款 ChatGPT 節日工具,讓家庭創作節日精靈、玩具填色頁及自訂聖誕故事。
Gamma 的 Studio mode 現由 Nano Banana Pro HD 驅動,並採用全新的提示詞處理機制。更新提升文字呈現效果、主題配合度、整體視覺效果及跨項目一致性,並讓用戶選擇偏好的藝術風格;Studio mode 適用於 Pro 及以上方案。
Together AI 將 Black Forest Labs 的 FLUX.2 加入 Together Model Library,讓 1M+ Together AI 開發者可使用其多參考圖像生成。
Google 於 2025年11月20日發佈以 Gemini 3 Pro 為基礎的圖像生成模型 Nano Banana Pro,作為 Nano Banana 的上位版本,面向更複雜、高品質的圖像創作。
推薦理由:文章對照 Nano Banana 與 Nano Banana Pro 的定位,並整理多項 Google 產品的推出安排及浮水印規則,呈現新模型的能力範圍與使用條件。
Google DeepMind 發佈 Nano Banana Pro(Gemini 3 Pro Image),並以付費預覽方式向開發者開放。模型具備更準確的文字渲染和圖像本地化能力,支援 2K 和 4k 解析度;啟用 Google Search grounding 時,亦可連接即時網頁內容。
推薦理由:文章把 Nano Banana Pro 的文字渲染、本地化能力與接入方式,連同相較 Gemini 2.5 Flash Image 的成本和延遲取捨一併交代。
Google DeepMind 發佈 Nano Banana Pro(Gemini 3 Pro Image),一款基於 Gemini 3 Pro 的圖像生成與編輯模型。
推薦理由:相較原版 Nano Banana 主打快速、有趣的編輯,Pro 面向複雜構圖,並提供多語圖中文字、最多 5 人形象一致性和 2K、4K 輸出,呈現兩者的能力定位差異。
Figma 宣佈將 Google 的 Nano Banana Pro 逐步開放予付費方案用戶,供旗下所有支援圖像生成的產品使用。作者以 Figma Buzz、Figma Design 和 Figma Slides 的案例展示模型如何保留配色、構圖等品牌視覺特徵並延伸既有圖像。文中亦指出,用戶可修改圖像中的文字和專色,而不扭曲原圖。
Google 發佈 Gemini 3 Pro Image Preview,並稱其為 Nano Banana 模型的下一個迭代版本。詳情可參閲圖像生成頁面。
SGLang 團隊推出 SGLang Diffusion,支援多款開源圖像及影片生成模型,並稱不同工作負載的推理速度提升 1.2x - 5.9x。系統支援 Wan、Hunyuan、Qwen-Image、Qwen-Image-Edit 及 Flux,並提供 OpenAI-compatible API、CLI 和 Python engine API。
Gemini API 更新將 Gemini 2.5 Flash Image 的圖片輸入 token 數由 1290 降至 258,降低圖片編輯成本。
Gemini 2.5 Flash Image 於 2025 年 10 月 2 日推出 GA。更新列出其圖像生成功能,可使用 Gemini 生成圖像。
Hugging Face 介紹如何在 ZeroGPU Spaces 使用 PyTorch AoT 編譯,將模型預先編譯後在不同程序中載入,以減少即時編譯造成的冷啟動開銷。
推薦理由:文章拆解 ZeroGPU Spaces 的 PyTorch AoT 編譯流程,並展示量化、動態形狀與區域編譯等可遷移的優化做法。
Gemini API 推出 Gemini 2.5 Image Preview,並稱其為最新的原生圖像生成模型。
Google 正式將 Imagen 4 Ultra、Imagen 4 Standard 和 Imagen 4 Fast 模型開放一般使用(GA)。詳情可參閲 Imagen 頁面。
OpenAI Developers 示範如何使用 4o 模型生成圖像。
OpenAI 示範如何在 Image API 和 Responses 圖像生成工具中設定 input_fidelity="high",以保留輸入圖片的關鍵細節。指南提供人像、標誌、局部物件編輯及多圖合成示例,並説明多圖輸入時首張圖片可保留更豐富的紋理細節。該設定會比預設值消耗更多 image input tokens。
Google 發佈 Imagen 4 Ultra 和 Standard Preview 模型。更新日誌指向圖片生成頁面供讀者瞭解詳情;原文:https://ai.google.dev/gemini-api/docs/changelog?hl=en#06-24-2025
Hugging Face Diffusers 文章比較五種量化後端在 FLUX.1-dev 上的記憶體佔用與推理時間。BF16 載入後約佔 31.447 GB,bitsandbytes 4-bit 為 12.584 GB、推理需 12 秒;torchao int4_weight_only 為 10.635 GB,但推理需 109 秒。
Runway 透過 Runway API 開放 Gen-4 Image(包括 References),讓任何人可將其多模態生成能力整合至應用程式、產品、平台及網站。API 每張生成圖像收費 $0.08。文中列出虛擬試穿、遊戲素材、室內設計及自訂創作工具等示例,並提供 runway.com/API 入門。
ChatGPT 的圖像生成功能可根據提示詞、草圖或上載圖片,協助製作符合品牌形象的視覺內容和產品示意圖。
Figma 在 Config 2025 宣佈推出四款新產品及多項功能更新,擴展其設計與產品開發平台。Figma Make 可把文字描述或既有設計轉成原型或應用程式,Figma Sites 用於建立及發布動態網站;Figma Draw 加強向量編輯,Figma Buzz 面向品牌及市場營銷團隊製作視覺素材。
Figma 推出 Figma Buzz 開放測試,讓設計與市場團隊在同一平台協作製作品牌素材。設計師可鎖定範本部分內容,讓市場團隊在品牌規範內編輯;亦可使用 OpenAI 的 gpt-image-1 和 Gemini 建立圖像。團隊可把文字和圖像欄位連結至試算表批量製作素材,並匯出為 PNG、JPEG 或 PDF。
Gemini API 發佈 gemini-2.0-flash-preview-image-generation 預覽模型,用於生成及編輯圖像。更新日誌附有 Image generation 和 Gemini 2.0 Flash Preview Image Generation 相關説明。
OpenAI 宣佈其最新圖像生成模型 gpt-image-1 現已可透過 API 使用。開發者與企業可將可自訂的專業級視覺內容直接整合至自有工具與平台。
推薦理由:材料交代 gpt-image-1 已可透過 API 使用,並指出開發者與企業可將可自訂的專業級視覺內容直接整合到自有工具與平台。
OpenAI 在 GPT‑4o 中推出原生圖像生成,並提升文字渲染與指令遵循能力。原文亦提及 ChatGPT Images 2.5。
推薦理由:原生圖像生成之外,文字渲染與指令遵循是明確列出的改進點,讀者可據此掌握 GPT‑4o 圖像功能此次更新的着力處。
Gemini API 於 2025 年 3 月 12 日推出支援圖片生成與編輯的實驗版 Gemini 2.0 Flash,並發佈 gemma-3-27b-it。gemma-3-27b-it 可在 AI Studio 及 Gemini API 使用,是 Gemma 3 發佈的一部分。API 同時新增以 YouTube URL 作為媒體來源的支援,並支援小於20MB的內嵌影片。
Gemini API 已推出 Imagen 3 的 GA 版本 imagen-3.0-generate-002。Google Gen AI SDK for Java 亦已開放公開預覽。
Figma 回顧 2024 年推出 180 項更新,並指出社羣用戶的工作方式與創作持續塑造產品體驗。UI3 面板改為可調整大小的停靠式設計,並加入水平捲動;AI 功能包括視覺搜尋及能理解語境的資產搜尋。Config 有 10,000 名參加者,全球 Friends of Figma 羣組超過 220 個。
Runway 介紹圖像生成模型 Frames(現稱 Gen-4 Images),模型著重風格一致性、視覺保真度,並可按指定美學生成不同變化。Runway 正逐步在 Gen-3 Alpha 和 Runway API 開放使用,文中並列出多組不同視覺風格示例。
OpenAI 簡化、穩定並擴展連續時間一致性模型,令其樣本品質可媲美領先擴散模型。採樣僅需兩個步驟。
Stable Diffusion 3.5 Large(8B)及其 timestep 蒸餾版(8B)已在 Hugging Face Hub 提供,並可透過 Diffusers 進行推理與訓練。
推薦理由:文章把 Diffusers 中的量化推理與 LoRA 微調落到具體步驟,並提供在 24GB VRAM 消費級 GPU 上微調 SD3.5 Large 的參考路徑。
Hugging Face 示範如何在 Diffusers 中使用 Quanto 量化 Transformer-based diffusion pipeline,以降低推理時的 GPU 記憶體佔用。
推薦理由:文章提供在 Diffusers 中以 Quanto 量化擴散 Transformer 與文字編碼器的操作步驟,並用記憶體和延遲數據呈現精度設定的取捨。
CNET 實測多款 AI 圖像生成器,內文選 Google Nano Banana Pro 為整體最佳,推薦清單則列 Nano Banana 2 為首選。評測以 10 分制考量提示詞符合度、創意和回應速度,亦檢視各服務的私隱及使用政策。
CNET 實測多款主流 AI 圖像生成器,將 Google 的 Nano Banana 系列列為整體首選,並按不同用途比較 Canva、Adobe Firefly、Stable Diffusion、Midjourney 和 ChatGPT Images 2.5。評測考量提示詞符合度、創意和回應速度,亦檢視各服務的私隱及使用政策。
Figma 在 Config 2024 公佈 Figma AI、UI3、Figma Slides 及 Dev Mode 等多項產品更新。Figma AI 加入 Visual Search、以提示詞生成 UI 版面等功能,測試期至 2024 年底期間向所有用戶免費開放,但可能設使用限制。
Figma 推出 Figma AI,提供視覺搜尋、AI 資產搜尋、文案與圖像生成、背景移除、原型製作及圖層自動命名等設計功能。這些功能以限量測試版逐步推出,測試期間免費至 2024 年底。生成式功能採用第三方現成模型,未以私人 Figma 檔案或客戶資料訓練;管理員可控制團隊內容是否用於 AI 訓練,相關設定於 2024 年 8 月 15 日生效。