Black Forest Labs 發佈 FLUX 3 Image Klein 開放權重模型
Black Forest Labs 發佈 FLUX 3 Image Klein,這款 5.6B 參數開放權重模型支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。
推薦理由:FLUX 3 Image Klein的內部評測涵蓋生成、編輯及多參考任務,並列出參數規模與消費級GPU運行數據,可比較其評測表現和本地部署條件。
AI 畫圖的最前線:文生圖模型迭代、圖像編輯能力與創作工具生態的全部動態。
Black Forest Labs 發佈 FLUX 3 Image Klein,這款 5.6B 參數開放權重模型支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。
推薦理由:FLUX 3 Image Klein的內部評測涵蓋生成、編輯及多參考任務,並列出參數規模與消費級GPU運行數據,可比較其評測表現和本地部署條件。
FLUX.3 Image Klein 現已支援 Diffusers,可用於文生圖、多參考圖圖生圖及邊界框版面控制。兩款開放檢查點分別是預設以 16 步生成且不使用 CFG 的蒸餾版,以及使用 50 步和 CFG 的 base 版。蒸餾版生成 1024 × 1024 圖像,在單張 NVIDIA H100 80GB 上平均耗時 1.93 s;文章亦提供 LoRA 微調腳本及量化權重載入方法。
推薦理由:文章展示了以邊界框安排生成版面及移動參考圖區域的做法,並附上 Diffusers 範例與 LoRA 微調腳本。
Google 發佈圖像生成與編輯模型 Nano Banana 2.1,取代 2026 年 2 月推出的 Nano Banana 2,並稱新版本在多方面均有改進。
推薦理由:文章並列 Nano Banana 2.1 的定價、基準測試與實際生成圖片比較,呈現其成本變化及相對 Nano Banana Pro 的畫質差異。
Meta 發佈 Muse Image,並預覽 Muse Video;兩者均為 Meta Superintelligence Labs 開發的媒體生成模型。Muse Image 可調用網絡搜尋和編碼工具、自我修訂,並支援精準編輯與多參考圖像構圖;Meta 稱增加推理時計算可提升生成質素。
推薦理由:文中比較 Muse Image 的推理時計算策略,指出把資源投入刻意推理比 Best-of-N 更能持續提升圖像品質,工具調用亦可補足單靠推理的不足。
OpenAI 於 2026 年 9 月 8 日發佈圖像生成及編輯模型 ChatGPT Images 2.5,生成等待時間較 Images 2.0 最多縮短 50%。
推薦理由:相較 Images 2.0,生成等待時間最多縮短 50%,並加入直接評論與 Sketch 等操作;API 兩款模型亦呈現速度和編輯精度的取捨。
Diffusers 現已原生支援 Nunchaku Lite 的 4-bit 擴散模型推理,預量化檢查點可用 `from_pretrained()` 載入,無須獨立推理引擎或本機編譯 CUDA。
推薦理由:文章説明 Nunchaku Lite 在 Diffusers 的原生載入方式,並以 RTX PRO 6000 基準量化呈現延遲與顯存變化。
Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。
推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。
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 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。
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。
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 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。
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。
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。
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。