★ 4
ChatGPT Images 2.5上线：更快更细的改图能力
OpenAI 上线 ChatGPT Images 2.5，主打生成速度更快、细节表现更好，图像编辑能力更接近专业修图。该版本强化了局部修改与一致性保持，意味着生成式图像工具正从“一次性出图”转向可迭代的编辑工作流。对设计、营销与内容创作场景影响直接。
量子位52 天前
#图像生成
共 40 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 4
ChatGPT Sketch 将涂鸦转为精细 AI 图像
OpenAI 发布 ChatGPT Images 2.5，并推出 Sketch 功能，用户可在聊天框内绘制草图并指示 AI 生成图像。该功能通过输入 @Sketch 激活，测试中成功将简单涂鸦转化为逼真照片，并支持对图像局部添加评论。
The Verge AI54 天前
★ 4
ChatGPT Images 2.5 发布引发热议
OpenAI 发布 ChatGPT Images 2.5，在 Hacker News 上引发广泛讨论，热度高达 247 分。该版本可能带来图像生成能力的显著提升，但具体细节尚未完全披露。
Hacker News54 天前
★ 4
ChatGPT图像2.0与Qwen 3.6 Max发布
ChatGPT的Images 2.0模型在文本生成方面表现出色，阿里巴巴发布了Qwen 3.6 Max预览版，SpaceX与Cursor展开合作。这些进展展示了多模态和开源模型的快速发展。
Last Week in AI185 天前
★ 3
Canva 发布设计专用视觉语言模型 Brush
Canva 推出首个面向设计的视觉语言模型 Brush，模拟人类分步设计流程，而非一次性生成整张图。Brush 支持局部精准编辑、避免改动扩散，输出结果可完全编辑，官方称比上一代设计智能体快 69%、单次编辑成本低 46%。此前一周 Canva 刚发布图像生成模型 Craft。
快公司2 天前
★ 3
TEM-XL：Transformer 能量模型实现 ImageNet 256 生成 FID 3.82
论文提出 Transformer 能量模型 TEM，在潜空间中构建可扩展的 transformer 能量函数，并多层能量求和以融合局部纹理与全局语义约束。配合正表示对齐 PRA 与改进采样策略，TEM-XL 在无分类器引导下于类条件 ImageNet 256×256 取得 FID-50K 3.82…
arXiv cs.LG7 天前
★ 3
国产5B生图模型海外爆火，4天下载超百万
一款国产5B参数规模的图像生成模型在海外迅速走红，上线4天累计下载量突破百万。该模型以较小参数规模实现生图能力，引发海外开发者社区关注，也显示国产开源生图模型在海外市场的竞争力。
量子位9 天前
★ 3
Canva 发布首款 AI 图像模型 Canva Craft，先规划再生成
Canva 推出自研图像生成模型 Canva Craft，采用两阶段架构，先生成设计方案再出图，以提升精度与一致性。该模型支持最高 2K 分辨率和 30 多种画幅比例，已在全球上线，并在 Design Arena 榜单排名第四，仅次于 OpenAI 的 GPT-Image-2.5 系列。
The Verge AI10 天前
★ 3
Canva 发布首个自研图像生成模型
Canva 推出其首款自研图像生成模型，向所有用户开放。官方称新模型在质量、可定制性上更强，成本更低。这标志着设计工具平台正式切入自研生成模型赛道，与 Midjourney、Adobe Firefly 等形成直接竞争。
Hacker News – AI10 天前
★ 3
清华提出 DiffusionRVGE：用回归值梯度估计加速扩散模型强化学习
清华大学团队提出 DiffusionRVGE，通过将中心化奖励回归到中心化去噪图像来构造更新方向，无需奖励导数或沿采样轨迹的反向传播。在 SD3.5-Medium 上联合训练五种奖励，八项指标中七项追平或超过 DiffusionNFT，训练算力约为其五分之一。单奖励训练下达到同等奖励阈值快 2.1…
arXiv cs.AI13 天前
★ 3
研究称 OpenAI 与谷歌新模型易被诱导生成裸照
研究人员指出，OpenAI 和谷歌正在推进的新一代 AI 模型存在安全漏洞，可被用户通过提示词诱导生成裸体图像。该发现引发对主流厂商内容安全防护有效性的质疑，也凸显生成式图像模型在滥用防护上的持续挑战。
Hacker News – AI17 天前
★ 3
Krea 3 图像模型发布，速度达 Nano Banana Pro 四倍
Krea 发布新一代前沿图像模型 Krea 3，官方称其生成速度比 Nano Banana Pro 快 4 倍。该模型定位为前沿图像生成工具，主打速度与画质平衡，已在 Hacker News 引发讨论。
Hacker News17 天前
★ 3
arXiv 论文：为扩散模型引入校正训练步骤
针对扩散模型迭代采样中的误差累积与曝光偏差，论文提出一个校正器（corrector），以基础模型预测为输入、对同一真值目标训练，在每步去噪中迭代精修干净样本预测。方法在 DiT、SiT、JiT 上显著改善无引导与无条件生成的 FID，性能可与 CFG 竞争，并可通过蒸馏回基础模型摊薄推理开销。
arXiv cs.AI19 天前
★ 3
★ 3
OpenAI 推出图像生成结果旁的视觉广告
OpenAI 上线视觉广告，会在图像生成结果旁展示，目前仅限美国地区。这是 OpenAI 在广告变现上的进一步尝试，可能影响用户体验与生成式产品的商业化路径。
TechCrunch AI27 天前
★ 3
几何感知时间重参数化改进流映射蒸馏
论文研究改变教师模型时间参数化是否能让流映射蒸馏的有限时间转移更易学习，提出几何感知时间重参数化，将更多学生时间分配给法向加速度大的轨迹段。在合成数据、CIFAR-10 与 CelebA-64 上，匹配推理预算下样本质量优于恒等时间蒸馏。
arXiv cs.LG28 天前
★ 3
UniEvo-VL：多模态模型自蒸馏自进化训练法
论文提出 UniEvo-VL，让单一多模态模型同时充当教师与学生，利用自批评作为特权信息，在测试时计算中自我改进。基于开源 Qwen-image-2512，GenEval 从 0.747 提升至 0.808，GenEval2 Soft-TIFA 从 32.97 升至 35.53。研究显示更强的外部…
arXiv cs.AI32 天前
★ 3
商汤发布U1 Pro，图像生成难辨真假
商汤科技正式发布U1 Pro模型，作者表示难以分辨其生成的图像是AI制作，更没想到是国产AI出品。该发布展示了国产图像生成模型在真实感和质量上的显著提升。
量子位40 天前
★ 3
腾讯混元发布混元图像3.5预览版
腾讯混元发布混元图像3.5预览版，支持文生图、图生图及多轮对话创作。腾讯云API 2K图像定价0.15元/张，国际版0.024美元/张，仅对输出图片收费，元宝已全量适配。此举加剧国内图像生成模型的价格竞争。
36氪41 天前
★ 3
Qwen-Image-2.1 紧凑高效统一图像生成
阿里通义千问团队发布 Qwen-Image-2.1 图像生成模型，主打紧凑架构、高效推理与统一的多任务图像创作能力。该版本在 Hacker News 上获得 193 分热度与 75 条评论，显示开发者社区对开源图像生成模型的持续关注。
Hacker News42 天前
★ 3
★ 2
开发者用 Commodore 64 实现 AI 图像生成
Hackaday 上一个项目展示在 Commodore 64 老式电脑上实现 AI 图像生成，属于复古硬件与 AI 结合的实验。项目偏趣味与极客探索，展示极端受限算力下的可行性。
Hacker News – AI7 小时前
★ 2
AI Effect Studio 推出一两张照片生成 AI 视频特效功能
AI Effect Studio 上线新功能，用户只需提供一到两张照片即可生成 AI 视频特效，无需编写提示词，降低了视频特效制作门槛。
Hacker News – AI11 天前
★ 2
AI 图像生成实用指南：从扩散模型到智能体
一篇技术笔记系统梳理 AI 图像生成的技术路径，从扩散模型原理延伸到智能体驱动的生成工作流。文章面向实践者，介绍工具选型与提示工程等落地方法。
Hacker News – AI12 天前
★ 2
原型正则化 PR 优化扩散模型潜空间类别几何，ImageNet gFID 降至 2.28
论文研究无分类器引导（CFG）下潜空间中类别条件的排布方式，提出原型正则化（PR）作为噪声后验目标的轻量替代，对空间池化后的潜变量施加余弦原型分类器。在受控训练预算下把 LDM 在 ImageNet 上的引导 gFID 从 3.31 降到 2.28，优于 DINOv3 对齐的 VA-VAE（2.4…
arXiv cs.LG14 天前
★ 2
arXiv 论文：FlowBudget 免训练采样预算估计
论文提出 FLOWBUDGET，一种免训练的流匹配模型采样复杂度估计器，通过插值探针估计单步离散误差系数并映射到步数预算。该方法无需在多个预算下生成样本或做 FID-NFE 扫描即可确定 NFE 预算。
arXiv cs.LG17 天前
★ 2
为何 LLM 生成的鹈鹕都长这样？
一篇博客文章探讨大语言模型在生成图像提示词时，为何鹈鹕等动物形象总是呈现特定、重复的怪异风格。文章认为这反映了模型训练数据与生成偏好中的系统性偏差，引发 Hacker News 上关于 AI 生成内容同质化的讨论。
Hacker News – LLM18 天前
★ 2
Diffu-LoRA：面向个性化扩散模型的门控低秩适配
论文提出 Diffu-LoRA，通过门控低秩适配学习各层适配容量分配，在 Transformer 线性层插入可训练低秩组件并赋予可学习门控。采用双层优化与渐进剪枝满足秩预算，在 Stable Diffusion 与 DreamBooth 数据集上提升主体保真度与提示对齐。
arXiv NLP24 天前
★ 2
Pollo AI 用 OpenAI 模型生成营销图像与视频
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 等 OpenAI 模型，帮助创作者将创意转化为精细图像和电影级视频广告。该产品定位为营销创意生成工具，展示了多模型组合在广告制作场景的落地。
OpenAI24 天前
★ 2
DDT-RFE：去除扩散编码器残差连接
论文指出解耦扩散 Transformer（DDT）编码器中的跳跃/残差连接让浅层特征绕过变换，限制了渐进抽象能力。作者提出 DDT-RFE，移除每个编码器块中自注意力与 MLP 周围的残差连接，同时融合输入块嵌入与中间、最终编码器特征以保留细节。该方法在图像分类、语义分割、目标发现等视觉理解任务上…
arXiv cs.LG26 天前
2026-W42ChatGPT本周两条主线：青少年版安全争议以5篇报道成为最大声量事件，同时广告业务向东南亚扩张。前者说明用户规模下沉后，未成年保护正从产品问题升级为舆论与合规压力；后者则显示商业化在成熟市场之外寻找增量。甲骨文接入ChatGPT与Codex，表明企业分发渠道继续拓宽。