NVIDIA 发布 PixelUMM：无编码器统一多模态模型
NVIDIA 发布 PixelUMM，一个无编码器的统一多模态模型，支持文本、图像和视频的联合理解与生成，直接在像素空间处理，参数量 151.99 亿，基于 Qwen3-8B 语言骨干，仅限非商业研究或评估使用。
推荐理由：原文给出了模型架构、参数量和开放入口，读者可以据此判断它在像素空间统一理解与生成的实现路径。
#图像生成
NVIDIA 新模型精选AI 评分6161
千问 Qwen 新模型精选AI 评分5555 千问发布 Qwen-Image-2.1-PE-T2I 模型
千问发布 Qwen-Image-2.1-PE-T2I，一个统一的文生图与图像编辑模型，参数量7B，支持透明图生成、多参考图编辑和局部修改，同时提供提示词重写模型。模型在 HuggingFace 和 ModelScope 开源，支持通过 Transformers 和 Diffusers 集成，输出包含详细英文提示和推荐宽高比的 JSON 结构。
推荐理由：原文提供了模型架构、能力改进和开源入口，读者可据此判断其在生成效率与透明图支持上的实际应用价值。
百度文心 新模型精选AI 评分6565 百度发布ERNIE-Image文本生成图像模型
百度发布ERNIE-Image文本生成图像模型，基于单流扩散Transformer架构，参数量8B，支持Prompt增强器，具备强视觉质量与可控性，适用于海报、漫画、多面板布局等场景。
推荐理由：原文提供了模型架构、参数规模、基准表现和部署方式，读者可以据此判断其在开放模型中的竞争力和实际可用性。
百度文心 新模型精选AI 评分5757 百度发布ERNIE-Image-Turbo文生图模型
百度发布ERNIE-Image-Turbo文生图模型，为ERNIE-Image的蒸馏版本，仅需8步推理即可生成高保真图像，支持复杂指令跟随、文本渲染和结构化生成，适用于海报、漫画等场景。
推荐理由：原文提供了模型架构、推理步数、部署要求和基准数据，读者可据此判断其在效率与质量间的权衡点。
已经到底了