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AI 评分4949 Qwen-Image-2.1-PE-I2I：统一文本到图像生成与编辑模型发布
千问（Qwen）开源了 Qwen-Image-2.1-PE-I2I，一个支持文本到图像生成与图像编辑的统一模型，其视觉生成组件参数量为 7B，包含 32 层 Single-Stream DiT。该模型支持透明图像生成、多参考图像编辑、局部修改及人物与产品身份保留，且提供图像编辑提示词重写功能。摘要中包含的每个具体数字、功能名和版本号均可在原文中找到对应。
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。
蚂蚁百灵 新模型AI 评分3838 inclusionAI/Ming-Image-0.1-Design 模型发布：支持透明背景的 6B 文本到图像设计模型
inclusionAI 推出 Ming-Image-0.1-Design，一个 6B 参数的文本到图像模型，专为 UI、信息图和海报等文本密集型视觉设计任务设计，支持 RGBA 输出与透明背景生成。
NVIDIA 新模型AI 评分2424 NVIDIA 推出 RT-DETR-Hand-Detector-v1 手部检测模型
NVIDIA 发布了 RT-DETR-Hand-Detector-v1 手部检测模型，用于从 RGB 图像中直接检测和定位双手。该模型基于 RT-DETRv2-S 架构，包含 HGNetv2-S 主干网络、高效混合编码器和 TransformerDecoder 头，参数量约为 20M，支持 Linux 系统和 NVIDIA Lovelace 架构。
千问 Qwen 新模型AI 评分5050 千问 Qwen-Image-2.1 模型发布
千问发布 Qwen-Image-2.1，一个统一文本生成图像与图像编辑的模型，参数量为7B，支持透明图生成、多参考图编辑、局部修改和精细纹理，已在 Hugging Face 和 ModelScope 开源，提供完整代码示例和推理优化方案。
蚂蚁 inclusionAI 新仓库AI 评分5555 LLaDA-Image：基于全开源训练方案的高质量图像生成与编辑模型
LLaDA-Image 是一个6B参数的开源统一图像生成与编辑模型家族，包含50步的Base模型和4步的Turbo蒸馏模型，支持文本生成、VQ条件生成、参考图像编辑及中英文文本渲染。模型在Qwen-Image-Bench上取得53.53（英文）和53.38（中文）的SOTA分数，提供Hugging Face和ModelScope的检查点及Diffusers推理代码，训练代码即将发布。
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。