技术方向
AI 画图的最前线：文生图模型迭代、图像编辑能力与创作工具生态的全部动态。
7 条精选近 30 天 1 条共收录 29 条
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。
Google Workspace 推出 AI 图像创作与编辑工具 Google Pics，基于 Nano Banana 模型，提供对象分割、图内文字编辑与翻译、协作和多版本生成等功能。未来几周将向 Google AI Pro 和 Ultra 订阅者以及大多数 Workspace 商业客户开放，并将集成到 Slides、Docs 和 Drive 中，用户可在 pics.new 试用。
推荐理由：原文明确了产品定位、核心功能、集成路径和开放范围，读者可以据此判断它如何融入现有工作流。
fal 团队通过量化感知蒸馏、时间步蒸馏和内核融合等技术，将 Ideogram v4 在 1K 分辨率下的单图生成时间从 2.75 秒降至 0.44 秒，实现 6 倍加速且无可见质量损失。核心方法包括将模型量化至 FP4 并融合 RMSNorm 等后处理算子、将分类器引导蒸馏为单分支前向，以及通过分布匹配蒸馏将去噪步骤大幅减少。
推荐理由：原文详细拆解了从量化、蒸馏到内核融合的完整技术路径，为追求极致推理性能的团队提供了可复现的工程方案。
fal 发布 PATINA 模型，旨在从最终渲染图像生成高分辨率、细节丰富的 PBR 材质贴图，以弥合 AI 图像与传统 CGI 工作流之间的鸿沟。该模型基于改进的 FLUX.2 [klein] 骨干，并集成了 DINOv2 适配器来增强材质理解。
推荐理由：原文介绍了从渲染图像生成 PBR 材质贴图的新模型及其技术路径，为 CGI 工作流提供了具体工具。
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。
本文是基于独立测试的 Seedream 5.0 Lite 图像生成模型提示词指南。核心发现是该模型在生成前会进行多步推理，并能处理复杂场景、文本渲染、HEX 颜色控制和多语言提示。
推荐理由：文章基于大量测试，将复杂的图像生成技巧提炼为可复用的结构化公式和具体示例。