OpenAI 发布 Images 2.6，带来更快生成、GIF 创建与更精细编辑
OpenAI 发布 Images 2.6，带来更快的图像生成、GIF 创建、更精细的编辑以及新的 API 控制，覆盖 ChatGPT、Codex 和 API。
推荐理由：原文列出速度、GIF、编辑精度和 API 控制四项变化，读者可据此判断它对现有图像工作流的影响。
技术方向
图像生成 最新动态
AI 画图与修图：文生图模型更新、图像编辑能力与创作工具。
21 条精选近 30 天 3 条共收录 99 条
更新
图像生成的精选
OpenAI News精选AI 评分6262
The Decoder精选AI 评分7676 Black Forest Labs 开源图像模型 FLUX 3 Image Klein，8 GB 显存即可运行
Black Forest Labs 发布 56 亿参数的开源权重图像模型 FLUX 3 Image Klein，支持文生图、图像编辑和最多十张参考图生成，具备原生 4K 输出、像素级精确编辑和边界框定位元素。
推荐理由：原文给出了参数量、显存门槛和许可条款，读者可以据此判断它能否在本地工作流中替代闭源图像模型。
Hugging Face Blog精选AI 评分7676 Hugging Face 官方介绍 FLUX.3 Image Klein 在 Diffusers 中的用法与架构
Black Forest Labs 的 FLUX.3 Image Klein 已可在 Diffusers 中使用，一个模型同时支持文生图、多参考图生图和 bounding box 布局控制。
推荐理由：原文拆解了架构与显存速度数据，读者可据此判断能否在现有硬件上跑起来。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）图像模型与 Gemini Omni Flash（gemini-omni-flash-preview）视频生成与对话式编辑模型。
推荐理由：原文给出了两款模型的定位分工与串联用法，读者可据此判断如何组合图像与视频生成搭建工作流。
Google Research精选AI 评分6262 Google Photos 上线 Auto frame 视角重合成功能
Google Research 宣布该方法已作为 Auto frame 功能的一部分在 Google Photos 上线，可用生成式 AI 在拍照后自动改变相机视角重新构图。
推荐理由：原文拆解了3D估计与生成补全两阶段流程，读者可理解视角重合成如何在保留原内容的同时补出隐藏区域。
Hugging Face Blog精选AI 评分6262 Hugging Face 推出 Modular Diffusers：可组合的扩散流水线构建块
Hugging Face 官方博客介绍 Modular Diffusers，它用可复用的块（如文本编码、图像编码、去噪、解码）组合构建扩散流水线，作为现有 DiffusionPipeline 的灵活替代，API 保持一致。
推荐理由：原文给出可复用块的组合方式与自定义块写法，读者可据此判断如何改造现有扩散工作流。
Hugging Face Blog精选AI 评分6262 Photoroom PRX Part 3：24 小时、32 张 H200 训练文生图模型的完整配方
Photoroom 在 PRX 系列第三篇中把此前验证有效的扩散模型技巧组合起来，用 32 张 H200、约 $1500 总算力预算完成 24 小时文生图模型训练，并开源代码到 https://github.com/Photoroom/PRX 。
推荐理由：原文把像素空间训练、token 路由、感知损失等技巧的组合方式和超参写全，可直接复现其 24 小时训练配方。
Hugging Face Blog精选AI 评分6868 Photoroom 发布 PRX 文生图模型训练设计消融实验报告
Photoroom 在 Hugging Face Blog 发布 PRX 文生图模型训练系列第二篇，以 PRX-1.2B 在 256×256 Flux VAE 潜空间的 Flow Matching 基线（100k 步、1M MidJourneyV6 合成数据、AdamW lr 1e-4）为参照，系统消融四类训练技巧并报告 FID、CMMD、DINO-MMD 与吞吐变化。
推荐理由：以统一基线系统消融十余种训练技巧，给出各方法在质量与吞吐上的真实取舍，可直接迁移到自己的训练配置。
OpenAI News精选AI 评分6262 OpenAI 推出 ChatGPT Images 与 GPT-Image-1.5
OpenAI 于 2025 年推出更快的 ChatGPT Images 体验，并在 API 中提供 GPT-Image-1.5，同时介绍最新的 ChatGPT Images 2.5。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），一款基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 通过 Gemini API 开启付费预览。
推荐理由：原文列出了分辨率、输入数量和文字渲染等具体能力边界，便于开发者判断是否迁移。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro，主打更强推理与世界知识带来的精准图像生成与编辑。
推荐理由：原文列明了能力变化与各产品线的开放范围，读者可据此判断它会怎样接入现有工作流。
Hugging Face Blog精选AI 评分6565 Hugging Face 教你在消费级显卡上用 QLoRA 微调 FLUX.1-dev
Hugging Face 官方博客给出用 diffusers 库以 QLoRA 微调 FLUX.1-dev 的完整教程，在 RTX 4090 上峰值显存约 9GB，700 步训练约 41 分钟，而同配置 BF16 LoRA 需 26GB、无优化全量微调估计约 120GB。
推荐理由：给出了完整的显存数据和可复现命令，读者可据此评估自己硬件能否跑通并直接照做。
OpenAI News精选AI 评分6767 OpenAI 在 GPT-4o 中推出原生图像生成功能
OpenAI 在 GPT-4o 中推出原生图像生成功能，包括更强的文字渲染和指令遵循能力，可进一步了解 ChatGPT Images 2.5。
Hugging Face Blog精选AI 评分6262 Diffusers 支持 Stable Diffusion 3.5 Large：8B 模型与少步推理版本上线
Stable Diffusion 3.5 已上线 Hugging Face Hub 并可用 Diffusers 调用，提供 8B 参数版和 timestep-distilled 少步推理版两个 checkpoint。
推荐理由：文章给出了量化推理和 LoRA 训练的具体配置，读者可直接迁移到自己的消费级显卡上跑 SD3.5 Large。
Hugging Face Blog精选AI 评分7272 Hugging Face Diffusers 集成 Stable Diffusion 3 Medium
Stability AI 的 Stable Diffusion 3 Medium（2B 参数）现已在 Hugging Face Hub 上线并支持 🧨 Diffusers，同时提供 SD3 Dreambooth 和 LoRA 训练脚本。
推荐理由：原文给出显存与速度的实测对照表，读者可据此选择适合自己硬件的运行方案。
Hugging Face Blog精选AI 评分7474 Hugging Face 发布 LCM LoRA，让 SDXL 4 步完成图像生成
Hugging Face 官方博客宣布推出 Latent Consistency LoRAs（LCM LoRA），通过只训练少量 LoRA 适配器而非完整蒸馏模型，让 Stable Diffusion 和 SDXL 以 4 步完成推理，替代原本的 25 到 50 步。
推荐理由：给出了各硬件的实测耗时对比，读者可据此判断自己设备上能否跑近实时生成。
Hugging Face Blog精选AI 评分6161 Hugging Face 与 Apple 推出 Stable Diffusion XL 的 Core ML 版本与混合位调色板压缩
Hugging Face 与 Apple 合作将 Stable Diffusion XL 移植到 Core ML，发布了 apple/coreml-stable-diffusion-xl-base 完整流水线和 apple/coreml-stable-diffusion-mixed-bit-palettization 版本。
推荐理由：原文给出混合位调色板压缩的逐层比特分配方法与实测体积数据，读者可迁移到自己的 Core ML 模型压缩上。
Hugging Face Blog精选AI 评分7171 Hugging Face Diffusers 集成 ControlNet 并发布 StableDiffusionControlNetPipeline
Hugging Face 在 Diffusers 中集成 ControlNet，发布 StableDiffusionControlNetPipeline，支持用深度图、分割图、涂鸦、关键点等空间条件控制 Stable Diffusion 生成，论文提出的 8 种条件模型全部支持。
推荐理由：原文给出完整可复现的代码与性能数字，读者可直接照搬这套省显存的 ControlNet 推理配置。
Hugging Face Blog精选AI 评分6565 Hugging Face 介绍如何用 LoRA 高效微调 Stable Diffusion
Hugging Face 官方博客介绍如何在 diffusers 中用 LoRA 微调 Stable Diffusion，训练可在 11 GB 显存的 2080 Ti 上完成，训练出的权重仅约 3 MB，比 UNet 原始体积小约一千倍。
推荐理由：原文给出可直接复用的训练脚本与推理代码，并说明 LoRA 相比全量微调在显存和权重体积上的具体收益。
OpenAI News精选AI 评分6262 DALL·E 开启 beta 测试
OpenAI 宣布 DALL·E 现已进入 beta 阶段，将在未来几周内从等候名单邀请 100 万人使用。用户可用每月自动补充的免费额度进行创作，也可以 15 美元购买 115 次生成的额外额度。
推荐理由：原文给出了开放节奏和定价细节，读者可据此判断其可用性与使用成本。