图像生成

OpenAI 于 2026 年 11 月 4 日面向全部 ChatGPT 套餐（含免费用户）及开发者 API 推出 ChatGPT Images 2.6（底层为 GPT-Image-2.6 系列模型）。主要更新包括：一是原生动态 GIF 生成，用户可通过文字提示或上传照片、手绘草图直接生成循环动图，并在生成后调整 0.5x 至 2x 播放速度、查看图层或单独修改某一帧；二是跨对话参考形象保存，用户可将人物、角色或宠物保存为命名参考图，在后续对话中直接调用以保持角色一致性，无需重复上传；三是整体生成速度较上一代提升约 50%。开发者 API 端拆分为两款模型：gpt-image-2.6-flare 侧重低延迟，最快约 6 秒返回图像草稿；gpt-image-2.6-sunburst 侧重画面细节与多轮编辑一致性。API 同时新增 complexity（低/中/高）版式规划复杂度参数、画面圈选局部修改（Markup-Guided Edits）以及 SVG 矢量格式导出。

主流对话式生图工具首次原生打通动态 GIF 逐帧调节、跨会话角色形象复用与 API 端 SVG 矢量输出，并以极速与高精双模型分流草稿与定稿场景。

查看原始来源 ↗

Recraft 于 2026 年 11 月 2 日发布专属品牌标志生成工具 Recraft Logo Maker（入口 recraft.ai/logo）。不同于在空白对话框中反复编写提示词，该工具采用引导式问答流程：用户依次填写品牌名称、业务描述、标志形态偏好与视觉气质，并从设计师整理的风格库中选择或上传参考图，系统随即调用底层矢量与图像模型同时生成 4 个不同方向的标志方案。在定稿前，用户可不消耗额外积分，即时预览标志在名片、产品包装、服饰及门店招牌等真实物料上的样机效果，最终导出路径干净的可缩放 SVG 矢量文件；若需更细粒度的节点与排版控制，也可转入 Recraft Studio 画布继续编辑。

将标志设计从开放式提示词试错转为结构化品牌信息输入与设计师预设风格组合，并直接串联实物样机预览与可编辑 SVG 矢量导出。

查看原始来源 ↗

ComfyUI 于 10 月 27 日发布 v0.43.0。新版本集成 Comfy-Aimdo 动态显存 KV 缓存机制并清理模型预取逻辑，改善高显存模型切换时的内存占用；将此前在主干分支测试的 Kling 4.0、FLUX 3 Max、Fibo 2.0、MOSS-Image Edit，以及 Ideogram Vector 矢量生成、Meshy T2.5、PixVerse V6-Max、Bria 等合作模型节点纳入可锁定的正式版本标签；同时新增支持工作流图条件分支的 Branch 节点。

近期发布的矢量、图像与视频模型以可锁定的正式版本进入节点工作流，加上动态显存管理与分支逻辑节点，搭建多模型生成流程更稳定。

查看原始来源 ↗

Apple 于 10 月 27 日发布 Creator Studio 更新。Final Cut Pro 新增文字生成图像，可在项目内根据文字描述生成图像、快速编辑并调整风格；内置 MotionVFX 插件，可一键选用色彩分级与 3D 摄像机追踪；并与 Pixelmator Pro 支持往返编辑，时间线中的图像可直接送入 Pixelmator Pro 修改后返回项目。Pixelmator Pro 新增 Generate Fill，按文字描述编辑图像，自动匹配周围纹理、透视与光线，同时升级 Super Resolution 超分辨率。Motion 同样内置 MotionVFX 插件，并新增 Displacement 滤镜。此外，转录新增 23 种语言，Logic Pro、Keynote、Pages、Numbers 加入 AI 助手（Beta）。此次更新整合了 Apple 2026 年 3 月收购的 MotionVFX 的技术。

主流专业剪辑软件把文字生图和 AI 图像编辑做进了原生剪辑与后期流程，生成、修图、调色和追踪可以在同一套工具链里完成。

查看原始来源 ↗

Ideogram 于 10 月 22 日发布其首个矢量模型 Ideogram Vector，API 模型 ID 为 ideogram-vector-1（媒体多称 Vector 1.0）。模型有两条路径：文生矢量用文字描述生成 SVG，可附参考图；图转矢量把 JPEG、PNG、WEBP 图像直接转成 SVG，分简单和细节两种模式。官方称输出带平滑渐变和清晰文字排版，可在矢量编辑器中单独选中、修改形状和整体换色。模型已在 Ideogram 应用和 API 上线。API 按每个 SVG 计价：文生矢量低、中、高三档为 0.13、0.16、0.20 美元，高档带参考图为 0.32 美元；图转矢量 0.10 美元/张。API 文档注明图转矢量的图层分组功能尚不可用，也没有对已生成 SVG 做局部修改的端点；目前没有独立测评。

主流 AI 生图工具输出的多是位图，Ideogram Vector 直接给出可在矢量编辑器中单独修改形状和换色的 SVG，适合标志、图标、贴纸和印刷周边。

查看原始来源 ↗

Canva 于 10 月 22 日发布图像生成模型 Craft，官方称这是内部实验室 Canva Research 从零构建和训练的首个基础模型。Craft 分两阶段：规划模型先写出构图方案，包括元素、空间关系、比例、视觉层级和画面中的文字，渲染模型再按方案出图，最高 2K 分辨率、30 多种长宽比，画面文字支持 55 种语言。训练数据侧重 Canva 内容库中数百万份人工制作的模板，如海报、社交媒体图、演示文稿和信息图；生成结果可用 Magic Layers 转成可编辑图层。Craft 即日起向全球所有 Canva 用户开放，入口在 Dream Lab，同时开放公共 API；Canva MCP 接入以及低成本版本 Craft-fast、Craft-ultrafast 尚未上线。Canva 称 Craft 发布时在 DesignArena 图像榜排第四，榜单显示前三均为 OpenAI 模型；据 TechCrunch 报道，Canva 此前使用过多种外部图像模型，被收购的 Leonardo.ai 的研究人员也参与了开发。

设计平台用自有的设计模板训练图像底座，并把构图和文字排版单独作为生成的第一步，生成结果可以接着用 Magic Layers 拆成图层继续编辑。

查看原始来源 ↗

Krea 于 2026 年 10 月 15 日发布图像编辑模型 Krea 3，当天在 krea.ai 上线，并通过 fal、Hedra、Together AI、Nous Research、OpenRouter 和 Replicate 提供。模型原生输出 2K，官方称多数编辑端到端在 8 秒内完成；按 Krea 平台 9 月 24 日至 10 月 1 日的统计，Nano Banana Pro 和 GPT Image 2 的编辑中位耗时分别为 33 秒和 90 秒。定价为每张 2K 图 0.06 美元、每张 1K 图 0.03 美元，每次编辑最多 6 张参考图，Krea 称编辑时能保持产品标签、logo 和人物外貌不变。API 发布当天仅对 beta 工作区开放，10 月 19 日对所有工作区开放，10 月 20 日 Krea 3 结束 beta；只改指定区域的边界框编辑于 10 月 23 日加入 API。按更新日志，LoRA 和风格参考暂不支持 Krea 3。Krea 汇总的第三方榜单显示，Krea 3 Ultra 在 Artificial Analysis 图像编辑榜排第 5、在 Arena 多图编辑榜暂列第 4（投票数较少，标为初步结果）。

Krea 3 主打快速、低价的局部编辑，适合产品图换场景、多版本改稿这类需要反复出图又要保住主体不变的工作。

查看原始来源 ↗

Black Forest Labs（BFL）于 10 月 15 日发布 FLUX 3 Image Klein，是 10 月 2 日推出的 FLUX 3 Image 的开放权重版本。生成器为 5.6B 参数（不含文本编码器），支持文生图、图像编辑和最多 10 张参考图，BFL 称它与完整版共享原生 4K 生成、精确编辑和用边界框排布元素等核心能力。权重分基础模型（用于微调）和步数蒸馏模型（用于快速生成）两个检查点，另有 FP8、INT8、NVFP4 量化版，INT8 版可在 8GB 显存起的 GeForce RTX 显卡上运行；ComfyUI 和 Diffusers 首日支持。许可为 FLUX Kommunity License，年营收低于 500 万美元的个人和企业可免费商用，更大的机构需购买自托管许可或使用 API；API 起价为每张 1K 分辨率图 0.009 美元。BFL 称在内部评测中 Klein 领先参评的更大开放模型，目前没有独立测评。

FLUX 3 Image 的生成、编辑和多参考图能力有了可在 8GB 显存显卡上本地运行的版本，并能直接在 ComfyUI 中使用。

查看原始来源 ↗

Midjourney 于 2026 年 10 月 8 日在官方更新日志宣布，在 Alpha 网站（alpha.midjourney.com）测试图像生成的「Thinking Mode」：在作品的 lightbox 界面右下角点击「Rerun (Thinking)」，即可让模型以思考模式重新生成该作品。官方表示内部测试中该模式提升了提示词准确度、文字排版和画面连贯性，并征集用户反馈其在哪些情况下有效或无效；未来可能作为常规的「思考」生成选项，或作为生成后「追加思考」的方式更广泛开放。

测试时计算的「先思考再生成」思路从语言模型延伸到主流图像生成工具，直接针对复杂提示词和画面文字的常见失误。

查看原始来源 ↗

Black Forest Labs（BFL）于 10 月 2 日发布 FLUX 3 Image，是其多模态模型 FLUX 3 的图像部分。用法是先选画幅（画布按 0–1000 的坐标网格计），为画面里每个重要元素拖一个边界框并描述框内内容，再用一句话概括整个场景，模型按框生成；BFL 称之后的多轮编辑不会改动其他像素。模型支持文生图、图生图和文字渲染，最多可接 10 张参考图，输出分辨率从 768 到 4K，生成前还可以先做网页与图片搜索。据 The Decoder 报道，API 到 10 月 8 日半价，企业可以授权商用权重，在自己的设施上运行和微调，开放权重版本预计在未来几周推出。

按区域排布、只改指定部分，适合版式、海报这类需要精确控制元素位置的设计工作。

查看原始来源 ↗

ComfyUI 于 9 月 29 日发布 v0.38.0。开源模型方面，原生支持 Ming Image 0.1 Design（6B 参数文生图模型，面向文字密集的设计版式，可输出带透明通道的图像）、MiniMax-H3 Fun ControlNet Union 2.0（一次生成组合多个控制条件）、基于 Wan 2.1 与 VACE 的身份保持视频转视频 ID-V2V，以及 Qwen-Image 2.1 的 ControlNet 与用于快速预览的轻量 VAE。节点方面，色彩空间转换新增 LogC3 与 ACEScct 两种 HDR 色彩空间。合作节点方面，Seedance 2.5 新增草稿模式，先渲染 480p 快速预览，再用其任务 ID 驱动 1080p 正片渲染；Seedream 节点加入更快、成本更低的 Seedream 5.0 Flash，Pro 版最高分辨率提升到 4.62MP；OpenAI 对话节点加入 GPT-6 Sol 与 Luna；随着 Sora API 停服，Sora 视频节点已移除。

文字排版类开源生图模型和「先草稿、后正片」的视频渲染同时进入节点工作流，版式设计和视频预演都多了低成本的试错方式。

查看原始来源 ↗

Adobe 于 9 月 29 日配合 OpenAI 开发者日，更新 ChatGPT 中的 Adobe 插件，加入在侧边面板打开的交互式编辑器。图片与设计编辑器由 Photoshop 和 Adobe Express 驱动：用户可以选中对象或用画笔涂抹一块区域，让 ChatGPT 调用插件做针对性修改，再用色相、饱和度、对比度等滑块微调；编辑器按修改类型显示控件，例如要求改某个物体的颜色时，只对选区显示颜色控件。编辑器里的调整会作为上下文回到对话，不必重新上传或重新说明。PDF 可以在侧边面板里用 Acrobat 工具直接改文字、加高亮，选中的段落也能用来引导后续对话。OpenAI 当天发布的插件扩展同样允许插件在对话旁打开面板，并在侧栏和文件编辑器中呈现自己的界面。更新从当天起在 ChatGPT 网页版和 App 全球逐步推出。

局部修改可以先用一句话交给 AI，再用滑块手动收尾，不必重新生成整张图。

查看原始来源 ↗

Recraft 于 9 月 23 日发布 V4.1 Flash。官方博客称它是目前最快的图像模型，从提示词到出图的中位生成时间为 1.3 秒（在更大的提示词集上测得），并给出了与其他图像模型在同一组提示词下的对比。同日 ComfyUI v0.37.2 接入该模型，作为 Recraft V4 文生图节点上更快、成本更低的选项。

出图速度接近实时，设计流程里的试错方式会跟着变：原型迭代、概念发散这类高频、低精度的环节受益最明显。

查看原始来源 ↗

Midjourney 在 alpha.midjourney.com 推出 9/23 这一轮更新（官方日志 9 月 24 日发布）：① Style Previews——风格侧栏打开「Live previews」后，滚动浏览时用当前提示词实时渲染各风格的预览，点选即按该风格发送提示词（官方称在界面里试用快速模型）；② Default Parameters——在设置里把常用参数设为默认值；③ Create Feed 视觉改版——改为全宽瀑布流，悬停时显示提示词与按钮；④ 韩语界面此前已在 alpha 上线，现向 midjourney.com 所有用户开放。

风格探索从「选好再等结果」变成边浏览边看效果，默认参数则省去每次重复输入，两项都针对高频出图时的操作摩擦。

查看原始来源 ↗

ComfyUI 于 9 月 23 日发布 v0.37.2，更新集中在合作节点：Recraft V4.1 Flash 接入 Recraft V4 文生图节点，作为更快、成本更低的选项；Claude 节点加入 Claude Opus 5.5；Quiver Arrow 2 模型新增推理强度（reasoning effort）控制。新节点方面增加了 Generate Text。

合作节点跟进新模型的速度很快，工作流里可以直接按速度、成本和能力在同一套节点间切换模型。

查看原始来源 ↗

ComfyUI 于 9 月 21 日发布 v0.37.0，原生支持阿里 Qwen 团队 9 月 20 日发布的 Qwen-Image 2.1：同一模型完成文生图与编辑，可输出带透明通道的图像，官方提供文生图、图像编辑和背景移除三个模板；该模型采用 Qwen Research License，仅限非商业用途。同版本加入微软 MoGe 3 单图几何估计（ViT-L、ViT-g 两个检查点，可输出深度图与法线），并在检测到足够快的磁盘时自动启用快速加载。9 月 22 日的 v0.37.1 新增腾讯 HY Image 3.5 Preview 文生图与编辑合作节点：编辑节点可接 1–5 张参考图，原生最高 2K（选 4K 时由模型放大），在腾讯服务器上通过 API 运行。

透明图输出和背景移除进入节点工作流，抠图、叠加可以在同一条流程里完成；用 Qwen-Image 2.1 做商业项目前需要先确认许可。

查看原始来源 ↗

阿里巴巴于2026年9月20日开源 Qwen-Image-2.1，一个7B参数的统一图像生成与编辑模型。核心能力包括原生 RGBA 透明通道支持，可直接产出带透明度的 PNG 设计素材；最多10张参考图像同时输入，提升主题与风格一致性；发布首日同步支持 ComfyUI 节点、Diffusers 和 vLLM 推理框架；统一架构覆盖文生图、图像编辑、图像理解三类任务。模型权重、代码与数据全部开源，支持商用。

开源7B图像生成模型首次原生支持 RGBA 透明通道，使排版、品牌素材与 UI 元素生成可直接输出可合成的 PNG；10图参考的一致性控制为 IP 和角色设计课题提供工程层面的精确控制手段，高校服务器可直接部署。

查看原始来源 ↗

Feyn 于 2026 年 9 月 12 日发布 MultiMatte，通过文字描述同时生成多个精准蒙版层；支持复杂场景下对人物、服装、发丝、背景等多对象分层抠图；输出与 Photoshop / After Effects 兼容的 alpha 通道分层文件，主打免后期精修的一键精细分层体验。

文字驱动的多层蒙版生成将复杂场景的分层抠图从手动操作简化为文字描述，直接改善图像合成和后期制作工作流的效率。

查看原始来源 ↗

OpenAI 于 9 月 8 日发布 ChatGPT Images 2.5，向所有档位的 ChatGPT、ChatGPT Work 和 Codex 用户开放。官方称生成延迟较 Images 2.0 最多降低 50%，更好地保留参考照片中的主体，多轮编辑时更可靠。新增 Sketch：在对话中输入「@Sketch」直接绘图，把草图作为生成参考；模板面向传单、产品照片等常见格式；可以在图上评论做针对性修改，分享图像时可附上所用的提示词。API 同步推出 GPT-Image-2.5 Flare（大多数应用的默认选择）和 Sunburst（多次编辑中控制更精细、生成时间更长），两者价格相同：图像输入每百万 token 8 美元、输出 30 美元。OpenAI 弃用页把它们列为 gpt-image-1、gpt-image-1-mini、gpt-image-1.5 等旧模型的替代；gpt-image-2 不在弃用列表中。

草图可以直接作为生成参考，想法不必先转成文字描述；Flare 与 Sunburst 分别对应批量出图和精修两类用途。

查看原始来源 ↗

inclusionAI 发布 LLaDA-Image：6B 参数开源统一图像生成与编辑模型，分 Base（50步高质量）和 Turbo（4步快速，Twin-DMD 蒸馏）双档，支持文生图、参考图风格迁移、精准编辑以及中英文文字排版渲染。

开源且支持中文文字渲染的 6B 图像模型；Turbo 模式（4步出图）意味着本地运行演示可行，中文海报/信息图生成对设计专业有直接可用性；有本地私有化部署需求的科研课题可优先评估。

查看原始来源 ↗

Adobe于9月3日推出Slack原生集成，用户可在Slack对话界面和工作流中直接调用Adobe Firefly的文生图、图生图和重新着色功能，生成具备商业授权的视觉资产，无需切换至Adobe Creative Cloud应用。生成内容自动携带Firefly商业授权标注，并与Adobe Creative Cloud生态打通，支持直接导入后续处理。该集成面向在Slack中进行日常协作的设计和营销团队。

AI生图能力嵌入即时通讯协作工具，改变了”设计需求→设计师处理→交付”的传统工作动线，团队成员在讨论语境中即可生成可用素材。

查看原始来源 ↗

Google 于 2026 年 9 月 1 日正式将 Pics 集成进 Google Workspace，以 Gemini 模型为底层提供文生图、背景替换、对象移除、风格迁移等图像创建与编辑功能；支持在 Google Docs、Slides、Drive 内直接操作，无需离开 Workspace 生态；面向 Business 及以上套餐用户推送。

Google 将 AI 图像编辑直接嵌入办公套件，是 Workspace 正式进入 AI 辅助设计工具版图的具体信号。

查看原始来源 ↗

Recraft发布V4 Styles图像生成功能：用户上传1至10张具有统一视觉风格的参考图像，系统从中提取色彩、线条、质感、光影等风格特征，并将提取的风格应用于新的文字提示词生成，确保输出图像与参考风格高度一致。V4 Styles支持创建自定义风格库，实现品牌视觉的批量一致性生产。相较于传统IP-Adapter等方法，V4 Styles将风格提取能力整合进产品界面，降低了品牌设计师应用风格一致性生成的操作门槛。

风格一致性生成是AI图像工具走向品牌设计工作流的关键能力，Recraft V4 Styles将多参考图风格提取从技术研究推向产品实用，对品牌内容团队有直接应用价值。

查看原始来源 ↗

Google于2026-08-17关闭全部Imagen 4系列API（imagen-4.0-generate-001 / ultra / fast），全线切换至Gemini 3.x图像族（Nano Banana）；API调用方式从专用接口改为通用Gemini content-generation接口（modality=image）；调用Imagen端点的Figma插件/Zapier/Make/n8n及大量小SaaS工具无声停摆；受影响用户须主动迁移端点+重写SDK调用逻辑。

使用Figma插件/Make/Zapier生成图像的教师和

查看原始来源 ↗

ComfyUI v0.33.1（8月13日）引入MiniMax Music 3原生支持（文生音乐+歌词驱动，最长5分钟），Anima Tunes视频音效增强，CUDA图原生加速（与动态VRAM协同），以及Bria GenFill/Eraser/Expand/Upscale四套合作伙伴节点；MiniMax H3 Context IR和Regenerate节点同步更新。

工作营中ComfyUI本地工作流是主干工具

查看原始来源 ↗

xAI于8月7日正式发布Grok Imagine Image 2.0，以设计工作流为核心：最多5张参考图联合输入（一步合成免手动拼接）、区域Magic Wand精准编辑（只修目标区域）、前/背景精确分离+透明背景PNG导出；同时优化密排文字、版式、图标、游戏资产等密集布局渲染；发布日在两项主流图像Arena中排名全球第二（文生图+图像编辑双榜）。

Image 2.0将”多图参考合成→区域精修→透明资产输出”打通成一体流程，直接对应设计师最高频的AI生图诉求

查看原始来源 ↗

阿里在 Qwen-Image-3.0（7月21日发布）基础上推出 Pro 版本，重点强化 10px 文字渲染精度（毛孔/发丝/微表情细节），注入更丰富的世界知识（地标/品牌/符号可信度），Qwen 团队自评全球排名第五。已上线阿里云灵积 API 平台与 OpenRouter，无公开权重/基准测试报告。

Qwen-Image 系列已是设计流程中排名靠前的可用图像模型

查看原始来源 ↗

OpenAI 宣布 8月30日关闭 ChatGPT 内的官方 DALL-E GPT，所有图像生成入口统一迁往「ChatGPT Images」（基于 gpt-image-1 和 gpt-image-1-mini）。DALL-E 2/3 API 快照已于5月12日停用，此次是 DALL-E 产品线整合收尾。用户自建的含图像功能 GPT 不受影响；现有 DALL-E GPT 内的图片需在8/30前自行下载保存。

用 ChatGPT 做 AI 生图的设计师和艺术家需注意：8/30起使用路径改变，但能力不降（gpt-image-1 优于 DALL-E 3）

查看原始来源 ↗

谷歌地球嵌入Nano Banana 2模型，允许用户用文字指令修改真实地理影像（支持2K/4K输出+精准文字渲染），但因用户生成逼真”灾难场景”并在社媒传播，上线不到24小时紧急下架。

AI图像生成合规与内容安全最具冲击力的近期案例——”功能无懈可击却因场景管控失守”。

查看原始来源 ↗

v0.29.0（7/29）原生集成JoyImageEdit图像指令编辑、MageFlow 4B生成/编辑（MIT）、Uni3C ControlNet（Wan系列视频精准控制：姿态/深度/边缘/轨迹）、Anima lite控制模型、Gemma4 12B；视频流式转码不再整帧缓冲RAM，大幅提速。v0.29.2（7/31）追加MiniMax H3与Ideogram P-Image Partner Nodes，API接入当日可用。

更新ComfyUI即可获得三大能力（图像指令编辑、Wan视频姿态控制、H3视频API接入），是AI影像工作营工具包本学期的重要参考更新。

查看原始来源 ↗

AIERA 发布四大主流 AI 图像模型 8 轮迭代临摹达芬奇《蒙娜丽莎》的完整对比实验。每轮迭代以前一轮输出作为参考图输入，记录各模型在多轮反馈后的收敛行为；实验发现所有模型均在 3–5 轮后出现不同程度的”过度修正”现象——对用户指出的局部问题进行过激修正，同时丢失已正确还原的其他区域细节；Midjourney 在色彩还原上表现最稳定，GPT-4o Image 在五官结构精度上领先；文章附有每一轮的输出图像对比与结构相似度（SSIM）量化数据。

多轮迭代中的过度修正现象揭示了当前 AI 图像生成模型在”局部修正+全局一致性保持”上的系统性缺陷，对工作流设计有直接操作指导价值。

查看原始来源 ↗

Midjourney 于 7 月 24 日将 V8.2 升格为默认版本，结束此前的预览期；与 V8.1 相比，V8.2 在美学表现（尤其人像与光影处理）和个性化一致性（sref 风格板精准度与个性化图片池扩大）方面有显著提升；并新增 Big Batch Draft Mode，支持 --sref random 实现约 24 倍更快的风格空间探索，延续 V8.x 系列与 V7 的不同审美路线。

Midjourney V8.2 成为默认版本，默认生成效果随之更新，sref 风格板一致性提升对「建立专属风格语言」训练有直接价值。

查看原始来源 ↗

Midjourney 宣布全盘收购 Gen Z 天文 App Co-Star（月活超千万），全部 24 名员工随迁，创始人 Banu Guler 出任 Midjourney 设计总监；外界普遍解读为 Midjourney 加速推进首款独立移动图像应用，同步补充消费者产品设计与用户增长能力；Co-Star 以简洁界面和 Gen Z 用户基础著称。

收购消费端 App 团队并引入专职设计总监，信号 Midjourney 独立移动 App 上线在即，图像生成工具的移动端体验将迎来重要变化。

查看原始来源 ↗

美图公司发起 Meitu Hatch Catch 产品挑战赛，总规模 1 亿元，定向寻找已上线且拥有种子用户的 AI 原生影像产品（B2C 优先）；聚焦 AI 相机、AI 修图、AI 视频、AI 设计工具等影像赛道，单个项目最高获得 500 万元投资；美图提供产品推广、算力资源与商业整合支持；不接受纯 ToB 项目。

美图主动发起 Builder 挑战赛且设置「已上线 + 种子用户」高门槛，说明 AI 影像应用赛道已进入产品化验证阶段，是观察 AI 影像商业化路径的重要信号。

查看原始来源 ↗

Black Forest Labs 于 2026 年 7 月 23 日发布 FLUX 3，将图像生成、视频生成与音频理解统一在单一前沿模型架构中；视频生成支持 20 秒连贯输出并含原生音频轨；与 FLUX.2 系列相比是架构层面的代际跨越；Canva、Krea、Magnific、Picsart 为首批生态接入伙伴；Dev 权重承诺 2026 年内开源。

FLUX 系列开源图像模型首次将静态图像、有声视频与机器人动作预测纳入单套权重，标志 AI 视觉基础模型从单模态工具向统一多模态引擎的代际跨越。

查看原始来源 ↗

腾讯首个设计 Agent 平台 Miora 国际版正式全量上线，覆盖品牌设计、影视创意、电商广告、网页应用四大场景；平台内置生图、视频、3D、UI 四个子 Agent，可在同一画布内协同拆解任务、输出风格一致的完整视觉方案；开放 Skill 生态；新用户注册赠 1000 积分；发布首日登顶 Product Hunt 日榜第一；英文端多家媒体同步确认。

首个国产全栈设计 Agent 平台全量商用，标志 AI 设计从单点生成工具进入「多 Agent 协同一次交付整套视觉方案」阶段。

查看原始来源 ↗

微软亚洲研究院发布 Mage-Flow，Mage-VAE + NR-MMDiT 紧凑生成栈，4B 参数原生支持 512–2048 任意宽高比文生图与指令式图像编辑；GenEval 0.90（开源最高）；Turbo 蒸馏版单张 0.59 秒；MIT 许可证可商用；已提供 ComfyUI 节点。

4B 参数在 GenEval 超越部分数倍体量模型，MIT 许可与 ComfyUI 集成使其在资源受限环境下具备直接可用的商业级图像生成能力。

查看原始来源 ↗

阿里通义万象第三代图像生成模型 Qwen-Image-3.0 正式发布；核心突破：4.5K token 超长指令输入支持复杂多区域版面、10px 小字清晰可辨（文字渲染精度显著提升）、12 国语言原生渲染（含中文）、100+ 种艺术风格一键切换；多家媒体已实测与 GPT-Image-2 的全面对比。

Qwen-Image-3.0 的文字渲染精度与超长指令支持，使其具备处理信息图表、品牌物料等真实设计交付需求的能力，推动 AI 图像生成进入生产力交付阶段。

查看原始来源 ↗

NVIDIA与Black Forest Labs在SIGGRAPH 2026联合发布FLUX.2 RTX专项优化方案：FP8量化可使VRAM减少40%、性能提升40%；更进一步的NVFP4量化在此基础上实现2.7×加速并将显存占用再降55%；同步推进的ComfyUI深度集成让设计师无需命令行即可使用优化后的FLUX.2工作流；上述优化覆盖GeForce RTX消费级显卡，使原本需要高端专业卡的工作流可在RTX 4080/5070等设备上流畅运行。

FLUX.2是目前图像生成质量最受专业创作者认可的模型之一，NVFP4量化将其本地部署门槛大幅下降，对高校实验室和独立创作者的实际影响直接且可量化。

查看原始来源 ↗

北京大学联合深势科技发布PRA（Parallel Recurrent Autoregressive）图像生成框架，于2026年7月13日经机器之心报道。PRA采用16维低维中间状态与并行解码机制，在像素空间直接建模而非依赖传统视觉tokenizer，使得135M参数规模的模型在标准基准测试中超越1.9B参数基线模型。该方法在理论层面提供了一种降低图像生成模型参数量的新路径，但当前研究仍处于理论突破阶段，工程化落地程度有待进一步评估。

以更小的参数量超越更大的模型，这类参数效率研究对艺术设计类院校的AI课程演示有参考价值——它展示了模型架构设计如何影响生成质量，而非仅靠堆叠参数。

查看原始来源 ↗

Meta于2026年7月上旬推出自研图像生成模型Muse Image，其中「@提及功能」允许用户在提示词中@任意公开Instagram账号，AI即可参考该账号历史图像生成新图，且默认为所有成年公开账号用户开启（opt-out机制）。上线约三天后，美国演员工会SAG-AFTRA与顶级经纪公司CAA联合公开声讨，指出任何人的姓名、肖像、声音或创作未经明确同意均不得被AI引用。7月10日Meta将该功能下架，官方声明使用了「missed the mark」（未达预期）的措辞。据报道，功能下架前已生成的图像不会被自动删除。

这是主流消费级AI图像功能首次因opt-out默认机制引发的大规模抵制与撤回，验证了「默认征用公开内容」模式在创作者数字资产保护层面的不可行性，对AI生成内容的同意机制设计与版权研究具有直接参考价值。

查看原始来源 ↗

北京大学王选所联合研究团队在ICML 2026上发布HOI-Edit基准与SCPE自纠错框架，将AI图像编辑能力评测重新定义为三层认知任务：基础交互理解、空间关系推理、因果物理推理。SCPE框架通过I2V视频过程诊断失败案例并自动纠错，L1交互评分提升22%。相关数据集与代码已开源，arXiv编号2606.19073，由机器之心与163.com双源报道。

AI图像编辑从像素操控向意图理解与自纠错范式演进，HOI-Edit为评测新一代可交互编辑工具提供了系统性基准框架。

查看原始来源 ↗

Reve于2026年7月9日发布2.1版本，在2.0基础上重点优化图像生成质量与跨提示词的风格一致性表现，细节渲染与色彩准确度均有提升。此次更新定位为稳定性与精度迭代，而非功能层面的大版本跃升，适合对出图质量有持续需求的创作者跟进使用。

Reve在图像生成赛道保持高频迭代节奏，2.1的一致性改善对需要批量出图保持风格统一的设计教学场景有实际参考价值。

查看原始来源 ↗

字节跳动旗下Seed团队于2026年7月8日全球正式发布Seedream 5.0 Pro，带来四项核心升级：高密度信息可视化（可将数据与概念转化为专业排版图表）；交互式精准编辑（支持圈选、点选与图层分离输出，直接对接PSD工作流）；真实影像质感提升；以及支持10余种语言的原生文字生成。模型已上线Volcano Ark平台，ComfyUI同日通过Partner Nodes接入。

图像生成模型开始向「理解设计意图」方向演进，图层分离与可编辑输出将AI生图结果更紧密地嵌入现有平面设计工作流。

查看原始来源 ↗

7 月 7 日，Meta Superintelligence Labs（由 Alexandr Wang 领导）正式发布 Muse Image，这是 Meta 首个完全自主研发的图像生成模型。模型采用 Agent 式生成架构，可调用搜索与代码工具对输出进行自我修正，支持文生图、图像编辑、多参考图合成及以 Instagram 公开图片为参考源等功能；已在 Meta AI 应用、Instagram Stories（美国）及 WhatsApp（部分地区）上线，并计划接入广告投放系统 Advantage+。在多项第三方评测中，Muse Image 超越 Google Nano Banana 2，仅略低于 OpenAI 最新 GPT Image 模型；Muse Video 版本即将推出。消息由 Meta 官方及 TechCrunch、CNBC、Bloomberg、Axios 等 7 个以上信源同步报道。

更新（7 月 10 日）：其中「@提及公开账号生成」功能因采用 opt-out 默认机制、允许参考任意公开 Instagram 账号历史图像，遭 SAG-AFTRA 与 CAA 联合声讨后由 Meta 下架，模型本体仍在运行。详见后续报道。

Meta 以 Agent 式架构切入图像生成并直接整合社交与广告分发渠道，标志着图像生成模型进入「生成即分发」的平台化阶段，对 AI 视觉生成在商业内容生产及社交平台工作流中的渗透路径有直接参考意义。

查看原始来源 ↗

上海交大研究团队在 arXiv（2606.25907）发布 ICRDrag，这是首个上下文区域拖拽图像编辑模型，入选 ECCV 2026。方法基于 DiT 上下文学习框架，以掩码替代传统点选操作，可实现源区域到任意目标区域的精准变形，涵盖姿态、形状与位置调整；研究同时构建了百万级 Paired Region Dataset 训练集，代码与模型已在 GitHub（bcmi/ICRDrag-Region-Drag-Editing）开源。由机器之心、新浪科技双源报道。

可控区域精准编辑是 AI 辅助设计中的高频需求，ICRDrag 以掩码替代点选降低了操作门槛，对 AI 图像编辑工具的实际使用与研究复现有直接参考价值。

查看原始来源 ↗

GenEvolve（arXiv:2605.21605）由港科广、美团、港科大、新加坡国立大学联合提出，将图像生成范式从「单步提示词→图像」升级为 Agent 自主工具编排：系统自动调用网页搜索、图像检索、生成知识等工具，编排 prompt-reference program 后交渲染器执行，实现「自进化」的生图策略。模型、代码、数据集、评测集全部开源（MeiGen-AI GitHub 仓库，MIT+Apache-2.0 许可）。中文报道集中于 7 月 1 日，多源确认。

将 Agent 工具编排能力引入图像生成流程，是对传统「提示词工程」范式的结构性升级，开源特性使其可直接用于研究复现。

查看原始来源 ↗

Google DeepMind 于 2026-06-30 同步发布 Nano Banana 2 Lite（Gemini 3.1 Flash Lite 图像模型）与 Gemini Omni Flash（静态图转带运镜视频模型）：Nano Banana 2 Lite 约 4 秒生成一张 1K 分辨率图像，Text-to-Image Elo 较上一代提升 100 至 1251，强化字符一致性与文字渲染，质量表现反超更贵的 Pro 档；每张 1K 分辨率图约 $0.034（图像输出每百万 token $30），与 Midjourney（约 $0.01–0.05/张）处于同一价格区间。Gemini Omni Flash 支持将静态图转为带自然运镜的短视频，定价 $0.10/秒；两款均上线 AI Studio 与 Gemini API，并已接入 Adobe Firefly Partner Models、Google Stitch、NotebookLM、Google Photos 及 Google Ads 生态。

核心卖点是速度（约 4 秒出图）与「速度档定价、质量反超自家更贵 Pro 档」的质价比，单张成本与主流付费模型处于同一区间。Gemini Omni Flash 的静态图转运镜视频能力，为从平面作品到动态演示提供了低门槛路径。

查看原始来源 ↗

Midjourney 推出 V8.2 预览版，用户可在生成指令中添加 --preview 参数提前体验。V8.2 的主要方向是进一步强化有别于 V7 审美风格的路线，同时提升 Sref 风格板的跨提示词一致性。官方说明该版本仍处于开发中，生成表现尚不稳定，与现有的 V8.1 及 V8.1 Draft Mode 并行运行，用户可按需切换。

在 V8.1 已稳定运行的同时开放 V8.2 预览参数，提供了一种对比评估不同版本审美风格走向的实验通道，对视觉风格研究与提示词教学具有一定参考意义。

查看原始来源 ↗

阿里 Qwen 团队发布 Qwen-Image-2.0-RL（arXiv:2606.27608），通过 GRPO 强化学习与在线策略蒸馏（OPD）构建三套奖励模型——图文对齐、美感、肖像——赋予图像生成模型更强的「审美判断」能力；技术方案含混合 CFG 策略、异步奖励管道与提示词筛选工程；文生图 Elo 从 1115 升至 1193（+78），图像编辑 Elo 从 1256 升至 1349（+93），在评测界属显著提升。

「用强化学习训练 AI 审美」的技术路径对艺术设计×AI 领域研究有直接方法论参考价值：如何定义可量化的「美感奖励」、如何让模型从人类偏好数据中习得审美判断，是生成式 AI 艺术研究的核心方法论问题。

查看原始来源 ↗

ICML 2026 Spotlight 论文（arXiv:2512.11883）系统研究了 AI 图像生成模型审美对齐机制的副作用：以 HPS（Human Preference Score）等审美评分体系为优化目标的训练过程，会导致生成图像趋向「高分但单一」的同质化审美，而牺牲图像的艺术表现力与多样性。研究结论指出，「越符合评分标准的图越缺乏表现力」。

对 AI 生成图像的评估指标与实际艺术价值之间的系统性矛盾进行了实证研究，是批判性审视当前 AI 图像生成技术路线的重要参照文献。

查看原始来源 ↗

法国 Kyutai 与加州大学伯克利分校联合发布预印本（arXiv:2606.20536），对 AI 图像生成领域最常用的评测指标 FID（Fréchet Inception Distance）提出系统性质疑。研究指出，在不同评测环境与参数设置下，同一方法的 FID 结论存在相互矛盾的情况，当前部分「最强」方法的排名可能建立在一个存在缺陷的指标基础上，对现有研究结论的可信度构成方法论层面的挑战。

对 AI 图像生成的研究者与学习者而言，该研究提示在阅读和引用相关论文时需批判性审视 FID 排名，不宜以其高低作为方法优劣的单一依据。

查看原始来源 ↗

2026 年 6 月 24 日，ComfyUI 发布 v0.26.0 版本，在单次更新中同时接入三个新开源模型：Krea 2（提供 Raw 与 Turbo 两个权重变体，Raw 版适合 LoRA 微调训练，Turbo 版支持 8 步蒸馏推理）、Boogu-Image（采用 Qwen3-VL-8B 作为文本编码器，配套 TextEncodeBooguEdit 节点支持局部图像编辑）以及 Qwen3-VL（4B 与 8B 两档，支持文本生成与图像理解）；同时新增 Load3DAdvanced 3D 网格加载节点、LTX2 视频上下文窗口采样器，工作流模板版本升至 0.9.26。

ComfyUI 以单次版本更新接入三个最新开源模型，延续了其作为开源生成生态聚合枢纽的角色——用户升级版本即可本地获取多个最新模型的运行能力，是当前开源图像与视频工作流可及性持续下沿的直接体现。

查看原始来源 ↗

字节跳动于 2026 年 6 月 23 日 FORCE 大会发布 Seeddream 5.0 Pro，新增三项主要能力：交互式精准编辑（支持在图像上直接以箭头标注或圈选区域的方式指定编辑目标，精确到局部内容）；多图层分离输出（生成结果可按图层独立导出，直接对接 Photoshop PSD 工作流进行后期精修）；以及 10 余种语言的原生文字生成能力，拓展多语言内容制作场景。Seeddream 5.0 Pro（图像）与此前发布的 Seedance 2.5（视频生成）共同构成字节在生成式视觉创作领域的图像→视频完整工业化链路。

图层分离输出与交互式局部标注编辑，将 AI 图像生成结果直接纳入专业后期管线，对「AI 生成→后期精修」教学工作流的演示与实践具有参考价值。

查看原始来源 ↗

Krea AI 于 2026 年 6 月 23 日发布 Krea 2 开源图像模型技术报告，提供两个开放权重变体：Krea-2-Raw（未蒸馏基座版，适合训练 LoRA）与 Krea-2-Turbo（8 步蒸馏推理版，可在约 2 秒内生成高分辨率图像）；模型采用单流 Diffusion Transformer 架构，以 Qwen 3 VL 多层特征聚合作为文本编码器、Qwen Image VAE 与 FLUX 2 VAE 为自编码器；官方技术报告明确预训练数据中不包含 AI 生成图像，并自建分类器进行过滤；权重发布于 HuggingFace，代码开源于 GitHub，采用宽松商业许可，ComfyUI v0.26.0 于发布当日完成原生接入。

在合成数据被广泛用于训练的当下，Krea 2「不使用 AI 生成图像预训练」的数据立场及「反审美同质化」定位，为讨论开源图像模型训练路线与风格多样性提供了具体参照；开放权重与 ComfyUI 原生支持使其可直接本地部署。

查看原始来源 ↗

阿里于 2026 年 6 月 22 日发布 HappyHorse 1.1 版本更新，在五个维度进行了针对性提升：动态表现力、9 张图像角色一致性、复杂场景指令遵循、视觉质感和音频口播能力；同步宣布启动 Horsepower AI 影像大赛，邀请著名影视制作人张纪中出任评委之一。

HappyHorse 在角色一致性和复杂场景指令方向的持续升级，对关注国产视频生成模型能力演进的读者有参照意义。

查看原始来源 ↗

AI 工坊 pro 于 2026 年 6 月 22 日前后发布 2026 年 AI 设计工具全收录，按图像生成、视频生成、3D 建模、UI 设计、排版辅助等使用场景对当前主流 AI 设计工具进行分类整理，并附基本功能和适用场合说明，旨在帮助设计师和学生快速定位适合自身需求的工具。

按场景分类的工具合集，适合作为工作营开幕第一课的工具导览参考，也可直接用于课程教材的工具栏更新。

查看原始来源 ↗

Runway 于 6 月 18 日推出 Studio 功能，用户可在同一界面内完成 AI 视频裁剪、拼接、重排序与导出；Gen-4.5 目前在 Artificial Analysis 文生视频基准测试中以 Elo 1247 居于榜首，近期新增 image-to-video 功能；同期 Runway API 接入 Seedance 2.0 Fast（6/5），支持关键帧控制与参考图像视频生成，4–15 秒、480p/720p 输出。

视频生成 + 内置后期整合进单一工具，缩短了影像创作工作流；Gen-4.5 当前的基准排名意味着它是综合可用性最强的文生视频工具之一。

查看原始来源 ↗

复旦大学、阶跃星辰、西湖大学与香港大学研究团队发布预印本 FreeStyle（arXiv:2606.20506v1），通过系统挖掘 Stable Diffusion 社区中大量开源 LoRA 构建了一个大规模的内容与风格双参考配对数据集，并在此基础上训练了一个支持任意风格迁移的生成模型，在迁移过程中可完整保留原始内容的结构与细节；支持中国水墨、刺绣、油画、吉卜力、赛博朋克、像素朋克等多种风格转换。

利用社区 LoRA 资产而非重新标注数据的训练思路，为 AI 风格迁移的研究与教学提供了一个新的数据构建路径，对图像设计、插画与 IP 视觉延伸方向的创作实践有参考价值。

查看原始来源 ↗

美图于 2026 年 6 月 17 日发布奇想大模型 V6，同步推出四款 AI 新产品：面向创作者的 Picchi 图像创作平台、Artflo 艺术风格生成工具、MVLAND 多媒体内容工具及 MeituHub 创作社区，另联合站酷发布 AI 工具箱，整体覆盖从单张图像生成到多媒体内容全流程。

国内设计类 AI 工具的集中发布，展示了面向设计师的垂直 AI 产品生态形态，可作为讲解国内 AI 设计工具市场格局的教学案例参照。

查看原始来源 ↗

Boogu-Image-0.1 于 2026 年 6 月 16 日在 GitHub 和 HuggingFace 发布，采用 Apache-2.0 协议，提供 Base、Turbo、Edit 三个变体，参数量 10B，可统一执行图像生成与图像编辑任务；其中英双语密集文本渲染能力在现有开源模型中排名第一，ComfyUI 整合包同步发布；中文社区于 6 月 22 日起大量讨论，三家以上媒体源核认。

Apache-2.0 协议允许商业用途，适合本地部署与研究型开发；密集中英文文本渲染能力对平面设计、排版研究有直接参考价值。

查看原始来源 ↗

Midjourney 于 6 月 10 日将 V8.1 设为全平台默认版本，标准任务速度较早期版本提升约 4–5 倍，支持原生 2K 高清输出（无需额外放大步骤），Prompt 理解精准度同步升级。

出图速度与分辨率直接影响演示与实操节奏；提速约 4–5 倍、原生 2K 降低了高清出图的额外步骤。使用 Midjourney 的现有教程截图可能需要相应更新。

查看原始来源 ↗

Ideogram 于 2026 年 6 月 3 日发布首个开放权重文生图模型 Ideogram 4.0，参数量 9.3B（DiT 架构），支持 JSON 结构化 Prompt 精控色彩、布局与文字位置，文字渲染能力在 DesignArena 开源模型榜排名第一，超越参数量更大的 FLUX.2 dev（32B）及 HunyuanImage 3.0（80B MoE）；ComfyUI 首日提供原生支持，非商业用途可本地免费部署。

前沿文生图能力首次以可本地运行的开放权重形式出现，没有商业 API 预算的创作者也可以直接在本地使用。

查看原始来源 ↗