搜索
raubatz复制公开Qwen Image 2.1无审查LoRA空间
Hugging Face出现由raubatz复制的Qwen Image 2.1无审查AIO LoRA空间，源自arudradey同名项目，页面标注171个赞与Zero运行。当前仅有不完整快照，参数、价格、授权及国内能否使用均未知。
47 分钟前动态MOSS-Image：50亿参数开源模型强化中英长文本与版式生成
开源图像模型MOSS-Image采用50亿参数单流扩散Transformer，并以意图感知提示增强生成中英长文本与复杂版式图。报告称其在LLTB平均文字覆盖率96.3%，开源权重中领先；RLA端到端列第二。模型、训练方案与评测将发布，价格及国内可用性未知。
54 分钟前动态FastH3 Omni推出ComfyUI权重，可按参考生成同步音视频
FastVideo发布面向ComfyUI的FastH3 Omni最终版权重，含BF16与INT8 ConvRot扩散模型，可根据提示词及有序图像、视频和音频参考生成同步音视频。文本编码器含视觉塔，NVFP4需Blackwell；国内可用性、价格未知，本文未实测。
1 小时前动态Bria发布Fibo 2.0 Dev：编辑与文生图合一的开源基座
Bria发布开源模型Fibo 2.0 Dev，将图像编辑与文生图合并到同一非蒸馏基座。资料称截至2026年10月20日，它在开放权重图像编辑榜居首、文生图居次，约80亿参数且仅用授权数据训练。国内可用性与价格未知。
1 小时前动态MOSS-Image-SFT推出8步数据空间蒸馏权重
lodestones发布MOSS-Image-SFT的8步数据空间蒸馏权重，把原50步、CFG为3的采样压到8次网络评估且无需CFG。检查点为update 2600的EMA浮点权重，上月下载79664次。国内可用性与价格未知，本条未实测。
1 小时前动态Kromoss：MOSS-Image-Base的1024全量微调与8步LoRA
Kromoss是MOSS-Image-Base的1024像素全量微调，文本编码为Qwen3.5-9B，VAE为FLUX.2小型解码器，可替换MOSS-Image-SFT。附带DMD与DMD2两枚8步LoRA，权重为第11000步EMA，训练约70.4万张，Apache 2.0。价格与国内可用性未知。
1 小时前动态Gemini推出小企业工作入口，整合品牌与经营资料
谷歌于10月20日宣布面向小企业的新Gemini入口，可集中处理品牌、财务和客户信息，并连接Workspace、Shopify、Canva等应用。用户可上传品牌资料，让Nano Banana 2.1沿用视觉风格生成素材；功能在随后数日分批推送。
3 天前动态空间决策模型把关系、距离和点位统一成快速分类
MJev-Spatial 用模型原有注意力投影给候选项评分，将关系选择、数值区间和图像区域统一成分类。每次决策只需一次前向计算，无需生成答案文本；团队基于 40 亿参数模型训练，并在十二项空间任务上比较准确率与速度。
2026年10月16日动态Krea 3聚焦局部改图，支持批量生成设计变体
Krea推出面向生产的图像编辑模型Krea 3，重点是修改指定区域、保留其他画面，并支持产品场景替换、移除物体和批量变体。官方页面提供封面、包装与海报示例；速度和成本对比附有测试条件，不宜把动态展示中的数字直接当成统一报价。
2026年10月16日动态FLUX 3小型版开放权重，8GB显卡也有运行方案
Black Forest Labs发布56亿参数的FLUX 3 Image Klein，支持生成、编辑和最多10张参考图。官方提供基础版、蒸馏版及多种量化构建，INT8方案面向最低8GB显存的部分RTX设备；模型采用FLUX Kommunity许可，使用前需核对条款。
2026年10月15日动态FLUX 三代开放图像模型加入布局控制，网页可直接试
FLUX.3 Image Klein 将文字生图、多参考图编辑和边界框布局控制放进同一模型。HF 提供默认十六步蒸馏版、基础版及量化接入示例，支持通过区域描述安排元素；官方 Space 已运行，可先验证布局和局部修改是否符合需求。适合先做小样对比。
2026年10月15日动态谷歌更新生图模型，强化中文表现和蒙版局部编辑
谷歌发布 Nano Banana 2.1，围绕视觉设计、主体一致性和蒙版编辑升级，并支持直接生成4K图像。量子位汇总样例与评测变化，也记录了不同分辨率的价格调整；人物自然度和文字准确率仍需用具体素材测试。
2026年10月10日动态通义图像加速版八步生成，支持多图编辑与透明输出
Qwen-Image-2.1-Turbo 将文字生图和图像编辑压缩到八步去噪，沿用七十亿参数视觉生成架构。模型附推荐采样日程与前缀缓存，HF Demo 可上传多张参考图并原生输出 RGBA；使用时还需留意版本依赖和研究许可。适合快速修改素材的小样比较。
2026年10月9日动态可灵团队改进扩散强化学习，减少调参与训练计算
DiffusionART 针对扩散模型强化学习中的效率与稳定性问题，先汇总同一提示下的奖励方向，再控制恢复更新。论文在图像和视频任务中测试，报告混元视频指定设置达到对照奖励水平所需 GPU 时数明显减少，且无需可微奖励模型。
2026年10月9日动态Anatomy把技术概念做成交互图，支持可拆解结构
Anatomy是供编码智能体使用的可视化技能，用SVG、WebGL和三维部件把抽象概念解释成可操作的图示。仓库提供可直接打开的示例和安装命令，适合技术科普与产品说明；三维模式仍标为测试阶段，生成内容还需核对原理和数值。
2026年10月8日动态中英密集文字生图基准发布，专测海报长文与布局
UltraText Bench 提供 432 条人工检查的提示，覆盖 24 类真实场景，中英文各半，每张图要求四至十二处文字。评估分别看文字准确、清晰度、空间安排和场景质量，揭示快速模型可能更清晰却更容易写错字的取舍。适合中文海报选型。
2026年10月7日动态谷歌发布多模态嵌入模型，支持本地搜索音视频
EmbeddingGemma 2把文本、代码、图像、音频和视频映射到统一向量空间。完整模型为7.4亿参数，文本部分可单独使用，按Apache 2.0许可发布；向量可从768维缩至128维，适合端侧素材检索和本地知识库。
2026年10月7日动态谷歌开放多模态嵌入模型，文字图像音视频统一检索
谷歌发布EmbeddingGemma 2，把文字、代码、图像、音频和视频映射到同一向量空间。完整模型为7.4亿参数，采用Apache 2.0许可，模块可按输入类型选择加载；它用于检索和匹配，不是直接生成答案的聊天模型。
2026年10月7日动态ChatGPT将测试视觉广告，并扩展广告效果衡量
OpenAI于10月5日宣布新的视觉广告格式，计划先在美国、面向Free和Go用户的图像生成场景测试。广告与生成图片分开展示，同时扩展效果衡量工具和合作。此次公告是测试计划，不能理解为所有地区已出现新广告。
2026年10月5日动态视频蒸馏加入图像老师，兼顾少步生成与画面质量
DuoMatching 在视频老师的时序监督之外，引入图像生成器提供逐帧视觉和语义指导，并用 LatentBridge 对齐两者表示。论文称这种联合分布与边缘分布匹配能改善构图和内容贴合，同时基本保留运动表现，适用于少步视频生成研究。
2026年10月3日