微软开源 Mage 多模态模型家族：4B 参数含 Mage-VL 与 Mage-Flow，视觉 Token 减少 75%
微软开源了 4B 参数的多模态模型家族 Mage，包含两个成员：专注流式视频与图像理解的 Mage-VL，以及负责图像生成与编辑的 Mage-Flow。几个数字相当亮眼——Mage-VL 采用 Codec-Native 编码，视觉 Toke…
图像生成第 2 页34 篇
HappyOyster 1.0系列模型上架阿里云百炼：Adventure实时生成开放世界，Directing驱动剧情镜头
结论先行：HappyOyster 1.0 系列模型正式发布并上架阿里云百炼，以免邀测形式开放 API。该系列包含两个核心能力：Adventure 可按文本 / 图像生成实时开放世界，Directing 能在世界生成后通过指令驱动角色剧情与镜…
Grok Voice Transcribe 2.0 发布：错误率砍半、价格不变，流式语音识别登顶
在把错误率压低约一半的同时，定价一分没涨——这是 Grok Voice Transcribe 2.0 最”不讲道理”的一招。当地时间 9 月 18 日，SpaceX 旗下人工智能部门 SpaceXAI 放出新一代语音…
GPT-Image-2.5 双模型上线：Flare 求快 Sunburst 求准，延迟最高降 50%
OpenAI 在 2026 年 9 月 9 日交出了一份图像模型的「双线答卷」：消费端的 ChatGPT Images 2.5 全面开放，开发端则一次性放出 GPT-Image-2.5 Flare 与 GPT-Image-2.5 Sunbu…
OpenAI 偷偷测试新图像模型，代号 mona-lisa-1，专治 AI 塑料感皮肤
LM Arena 最近来了个不速之客。一个代号 mona-lisa-1 的神秘图像模型悄悄上线了盲测，没有官宣，没有发布会，但测过的人基本都认定它就是 OpenAI 的下一代作品。 原因很直接，它生成的图片带着 OpenAI 的 Synth…
Midjourney v8.2 来了：预览版实测社区刷屏，”美学升级”是最大惊喜
Midjourney 官方在 2026年6月25日通过 X（前推特）账号宣布了 v8.2 的存在——不是一场发布会，甚至不是一篇官方博客，只有简短的两句话：引入全新的 –preview 参数，附带 v8.2 “美学”…
字节发布 Seedream 5.0 Pro：复杂信息可视化 + 精准交互编辑，专业创作能力全面升级
2026年7月8日，字节跳动正式发布 Seedream 5.0 Pro——一款具备智能思考能力的多模态图像生成模型。这是继今年2月推出 Seedream 5.0 之后，字节在图像生成领域的又一次重要迭代。相比前代，Seedream 5.0 …
Google发布Nano Banana 2 Lite：4秒出图、每千张仅3.4美分，企业图像生成成本再腰斩
谷歌在6月的最后一天扔出了两颗重磅炸弹——Nano Banana 2 Lite和Gemini Omni Flash，分别剑指极速图像生成和对话式视频编辑两大战场。这两个模型并非小打小闹的迭代升级，而是 Google 在生成式 AI 商业化战…
Ideogram 4.0 发布：93亿参数开源图像模型登顶Design Arena，文字渲染准确率97%
2026年6月3日，Ideogram 正式发布了第四代模型——Ideogram 4.0。这不仅是 Ideogram 迄今为止最强大的版本，更是这家公司首次开源权重（open-weight）的图像生成模型，意味着任何人都可以下载并在本地运行它…
Grok Imagine Video 1.5 发布：xAI 图像生成视频模型登顶排行榜，Elo 分数超越 Seedance 2.0
xAI 旗下图像生成视频模型 **Grok Imagine Video 1.5** 于 2026 年 6 月 17 日正式发布，一经推出便空降 Artificial Analysis Video Arena 图像生成视频排行榜首位，以 **…