跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

11月18日周三
  1. 可灵官方博客65

    可灵发布 Kling Image 4.0,主打真实感与原生8K生成

    可灵发布新一代图像生成模型 Kling Image 4.0,现已上线可灵创意工作室并向企业及开发者开放 API。该模型基于原生统一理解与生成架构,支持原生 8K 图像生成、单图最多 2000 字符文本渲染、单提示词生成最多 10 张一致风格图像,以及电商详情页等长图生成。此外还提供 110+ 预设调色风格、70+ 预设商用字体和七种语言支持。

    推荐理由:新模型将视觉理解与图像生成统一在同一自回归框架,原生8K与长文本渲染能力值得创作者评估替换现有出图流程。

11月17日周二
  1. note · bochibochi_ai · 图像视频创作分享41

    Google Pics 更新至 Nano Banana 2.1,减少图像内文字和局部编辑的崩坏

    Google于11月16日宣布图像生成编辑工具Google Pics更新至Nano Banana 2.1模型。新模型在保持同等处理速度下,提升画质与真实感,并改善编辑一致性与文字描写,部分编辑时背景等元素更不易崩坏。更新无需用户设置,面向Google AI Pro/Ultra等付费计划,11月16日起1-3天逐步反映。

11月15日周日
  1. MindStudio Blog · 创作分享61

    MiniMax H3 Image 评测:文本、编辑与真实感基准测试

    MiniMax H3 Image 在文本、编辑与真实感评测中,大型文本、计数与编辑身份保持表现良好,小文本和复杂物理是短板。该模型为 33B 参数扩散 Transformer,6 步采样、原生约 16 兆像素输出,支持最多 16 张参考图,本地 ComfyUI 运行约需 48GB VRAM。编辑测试中,换车、换装与插画转照片均保持构图和身份,但分镜物理和运动细节仍显不足。

  2. SuSu_酥酥38

    Qwen 4.0 Max Preview 鹈鹕测试效果惊艳

    Qwen 4.0 Max Preview 在最新鹈鹕测试中效果惊艳,解剖细节、骑行姿态、场景一致性、文字渲染与光影材质均明显提升。此前市场预期偏低,但最新测试显示模型细节与逻辑能力疑似优化。长喙、喉囊、鳞片状羽毛、尾羽细节精准,车架“PELICANO”文字清晰无变形,整体卡通立体感强。

11月14日周六
  1. 钛媒体67

    MiniMax H3-Image 实测对比 GPT Image 2.6 与 Seedream 5.5:速度领先但复杂指令执行不稳

    MiniMax 于 11 月 10 日开放 H3-Image 模型权重,官方称 10 秒可生成 1600 万像素高清图,价格约为同档位主流工具的 50%-70%。

    推荐理由:三家新模型在文生图与图片编辑榜单上排名差距明显,实测显示 MiniMax 出图最快但复杂指令执行不稳,OpenAI 综合表现领先。

11月13日周五
11月12日周四
  1. Reddit StableDiffusion · 创作者与工作流分享46

    MOSS-Image 与 MiniMax H3-Image 在 15 个相同提示词上的对比:差距比预期小

    MOSS-Image 与 MiniMax H3-Image 在 15 个相同提示词下的对比显示,两者质量差距比预期小。两者在英文海报、中文招牌、肖像和产品摄影上表现相当,但 UI mockup 均失败,图表也生成无意义标签。差异更多来自工作流与控制,而非原始输出质量。

  2. 量子位 · 搜狐公开专栏71

    MiniMax 开源 H3-Image 图像模型,支持原生 4K 与最多 16 张参考图

    MiniMax 开源 H3-Image 图像生成模型,支持 16MP(4096×4096)原生 4K 输出和最多 16 张参考图输入。作者实测其可生成 CAD 三视图、机械爆炸图和高数试卷等复杂图像,网页端 4K 生成约 10-20 秒。API 价格为主流竞品的 50% 到 70%,首周 16MP 请求再打五折。

    推荐理由:MiniMax 开源 H3-Image 图像模型,支持原生 4K 与最多 16 张参考图,作者实测其 CAD 拆解、复杂排版和低价 API 可用性。

11月11日周三
  1. Reddit comfyui · 创作与工作流分享68

    MiniMax-H3-Image 发布,ComfyUI 已有原生工作流

    MiniMax 发布 MiniMax-H3-Image,ComfyUI 已提供两个原生工作流。一个 checkpoint 同时支持文本生成和图像参考编辑,单次生成约 16MP,六步采样,无需独立放大。需更新 ComfyUI 至 0.45,模型文件包括 Qwen3-VL 32B 文本编码器、图像 VAE 和 Qwen3.5 9B 提示扩展器。

    同一新闻,精选展示《MiniMax H3 Image 在 ComfyUI 中 day-0 原生支持》

11月10日周二
11月9日周一
  1. 字节 Seed 官方博客63

    Seedream 5.5 发布:支持 100 轮稳定编辑与原生 RGBA 输出

    字节跳动发布新一代图像生成模型 Seedream 5.5,支持 100 轮多轮编辑、原生 RGBA 透明背景输出,并提升图像真实感与文字渲染。相比 Seedream 5.0 Pro,六个生产场景的可用率均有提升,影视和办公场景可用率超过上一版两倍;文本严重损坏率降至 0.4%。

    推荐理由:Seedream 5.5 主打 100 轮稳定编辑与原生 RGBA 输出,评测显示文本严重损坏率降至 0.4%,为专业视觉生产提供更可靠的图像资产。

11月7日周六
11月6日周五
  1. note · kazu_fuwa · 图像视频创作分享59

    实测 ChatGPT Images 2.6:日语海报、编辑与动态 GIF 的能力

    实测 ChatGPT Images 2.6:指定日语的咖啡店海报文字与价格均按提示生成,约 3 秒的猫 GIF 可下载,但背景编辑连带改变了文字与构图,GIF 为 4fps 且循环处有跳变。官方称生成速度提升 50%,API 提供 Flare 与 Sunburst;作者提醒这是少数试行的结果,未做旧模型同条件比较。

  2. Reddit StableDiffusion · 创作者与工作流分享28

    Charles Dana Gibson Krea2 风格 LoRA

    Reddit用户newsock999用Charles Dana Gibson的三本书共209张图片训练了一个Krea2风格LoRA。这三本书为《Drawings》(1896)、《London as seen by Charles Dana Gibson》(1897)和《Americans》(1900)。

  3. Reddit StableDiffusion · 创作者与工作流分享42

    Qwen-Image-2.1 Uncensored Omni 发布:约100万张图像训练,提供9种本地格式

    Qwen-Image-2.1 Uncensored Omni 发布,其 rank-128 adapter 在约100万张图像上训练,以强度1.0合并进基础 transformer,并提供9种本地格式。该模型同时支持文生图与自然语言图像编辑,侧重灵活姿势和复杂构图。模型已在 Hugging Face 开放下载,代码与文档见 GitHub,在线体验在 chatrlabs.com/playground。

11月5日周四
  1. Oimi · 中文图像视频教程75

    GPT-Image-2.6 发布:新功能、Flare 与 Sunburst 对比、API 价格全解

    OpenAI 于 2026 年 11 月 4 日发布 GPT-Image-2.6,生成速度提升约 50%,Flare 最快 6 秒出图。新功能包括 GIF 生成、可复用参考角色、透明 PNG 标记编辑和 SVG 导出。API 定价与 2.5 持平,但 low/medium 档输出 token 用量可能上升,迁移前需实测。

    推荐理由:GPT-Image-2.6 新增 GIF 生成与参考角色,API 定价与 2.5 持平,但输出 token 用量可能上升,迁移前需实测。

11月4日周三
11月3日周二
  1. MiniMax · 音视频模型66

    MiniMax 发布 H3-Image 开源图像生成与编辑模型

    MiniMax 发布开源图像生成与编辑模型 MiniMax-H3-Image,将文本到图像与图像编辑统一在一个 checkpoint。模型为 33.1B 参数 DiT,蒸馏至 6 步采样,直接生成约 16 兆像素图像(4096×4096 至 6272×2688),无需超分。

    推荐理由:新模型将文本生成与图像编辑统一在一个 checkpoint,16 兆像素直接输出且仅需 6 步采样,可评估其是否适合现有出图流程。

11月1日周日
  1. Reddit StableDiffusion · 创作者与工作流分享42

    Morgana 1.2:面向摄影的 FLUX.2 Klein 4B 微调,真实人脸、自然光与细腻纹理(免费权重 + GGUF)

    Morgana 1.2 发布,是 Kitani 基于 FLUX.2 Klein 4B 的摄影微调模型,主打真实人脸、自然光与细腻纹理。在 1x H100 上 15 步生成仅需 4.6 秒,无需 LoRA。免费提供 safetensors 与 GGUF(含 BF16、Q8_0 等量化),另有付费 API。

10月29日周四
  1. Reddit StableDiffusion · 创作者与工作流分享73

    Krea 2 Turbo 蒸馏 3 步 LoRA:8 步降至 3 步

    创作者发布针对 Krea 2 Turbo 的 3 步蒸馏 LoRA,将去噪步数从 8 步降至 3 步,去噪速度提升 2.6 倍,细节质量达到教师模型的 1.15 倍。训练使用 12,000 个样本,单张 H100 约 41 小时;提供 ComfyUI 工作流,兼容 diffusers、ComfyUI 和 MLX。

    推荐理由:这个 3 步蒸馏 LoRA 将 Krea 2 Turbo 去噪步数从 8 步降到 3 步,细节质量超过教师模型,为创作者提供更快的出图选择。

  2. Reddit StableDiffusion · 创作者与工作流分享27

    Ultimate Digital Artwork v2 - MOSS lora

    MOSS lora v2 发布,作者清理了数据集中的低质量图像,并重新标注所有图片,不再使用转换的 Ideogram 提示词。新模型色彩深度、提示词遵循度和高细节图像生成能力均显著提升。由于性能提升,模型相比 v1 更少冒险,提示词需更具体。

10月28日周三
  1. Reddit StableDiffusion · 创作者与工作流分享32

    AuroraIMG2-50M-Preview 发布!

    AuroraIMG2-50M-Preview 发布,这是一款文生图模型,去噪器仅 50M 参数,端到端推理参数约 90M。在 2016 年 Intel i5 7200U 笔记本 CPU 上,50 步生成需 27 秒,20 步需 11 秒,采用 Apache 2.0 许可。

  2. ComfyUI Wiki · 工作流与开源创作分享63

    Krea 2 Turbo 3 步蒸馏 LoRA 发布

    lvladikov 发布 Krea2-Turbo-Distill-3step-LoRA,将 Krea 2 Turbo 从 8 步压缩到 3 步,约 2.6 倍加速(65.4 秒降至 24.9 秒),细纹理达 8 步教师的 1.11 倍。该 rank-64 LoRA 可在 ComfyUI、diffusers 和 MLX 中直接加载,无需自定义节点,并附带纯 stock 节点工作流。

  3. Reddit comfyui · 创作与工作流分享68

    PrunaAI 为 Qwen-Image-2.1 发布 6 步 LoRA 适配器,无需上采样步骤

    PrunaAI 发布面向 Qwen-Image-2.1 的 6 步 LoRA 适配器,将图像生成从 40 步压缩到 6 步。其中 6-steps-upsampled 版本去掉了独立的提示词上采样步骤,根据提示词风格可节省 41 到 80 秒,LoRA 直接加载在 Qwen-Image-2.1 上,管线保持不变。

    推荐理由:新适配器将图像生成从 40 步压缩到 6 步并去掉上采样环节,创作者可据此评估是否替换现有出片流程。

10月26日周一
10月25日周日
10月24日周六