Kling Image 4.0 上线 fal,支持原生 8K 生成
Kling Image 4.0 上线 fal,支持原生 8K 分辨率。fal 公布其三大升级:逼真光照与真实纹理、最多 2000 字符的清晰排版、单提示词最多生成 10 张视觉一致的图像。
Kling Image 4.0 上线 fal,支持原生 8K 分辨率。fal 公布其三大升级:逼真光照与真实纹理、最多 2000 字符的清晰排版、单提示词最多生成 10 张视觉一致的图像。
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。
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。
Seedream 5.5 更新带来四项改进:实写质感更自然、局部编辑更稳定、小文字更清晰、透明背景生成。作者在 Higgsfield 上实测,局部编辑可只改指定区域而不动其他部分,透明背景可直接生成 LINE 贴纸和 Logo。
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。
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。
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。
Lodestone 发布新版 MOSS DMD Lora,兼容 4 步与 8 步生成流程,可用于多个 MOSS 模型。
作者为 Krea 2 Turbo 发布 int8 构建,适配 20/30 系列显卡,解决 Ampere 无 fp8 数学运算导致的慢推理。
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。
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。
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。
MiniMax H3-Image 开放权重,提供 Hugging Face、ModelScope 与 GitHub 入口。
MiniMax 发布 MiniMax-H3-Image-PE,基于 Qwen3.8-27B 微调,为 MiniMax-H3-Image 提供提示词扩展与宽高比推荐,支持文生图与图像编辑两条工作流,其中图像编辑 PE 仍在开发中,本次仅发布其提示词。模型以 FP4 权重运行,可通过 SGLang 或 Diffusers 部署,约需 19 GiB 显存。
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。
Runway 上线 GPT Image 2.6,图像生成速度提升 50%。新版本支持生成 GIF、导出 SVG 矢量图,并可在保持角色、产品和品牌细节一致的前提下进行精确编辑。
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。
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)。
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。
NitroFusion2 是基于 Z-Image-Turbo 的 1–2 步文生图模型,将对抗损失引入 MMDiT 的文本流,一步即可渲染清晰文字与细节。该模型已上线 Hugging Face(ChenDY/NitroFusion2)。
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。
GPT-image-2.6 发布,新增直接生成 GIF 动图功能。作者用它制作了近期流行的大肥鱼表情包,并附上提示词供生成各种大肥鱼表情包。作者提到在 Codex 中无法调用 2.6,需在 GPT 中使用。
PrunaAI 发布 P-H3-Image 图像模型,基于 MiniMax H3 微调,支持 8 MP 文本生成图像与最多 8 张输入图像的编辑。模型为 33.1B 参数 transformer,8 步采样且无需 CFG,内置 Qwen3.5-9B prompt upsampler,ComfyUI v0.44.0 原生支持。
Krea 3 是 Krea 推出的图像到图像基础模型,主打编辑速度与成本效率,单次编辑在 8 秒内完成。在 Arena.ai、Artificial Analysis 和 Design Arena 的编辑排行榜上位列第 4,速度比 Nano Banana Pro 快约 3-5 倍,成本约为其一半。
Reddit 用户 elephant-knight 训练并发布了 Krea-2 的姿态控制 LoRA,checkpoints 已上传至 Hugging Face(https://huggingface.co/adhit-420/Krea-2-PoseControl-LoRA-checkpoints)。
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。
Curious Refuge 公布 2027 年最佳 AI 图像生成器榜单,Google 的 Nano Banana 2.1 以 9.02/10 总分登顶。GPT Image 2.5 以 9.00/10 紧随其后,提示遵循得分最高(9.86/10)。评测基于 29 个标准化边缘案例提示词,从提示遵循、视觉保真度、风格与写实三个维度评分。
LightX2V 团队发布 Qwen-Image 2.1 Lightning v2 RL,从 v1 的 67MB LoRA 升级为完整 transformer(28.5GB FP32),经 RL 精炼后支持四步采样,覆盖文生图、单参考编辑和多参考生成。
Fable 5.5 在相同 prompt 下生成超写实鹈鹕骑车,羽毛纹理、光影和自行车物理细节真实,而 Opus 5.5 High、GPT-6 Astra Max、Gemini 4 Carbon Max 均为卡通插画。
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。
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。
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。
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。
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。
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。
Ideogram 于 10 月 22 日发布首个矢量图像模型 Ideogram Vector,可根据文字指令生成放大不崩的 SVG,API 定价每张 0.1〜0.32 美元。
Aitrepreneur 实测开源 5B 参数图像模型 MOSS Image,称其可在 ComfyUI 本地运行,生成写实照片与奇幻插画,并在多方面优于 Krea 2。作者同时提供配套工作流,支持标准与 Turbo 生成、提示词增强和 LoRA 实验。
Visage-Image 是一个面向人脸生成的小型文生图模型,作者自建数据集并用 Qwen3.5-4B 等模型打标,还自训了窄域自编码器,在其数据集上 iFID 优于 FLUX.2。
一位 Reddit 用户用同一段人像提示词对比了 7 个图像模型的出图效果,排名依次为 Nano Banana 2.1、GPT Image 2.5、Muse Image、Qwen image 2.1 turbo、Flux 3 Klein、Krea 2 turbo 和 Moss-image-sft(8 steps LoRA)。
Moss SFT int8 合并 stripe fix lora 与 Qwen 9b int8 后,可在单张图内生成故事序列或漫画,并保持同一角色、支持任意风格。创作者称其提示词跟随极细致,配合 dmd2 turbo lora 的实验性 turbo 方法仍速度较快,所有图片为原生 1080p。