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11日周三
  1. Reddit StableDiffusion · 创作者与工作流分享75

    PAN 2 发布:开源 29B 视频生成模型

    PAN 2 发布,开源 29B 潜在扩散模型,支持最高 20 秒、720p、24fps 视频生成,采用 Apache 2.0 许可证。发布方同时公开训练代码,并提供 Diffusers、FastVideo 和 vLLM 集成。模型让 LLM 生成密集文本状态/脚本,事件和动作定时,相机嵌套在事件下但与动作解耦。

    推荐理由:开源 29B 视频生成模型并公开训练代码,创作者可评估其 20 秒 720p 生成能力与 LLM 驱动的脚本级可控性。

11月4日周三
10月28日周三
  1. 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23日周五
  1. MindStudio Blog · 创作分享75

    LTX 2.5 开源权重发布:22B 视频模型可自行下载运行

    Lightricks 在 Hugging Face 发布 LTX 2.5 开源权重,这是一个 22B 参数的扩散模型,可下载到自有 GPU 运行,同时提供 dev 完整版与蒸馏加速版,以及 bf16、int8、nvfp4 量化格式。

    推荐理由:Lightricks 把 22B 视频模型连同音频与多镜头能力一起开源,文中拆解了下载包各组件与自托管门槛。

10月22日周四
  1. 量子位 · 搜狐公开专栏75

    模思智能 MOSS-Image 开源 4 天海外下载超 130 万次

    模思智能开源的 5B 参数文生图模型 MOSS-Image 上线 4 天在海外社区收获 130 万次下载,GitHub 获 1.4k Stars,并登顶 Hugging Face 文生图趋势榜。

    推荐理由:5B 参数开源模型上线 4 天获 130 万次下载,社区已产出加速、量化版本与 LoRA,可观察其文字渲染与布局控制的实际表现。

10月21日周三
  1. Reddit comfyui · 创作与工作流分享78

    Hao AI Lab 开源 FastH3 OmniRef,支持 ComfyUI 首日接入

    Hao AI Lab 的 FastVideo 团队开源 FastH3 OmniRef,输入提示词加参考图像、短视频片段或声音即可生成带同步声音的视频。该模型只需 8 步而非 50 步,比基础 MiniMax-H3 最高快 11.9 倍,已进入 ComfyUI 0.42.2 工作流模板,并开放权重与训练代码。

    推荐理由:FastH3 OmniRef 以开放权重形式发布,8 步出片并支持 ComfyUI 首日接入,创作者可据此评估本地参考生视频流程。

10月20日周二
  1. SuSu_酥酥60

    蚂蚁百灵开源 Ming-3.0 语音系列 5 款模型

    蚂蚁百灵开源 Ming-3.0 语音系列,共 5 款模型,覆盖语音合成、音频理解与对话、语音识别,采用 MIT 协议并已上线 Hugging Face 与 ModelScope。TTS 支持用文字描述音色,并可通过导演模式控制情绪、重音与节奏;ASR 支持方言、热词与上下文感知。作者给出下载权重、克隆 TTS 仓库并按 README 推理的上手步骤,其中 0.5B 版本最轻量。

  2. Reddit comfyui · 创作与工作流分享73

    OpenMOSS 发布 MOSS-Image 图像模型,已支持 ComfyUI

    OpenMOSS 发布 MOSS-Image,这是一个 5B DiT 模型,使用 Qwen3.5-9B 文本编码器和 FLUX.2 VAE,分 Base 与 SFT 两个版本,采用 Apache 2.0 协议。

    推荐理由:MOSS-Image 以 Apache 2.0 开源并支持结构化布局控制,可对照现有开源图像模型评估文字渲染能力。

10月17日周六
  1. FastVideo 视频模型 · 模型发布60

    FastVideo 发布 FastH3-QAD-v2 视频音频模型

    FastVideo 发布 FastH3-QAD-v2,这是一个 8 步视频与音频模型,采用 NVFP4 权重和量化感知蒸馏(QAD)训练,可在单张 Blackwell GPU(RTX 5090、RTX PRO 6000)或 DGX Spark 上运行。

    推荐理由:8 步视频与音频模型以 NVFP4 量化权重落到单张 Blackwell 显卡,并给出与 BF16 教师模型的误差数据。

10月16日周五
  1. ComfyUI Wiki · 工作流与开源创作分享65

    OpenMOSS 发布 5B 文生图模型 MOSS-Image,ComfyUI 同日支持

    OpenMOSS 于 10 月 16 日发布 5B 文生图模型家族 MOSS-Image,包含预训练版 MOSS-Image-Base 和面向普通用户的 MOSS-Image-SFT 两个 checkpoint。

    推荐理由:5B 文生图模型主打中英文文字渲染与 JSON 布局控制,ComfyUI 核心节点同日支持,可据此评估排版类出图流程。

10月15日周四
  1. Black Forest Labs 官方博客82

    Black Forest Labs 发布 FLUX 3 Image Klein 开源权重模型

    Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 参数的开源权重模型,支持文生图、图像编辑和最多 10 张参考图的多参考生成,具备原生 4K 生成、像素级编辑和边界框控制能力。

    推荐理由:5.6B 参数的开源图像模型把 4K 生成与像素级编辑压到 8GB 显存可跑,可据此评估本地出图与改图方案。

  2. Black Forest Labs · FLUX 模型62

    Black Forest Labs 开源 FLUX 3 Image Klein Prompt Upsampler

    Black Forest Labs 发布 FLUX 3 Image Klein Prompt Upsampler,一个 9B 视觉语言模型,把简短图像需求扩写成 FLUX 3 Image Klein 更适用的详细提示词。

    推荐理由:官方开源了 9B 提示词扩写模型,可把简短需求扩成含光线、构图与主体细节的完整提示词,并支持参考图与边界框。

  3. IT之家62

    昆仑万维发布 Matrix-Game 4.0 视频大模型游戏并同步开源

    昆仑万维发布 Matrix-Game 4.0,称其为世界首款运行在单张消费级显卡上的视频大模型游戏,已同步开源。该模型由游戏引擎维护世界状态与交互规则、视频生成模型实时呈现画面,在单张 NVIDIA RTX 5090 上实现 480p、60 FPS 体验,按键到画面响应延迟低于 150 毫秒。

10月14日周三
10月13日周二
  1. Black Forest Labs · FLUX 模型78

    Black Forest Labs 发布 FLUX 3 Image Klein 开源权重模型

    Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 开源权重模型,同时支持文生图、单参考图编辑和多参考图组合生成,文本编码器为 Qwen3-VL-4B-Instruct。

    推荐理由:5.6B 开源权重模型把文生图、单图编辑与多图组合统一到同一模型,并给出量化版本与显存占用,便于自部署者评估落地成本。

  2. Black Forest Labs · FLUX 模型76

    Black Forest Labs 开源 FLUX 3 Image Klein Base,5.6B 权重支持文生图与多图编辑

    Black Forest Labs 在 Hugging Face 发布 FLUX 3 Image Klein Base,这是一个 5.6B 参数的开源权重模型,文生图、单参考图编辑和多参考图合成共用同一模型,文本编码器为 Qwen3-VL-4B-Instruct。

    推荐理由:5.6B 开源权重同时覆盖文生图、单图编辑与多图合成,并给出 BF16、FP8、NVFP4 三档显存占用,便于评估自托管成本。

  3. ComfyUI Wiki · 工作流与开源创作分享78

    Fish Audio 发布 Drama 3 语音合成模型,支持 16 角色与自然语言表演指令

    Fish Audio 于 2026 年 10 月 13 日发布新一代语音合成模型 Drama 3,为开放权重的 35B MoE 模型,每 token 激活 3B。

    推荐理由:35B 开源语音模型支持 16 角色同轨生成与自然语言表演指令,可对照其发音鲁棒性数据评估配音与有声书流程。

10月12日周一
  1. 腾讯 ARC · 创作模型60

    腾讯 ARC 开源多人视频生成模型 Multics

    腾讯 ARC 在 Hugging Face 发布 Multics,通过分层通信实现可扩展的多人视频生成。仓库包含完整的 4-player Multics DiT checkpoint、配置、Wan2.2 VAE、UMT5 文本编码器和 tokenizer,同一 checkpoint 无需重新训练即可支持 6、8、10 人生成。权重以 Apache 2.0 许可分发。

    推荐理由:腾讯 ARC 开源多人视频生成模型 Multics,同一权重可扩展到 10 人,创作者可据此评估多人场景的生成方案。

10月9日周五
  1. SuSu_酥酥66

    阿里通义开源 Qwen-Image-2.1-Turbo,8 步出 2K 图像

    阿里通义开源 Qwen-Image-2.1-Turbo,基于 Qwen-Image-2.1 的加速 checkpoint,沿用同一套 7B 视觉生成架构,文生图与自然语言编辑只需 8 步去噪,官方称仍能生成 2K 图像并支持加配饰、换场景等连续编辑。

    推荐理由:Qwen-Image-2.1-Turbo 以 8 步去噪实现 2K 文生图与自然语言编辑,并给出 Diffusers 与 API 两条上手路径。

10月3日周六
  1. FastVideo 视频模型 · 模型发布62

    FastVideo 发布 FastH3 Trim 8 步音视频生成模型

    FastVideo 发布实验性模型 FastH3 Trim,从 FastH3 V2 的 50 个 MiniMax H3 transformer block 中移除 8 个影响最小的 block,并将各 block 的 AdaLN 时间步投影替换为共享 rank-16 基,用 8 步 DMD2 训练(checkpoint 300),实现 8 步文本生成视频并同步音频。

    推荐理由:FastH3 Trim 用剪枝加共享 AdaLN 把 8 步音视频生成压到消费级硬件,可对照 V2 权衡画质与体积。

9月29日周二
  1. Lightricks · LTX 模型71

    Lightricks 发布 LTX-2.5-22B IC-LoRA Alpha Gen 抠像模型

    Lightricks 发布基于 LTX-2.5-22B 的 IC-LoRA Alpha Gen,输入普通 RGB 视频即可生成逐帧对齐的灰度 alpha 遮罩,无需绿幕、遮罩或提示词,可处理头发、毛发、烟雾、火焰、薄纱、玻璃和水等半透明元素。

    推荐理由:无需绿幕或提示词即可从普通视频生成逐帧对齐的 alpha 遮罩,为抠像与合成流程提供新的替代方案。

9月28日周一
9月27日周日
  1. Lightricks · LTX 模型71

    Lightricks 发布 LTX-2.5-22b IC-LoRA 老片修复模型

    Lightricks 在 Hugging Face 发布 LTX-2.5-22b-IC-LoRA-Restore,一个基于参考视频的 In-Context LoRA,把低分辨率、低码率、磁带或黑白棕褐扫描的老片渲染成干净彩色高清画面,去除压缩损伤、闪烁、脏点与划痕。

    推荐理由:Lightricks 开源老片修复 LoRA,给出从 480 线扫描到 4K 的两阶段流程与实测增益,可对照现有修复管线。

9月21日周一