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。
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。
Black Forest Labs 在 Hugging Face 发布 Flux 3 Image Klein 的 ComfyUI 重打包模型文件,原始模型仓库为 black-forest-labs/flux-3-image-klein。
推荐理由:官方给出 Flux 3 Image Klein 在 ComfyUI 中的文件目录与多种量化版本,方便本地部署者按需选择。
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。
可灵 IMAGE 3.0 Omni 支持多图参考生成,可将用户婚纱照与头纱参考图结合,在保留面部、发型与婚纱的前提下预览不同头纱长度、蕾丝与佩戴位置,并输出 2K 或 4K 图像。该功能仅呈现外观效果,无法反映面料重量、行走时的垂坠感与佩戴舒适度,适合在试纱前缩小选择范围。
Apple 研究者提出首个从头预训练的三模态掩码扩散模型(MDM),同时处理文本、图文和音频-文本数据,并系统分析了多模态扩展规律、模态混合比例、噪声调度与批大小影响。
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上,依托 GPT-6 Astra 实现。同时,它用 GPT-Image-2.5 提升画面精度,并借助 GPT-Live 提供通往语音电影制作的路径。
推荐理由:Higgsfield 借助 GPT-6 Astra 把 AI 视频时长从 1 分钟拉到 10 分钟以上,可据此判断长片创作的可用性。
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。
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。
Kapwing 发布分步指南,讲解如何用 AI 生成 Vox 风格拼贴动画纪录片,流程分为写脚本、拆分视觉节拍、生成拼贴图像、逐帧动画、生成配音和剪辑成片六步。
推荐理由:完整拆解 Vox 拼贴风纪录片的六步 AI 工作流,含可复用的图像与动画 Prompt,适合想复刻该视觉风格的创作者参考。
ElevenLabs 在 ElevenCreative 中推出 Brand Kit,把品牌视觉规范从提示词中抽出来,作为工作区里的一个对象统一管理。用户可存入颜色、字体、logo、参考图和品牌使用规则,在 Image & Video、Flows 和 ElevenCreative agent 的提示词中输入 @ 即可调用,同一套 kit 跨各功能生效。
Qwen 发布 Qwen-Image-2.1-Turbo,这是 Qwen-Image-2.1 的加速 checkpoint,用于文生图与图像编辑,仅需 8 步去噪。
推荐理由:8 步采样与 KV 缓存复用文本和参考图上下文,创作者可据此评估出图与改图流程的提速空间。
Recraft 官方博客发布教程,介绍如何用 Recraft V4.1 Vector(Create → Model,每张图 4 credits)把角色配角转成矢量吉祥物,并生成表情包与贴纸包。流程包括简化形状、以 16:9 一次性生成六种姿势的贴纸表情表、导出 SVG 无损缩放,并在 16 至 32 像素下测试可读性。
Recraft 官方博客发布教程,讲解如何在 Recraft Studio 中用原创角色制作四格漫画:先用 V4.1 Flash(每张 0.5 credits)生成 2:1 四格分镜草图,再用 Nano Banana 2.1(每张 7 credits)逐格渲染,并附上角色与环境参考图保持一致性。文字气泡建议用文本工具添加而非图像模型,最后可导出为社交轮播图、竖版长图或网络漫画页。
Recraft 官方博客发布教程,介绍如何在 Recraft Studio 中用角色主图创建自定义风格,再设计场景并把角色放入其中。
因官方 Qwen-Image 2.1 提示词改写器是 9B 模型、需约 20 GB 内存,作者通过 HuggingChat 中的 ML Intern 造出 0.8B 版本,可在 CPU 运行,输出有效率 99.7%,token 消耗约为教师模型的四分之一,含 8,797 条标注在内的总算力成本 16 美元。
Midjourney 在 Alpha 网站(alpha.midjourney.com)测试图像生成的新 Thinking Mode,用户可在任务 lightbox 右下角点击 "Rerun (Thinking)" 运行。测试显示该模式有助于提升提示词准确度、文字排版和画面连贯性。Midjourney 表示未来可能将其作为通用的 thinking 模式,或在任务完成后"增加更多思考"。
Midjourney 在 alpha.midjourney.com 上线共享文件夹,可按用户名邀请 Collaborators 或 Viewers,也可通过链接分享,Collaborators 能直接在文件夹内生成并接续他人作品。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者把创意转化为精细图像和电影级视频广告。
Gemini Nano Banana 2.1 是 Google 的图像生成与编辑模型,作为 Nano Banana 2 的继任者,现通过 Partner Nodes 在 ComfyUI 上线。
推荐理由:ComfyUI 官方接入 Gemini Nano Banana 2.1,创作者可对比其分辨率档位、思考等级与单次成本变化。
OpenAI 已于 2026 年 5 月 12 日从 API 下线 DALL-E 3,ChatGPT 免费版内置图像生成每天仅约 2 到 3 张。
Topaz AI 并非免费:Topaz Labs 已于 2025 年 9 月终止 Topaz Photo AI 和 Topaz Video AI 的永久授权,桌面版也不再提供试用,改为先付费、48 小时内可申请退款。
LetsEnhance 是乌克兰团队运营的浏览器端 AI 放大工具,Trustpilot 186 条评价获 4.1 分,付费版最高支持 16 倍放大与 512 MP 输出,免费账户仅 10 积分且输出带水印。
InvokeAI 发布 7.0.0 alpha 1,称这是其规模最大的一次更新,约 320 个 PR、2600 次提交,需 Python 3.12,且新界面为默认。
推荐理由:InvokeAI 7 把画布、工作流与视频生成整合进单一工作台,并新增 MiniMax H3、LTX-2.5 等模型支持,可据此判断是否迁移现有出图流程。
Google 9 月发布前沿模型 Gemini 4 Argon,具备 100 万 token 输出上限,主打高级推理与网络安全防御,目前通过 Fairwind Program 向可信网络安全人员分批开放。
Black Forest Labs 的 FLUX 3 Image 已加入 Envato AI 模型阵容,支持多参考图生成与编辑、原生 2K/4K 高分辨率输出、图像内文字生成与修改、基于参考图的风格迁移以及局部精准编辑。用户可指定每张参考图的具体作用,并在保留画面其余部分不变的前提下增删或替换特定元素。
Midjourney 为 alpha.midjourney.com 上线侧边栏样式预览、Create 更大图片和文件夹默认参数设置,本周以修 bug 和清理为主。提示栏中多个 sref 现合并为带缩略图的单个样式 pill,悬停可查看代码,并支持将 --exp 固定为文件夹默认值。官方称下周将推出新的协作工具,并预告持久化编辑历史与更好的样式探索方式。
Luma 推出 Variants,用户上传一张已过审的静态广告后,选择版式与语言,即可自动生成各尺寸与语言组合的版本,logo、标题和 CTA 保持不变,仅调整布局与文案。
推荐理由:广告团队可据此评估把单张已过审素材批量适配多尺寸与多语言版本,替代手工重做。
Adobe 在 OpenAI DevDay 2026 期间为 ChatGPT 中的 Adobe 插件推出交互式编辑功能,可在侧边栏中选中图像局部后让 ChatGPT 调用插件修改,再用色相、饱和度、对比度等动态滑块微调,编辑结果会作为上下文回到对话中。
Adobe 宣布完成对 AI 视频与图像增强公司 Topaz Labs 的收购,后者将保留独立品牌,其应用与模型继续作为独立产品提供。Topaz Labs 的技术已进入 Adobe Firefly 和 Photoshop,用于图像与视频的超分与增强,其 Neurostream 技术支持在本地设备或 Topaz 云端处理复杂 AI 模型。
推荐理由:Adobe 将 Topaz Labs 的画质增强模型并入 Firefly 与 Photoshop,可观察影视后期工具链的整合走向。
Qwen 开源 Qwen-Image-2.1,一个统一文生图与图像编辑模型,视觉生成部分为 7B 参数、32 层 Single-Stream DiT。该版本支持生成常规与透明 RGBA 图像、最多 10 张参考图、圈选或蒙版局部编辑,并保持人物与商品一致性。
推荐理由:Qwen 开源统一文生图与图像编辑模型,并附带提示词改写模型,创作者可据此评估编辑流程的接入方式。
通义千问开源 Qwen-Image-2.1,一个统一的文生图与图像编辑模型,视觉生成部分为 7B 参数、32 层 Single-Stream DiT,兼顾生成质量、推理效率与通用性。
推荐理由:通义千问开源图像生成与编辑模型,并配套提示词改写模型,创作者可据此评估出图与改图流程。
Hugging Face 团队用 Gradio Workflow 重建了 AUTOMATIC1111 的大部分功能,做成单一画布 Workflow1111,由 11 条媒体管线和 73 个节点组成。
推荐理由:用 73 个节点复刻 A1111 全部功能,可对照 ComfyUI 评估节点式工作流的另一种组织方式。
Google DeepMind 与 Primordial Soup 合作推出纪录短片《Love, Rendered》,用 AI 复原 Burt 和 Ethelle Shatz 夫妇未曾拍摄的相遇场景。
推荐理由:Google DeepMind 用图像修复与表演捕捉模型复原未拍摄的往事,可看到生成式工具在纪实影像中的具体用法。
OpenAI 推出 ChatGPT Images 2.5,可将想法、草图与参考照片转化为更个性化、更精致的图像,更贴近用户原本的构思。
Google 在 Workspace 下推出图像创作与编辑工具 Google Pics,基于 Nano Banana 图像生成与编辑模型,将在未来几周向所有 Google AI Pro 和 Ultra 订阅者及多数 Workspace 商业客户开放。
推荐理由:Google 把图像生成与编辑工具接入 Workspace 应用,可据此判断团队出图流程是否要迁移。
Gradio 内置的 gr.Workflow 把 AI 管线描述为带类型节点的图,提供可拖拽画布,每个节点可运行、中间结果可见,同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由:Gradio 把多步 AI 管线做成可视化图并自动暴露 REST 接口,可对照现有出片流程评估迁移成本。
Hugging Face 博客介绍 Diffusers 现已原生支持 Nunchaku 的 4-bit 扩散推理,加载量化 checkpoint 只需调用 from_pretrained(),无需本地 CUDA 编译。
推荐理由:Nunchaku 的 4-bit 量化推理现已原生接入 Diffusers,创作者可据此评估消费级显卡上的出图显存与速度取舍。
PRX 系列第四篇披露其数据管线:预训练数据由公开与内部数据集混合组成,用 VLM 重新生成图像长描述,再转为可流式训练的语料。团队改用 Qwen3-VL 文本编码器并在训练中实时计算文本 latent,实测吞吐损失约 3–4%(30 天训练多花约 1 天)。图像统一以 JPEG quality 92 编码,经实测首次重编码几乎不可察觉。
Google DeepMind 发布 Nano Banana 2 Lite(gemini-3.1-flash-lite-image)和 Gemini Omni Flash(gemini-omni-flash-preview)两款模型。
推荐理由:两款模型分别主打图像生成的速度成本与视频的对话式编辑,开发者可据此评估接入组合流程。
OpenAI 推出 ChatGPT Images 2.0,改进了文字渲染、多语言支持与视觉推理能力。该版本于 2026 年发布,Images 2.5 的新功能可另行查看。