AI 模型库：大模型、Agent 与开发工具
收录并解读主流 AI 模型、Agent 与开发工具的能力、场景与选型对比。
标签：图像生成
共 63 篇文章 · 清除标签
Ok Work – 百度推出的 AI 随身办公工具
Ok Work是百度推出的轻量化AI随身办公工具，以微信小程序形态运行，面向学生与职场新人，聚焦碎片化办公场景。产品将AI PPT、AI写作、AI表格、AI生图四大核心能力整合于同一对话界面，内置海量模板并支持"做同款"快速套用，无需下载安装即可完成从内容生成、文档转换到视觉设计的完整轻办公流程。依托文心大模型的底层能力，Ok Work将复杂的AI能力拆解为颗粒度精细的具体小工具，以极低的上手门槛...
Ming-Image-0.1-Design：蚂蚁开源6B图像生成模型，端到端重构设计工作流
Ming-Image-0.1-Design是蚂蚁集团InclusionAI开源的一款6B参数图像生成模型，专注设计场景，支持8K长结构化提示词，能端到端生成UI、信息图、海报等完整视觉设计。配合同步开源的Design-Layer模型，该工具可将设计图拆解为2—9个可独立编辑的透明图层，实现"生成—分层—编辑—交付"全流程。Ming-Image-0.1-Design登顶Artificial Anal...
Hy Image3.5 preview – 腾讯混元推出的专业级生图模型
Hy Image3.5 preview是腾讯混元推出的高性价比专业级生图模型，旨在解决专业设计与创作场景中对高质量图像生成、精准文本渲染与多轮迭代编辑的复合需求。该模型同时支持文生图与图生图两种模式，单次可上传最多5张参考图进行多主体融合与风格化编辑，输出最高2K分辨率图像，并支持基于历史上下文的多轮对话式连续创作。相比上一代Hy Image3.0，其综合能力提升约30%，文本渲染、真实感与编辑一...
Qwen-Image-2.1评测：7B轻量开源模型如何兼顾文生图、图像编辑与原生透明通道
Qwen-Image-2.1 是由阿里千问团队开源的新一代图像生成模型，其视觉生成部分仅含 7B 参数，却在官方评测中以 60.28 分的综合成绩登顶开源榜单，甚至超越 Nano Banana 2.0、GPT Image 1.5 等闭源商业模型。该模型将文生图与图像编辑整合于同一架构，原生支持透明图像（RGBA）的生成与编辑，最多可输入 10 张参考图完成多主体合成，并提供圈选、涂抹、掩码三种局部...
HiDream-O1-Video-1.0 – 智象未来推出的全模态视频生成模型
HiDream-O1-Video-1.0（简称HD-V1）是智象未来（HiDream.ai）推出的原生全模态视频生成模型，支持文本、图片、视频等多模态输入，可一键直出5至20秒1080p高清视频。该模型在物理规律导向生成与音画原生一体化方面实现了架构级突破，在Artificial Analysis图生视频榜（With Audio）位列全球第四、Arena.ai盲测榜第八，标志着中国AI视频生成技术...
PixRestore – 香港理工联合OPPO推出的统一图像修复模型深度评测
PixRestore 是由香港理工大学与 OPPO 研究院联合推出的统一图像修复模型，其核心创新在于直接在像素空间执行 Flow Matching，彻底摒弃了传统方案中 VAE 编码器带来的高频细节损失问题。该模型采用 DINO 驱动的自适应层特征路由机制，仅凭 53.7M 参数的轻量级架构即可高效处理超分辨率、去噪、去模糊、去雨、去雾、去雪、雨滴去除与低光照增强等 8 种退化任务，单步推理仅需 ...
ChatGPT Images 2.5 – OpenAI 推出的新一代图像生成模型
ChatGPT Images 2.5 是 OpenAI 于 2026 年 9 月推出的新一代图像生成模型，面向 ChatGPT、ChatGPT Work 及 Codex 全档位用户开放。相比上一代 GPT-Image-2，该模型在生成延迟上最高降低 50%，同时显著提升了精准局部编辑能力、多轮修改一致性以及参考照片的人物保真度。新增的 Sketch 手绘参考、创作模板、图片评论编辑与提示词分享功能...
LLaDA-Image – 蚂蚁集团开源的统一图像生成与编辑模型
LLaDA-Image 是蚂蚁集团 inclusionAI 实验室开源的 6B 参数统一图像生成与编辑模型。该模型采用先纯图预训练、后语言对齐的创新训练路线，通过全扩散架构（LLaDA2.0-mini 理解模块 + 6B DiT 生成模块）实现文生图、指令编辑和中英文字渲染三大核心能力。在 Qwen-Image-Bench 基准测试中，LLaDA-Image 中英文双赛道均取得开源模型第一的成绩，...
MAI-Image-2.6-Flash：微软面向生产场景的高速图像生成模型深度评测
MAI-Image-2.6-Flash 是微软推出的高速图像生成模型，与旗舰版 MAI-Image-2.6 形成互补定位，专攻低延迟、高吞吐的生产级应用场景。该模型基于 Flow Matching 扩散架构，拥有 200 亿非嵌入参数和 32K Token 上下文窗口，生成速度比 GPT-Image-2-Medium 快约 2.8 倍，GPU 效率提升 72%，同时保持接近旗舰版的视觉质量。模型支...
Atlas – World Labs 推出的全球首个多模态世界模型
Atlas是由李飞飞创办的World Labs推出的全球首个多模态世界模型。该模型原生理解文本、图像、视频与3D空间信息，通过空间上下文（Spatial Context）机制将画面锚定在三维坐标中，实现像素级精确的相机控制生成、稀疏照片3D重建及时空模拟。用户仅需提供几张普通照片，即可生成可任意运镜的长视频、重建真实场景，并为机器人搭建仿真训练环境。
