Krea@krea_ai精选AI 评分7878今天，Krea 2正式向所有人开放。 为庆祝上线，我们将为所有订阅用户提供整整一周的无限次Krea 2生成服务。 免费试用 👇
推荐理由：Krea 2 正式开放，新版本性能值得关注，尤其免费一周无限生成，做视觉设计的可以趁现在使劲造图，试试成片质量能不能撼动 Midjourney。
北京时间
图像生成
全部主题AI 画图的最前线：文生图模型迭代、图像编辑能力与创作工具生态的全部动态。
最新精选
第 101–120 条 · 共 143 条- Krea@krea_ai精选AI 评分7878
Elon Musk@elonmusk精选AI 评分7474Grok Imagine 现已向所有 X Premium+ 订阅者开放 这是我们的图像生成模型，由 xAI 开发
推荐理由：below_threshold:T2 推文门槛 75,当前 finalScore=74
- Elon Musk@elonmusk精选AI 评分8484
Grok Imagine 现已正式发布 所有人都可使用 基于我们最新的文本到图像模型 能够生成逼真、高质量的图像 支持多种宽高比 现在可在 X 上使用
推荐理由：这是 Grok 补齐多模态的关键一步，从视频看生成质量不输 Midjourney，而且直接在 X 里就能用，零门槛对创作者是实打实的吸引力。
- Krea@krea_ai精选AI 评分7777
推荐理由：Krea 2 终于向 Pro 用户开放，虽然更新细节暂未披露，但版本号的跃迁加上 Krea 一贯的实时生成野心，做图像视频的值得第一时间上手试试。
Runway@runwayml精选AI 评分7878Runway Agent 让你仅需一次会话，就能从产品照片和想法转变为完全制作完成的广告。 立即通过下方链接开始体验。
推荐理由：Runway Agent把广告制作压到一张产品图加一句话的极简流程，做电商和创意的值得上手测一下是不是真省时间。
Luma@LumaLabsAI精选AI 评分7575更多产品。更多市场。更多格式。再无瓶颈。 定义需求。设定风格。Luma Agents 从此处理所有电商活动素材。 立即扩展 → http://lumalabs.ai/app
推荐理由：Luma把AI生成能力打包成电商专用的Agent，直接省掉多格式物料制作的环节，做电商内容的同行可以看看实际效果是不是真有宣传的那么丝滑。
OpenRouter@OpenRouter精选AI 评分6868
推荐理由：Recraft V4.1 把图像生成从「能看」推到「好用」，六个变体覆盖从电商图到 SVG 的细分需求，短提示就能出好图，做设计的应该当天就用上。
- Krea@krea_ai精选AI 评分7373引用Krea@krea_ai
这是 Krea 2。 我们的第一个基础模型，完全从零构建，专注于美学多样性与风格控制。 了解更多并获得抢先体验 👇
推荐理由：Krea 从套壳到自研模型这一步走得关键，专攻美学多样性和风格控制，对设计师来说是个值得立刻上手试的新选择。
- Krea@krea_ai精选AI 评分6868
这是Krea 2。 我们的首个基础模型，完全从零构建，旨在实现美学多样性和风格控制。 了解更多并获取早期访问权限👇
推荐理由：Krea 终于自研基础模型了，而且是从零开始做，专门为美学多样性和风格控制优化的，对做视觉内容的人来说多了一个风格自由度的选择，值得试试 early access。
HuggingFace Daily Papers（社区热门论文）精选AI 评分7676 Qwen-Image-2.0技术报告
Qwen-Image-2.0是一个统一高保真生成与精确编辑的全能图像生成基础模型。它采用Qwen3-VL作为条件编码器，结合多模态扩散变换器进行联合建模，并通过大规模数据整理与多阶段训练实现强化。该模型支持长达1K令牌的指令输入，能生成幻灯片、海报等富文本内容，显著提升多语言文本渲染与排版质量。在生成方面，它增强了细节、纹理真实感与光照一致性，并更可靠遵循复杂指令。人工评估表明，其在生成和编辑任务上均大幅超越前代模型。
推荐理由：这是 Qwen-Image 系列第一次把多模态理解和生成真正拧到同一框架里，长文本渲染和多语言排版提升肉眼可见，做海报和幻灯片的可以重点关注。
SenseTime@SenseTime_AI精选AI 评分7272推荐理由：商汤把新模型U1的ComfyUI部署流程完整放出，还有实测视频，想在自己机器上跑国产图像模型的开发者可以直接抄作业了。
Apple Machine Learning Research（RSS）精选AI 评分6161 Normalizing Flows with Iterative Denoising
研究团队在归一化流（NFs）生成模型领域取得新进展，提出了迭代TARFlow（iTARFlow）。该方法在训练阶段保持完全端到端的基于似然的目标，采样时则采用自回归生成方式。iTARFlow延续了TARFlow在图像建模任务上的优势，使其成为扩散模型等方法的可行替代方案，进一步提升了归一化流生成模型的性能表现。
推荐理由：Normalizing Flows 这个老方法被苹果玩出新花样，iTARFlow 在训练上保留端到端似然，采样却自回归，给做生成模型的人提供了扩散模型之外的第二个靠谱选择。
Google Gemini@GeminiApp精选AI 评分6767推荐理由：Nano Banana 2 把 Gemini 的图像生成从写 prompt 变成了识别你的兴趣，不用费力描述也能出图，对普通用户可能是真痛点，看直播看看实际效果。
- SenseTime@SenseTime_AI精选AI 评分7171
推荐理由：从100步到8步，23秒压到2秒，商汤这个蒸馏LoRA把U1的推理成本打下来了，做实时图像应用的可以认真看看，ComfyUI一接就能跑。
Midjourney：Updates（RSS）精选AI 评分5656 V8.1 更新
Midjourney V8.1 版本现已登陆 Discord 平台及其官方网站。本次更新重点提升了图像的清晰度与整体画质，这一改进在风格参考（SREF）和情绪板（Moodboards）功能中效果最为显著，同时所有类型的图像生成质量均有所增强，为用户带来更精细的视觉体验。
推荐理由：Midjourney V8.1 只是个小版本迭代，主要提升锐度和图像质量，用惯了 V8 的可以不急着换，但玩 SREF 和 Moodboard 的值得试一下，细节确实有提升。
ChatGPT@ChatGPTapp精选AI 评分6363引用CHOI@arrakis_ai这个 GPT Image 2 提示词现在正疯狂刷屏。 “把附上的图片以最笨拙、最潦草、最可悲的方式重画一遍。用白色背景，让它看起来像是用鼠标在 MS Paint 里画的。它应该隐约相似但又不完全是，有点对得上但又以一种令人困惑、尴尬的方式偏掉，带着那种低质量的逐像素质感，真正强调出它有多荒唐地糟糕。其实，算了，随便吧，你想怎么画就怎么画。”
推荐理由：这 prompt 把 GPT Image 2 从「精美」逼成了「小学生涂鸦」，是近期最有网感的玩法，做内容的可以直接抄。
- Runway@runwayml精选AI 评分6363
用Runway将你的相机胶卷变成视觉特效引擎。 只需选择照片或视频，输入你想要的效果，就这么简单。 万物皆可创作，通过下方链接开始使用。
推荐理由：Runway 把特效制作的门槛降到了选图+打字，对短视频创作者是个直击痛点的更新，虽然算不上重大发布，但实用度拉满。但它不是新模型，别期待太高。
- SenseTime@SenseTime_AI精选AI 评分6565引用AK@_akhaliq
SenseNova U1 已在 Hugging Face 上线 https://huggingface.co/collections/sensenova/sensenova-u1
推荐理由：SenseNova U1 开源了，能生成像素级精准的信息图，对于做电商和可视化的人是个直接可用的工具，值得跑一下看看实际表现。
Rohan Paul@rohanpaul_ai精选AI 评分7171
引用Jeffrey Emanuel@doodlestein我很好奇，在给出同样详细的提示来制作数学讲解信息图时，新的 ChatGPT 图像模型在输出上会有多大差异。 结果：差异相当大！如果这对你很重要，不妨多生成几次，即使第一次看起来很棒。
推荐理由：ChatGPT Images 2.0的输出变异性比想象中大，做内容或设计的人别只看第一张就满意，多生成几次可能有意想不到的好结果。
HuggingFace Daily Papers（社区热门论文）精选AI 评分7979 图像生成器是通用视觉学习者
研究表明，图像生成训练能像大语言模型预训练一样，让模型学习到强大、通用的视觉表征。通过将视觉任务的输出参数化为RGB图像，研究团队将感知任务重构为图像生成任务。基于Nano Banana Pro指令微调构建的通用模型Vision Banana，在涉及2D和3D理解的一系列任务上取得了最先进的结果，在分割任务上媲美Segment Anything Model 3，在度量深度估计上超越Depth Anything系列。这些成果通过轻量级指令微调实现，且未损害基础模型的图像生成能力。图像生成预训练正成为一种通用的视觉学习范式，可能成为构建兼顾生成与理解的基础视觉模型的核心路径。
推荐理由：Kaiming He团队证明图像生成器是通用视觉学习者，只用少量指令微调就让Nano Banana Pro在分割和深度估计上超过专用SOTA，且没忘生成本领。CV研究者不读这篇，可能错过一个范式转变。