跳到正文

影像生成

AI 畫圖的最前線:文生圖模型迭代、影像編輯能力與創作工具生態的全部動態。

最新精選

第 1–20 條 · 共 51 條
11月21日週六
  1. Unsloth AI Releases65

    Unsloth 推出 Inkling 2 Mini,更新圖片生成、影片改風格與 MCP 對話

    在小型 GPU 上跑圖片生成模型常會佔用不少記憶體,和 AI 助理使用 MCP 工具時,每次對話都重新處理舊內容也會浪費資源。Unsloth 這次推出 Inkling 2 Mini,並更新多項桌面功能:Linux 和 macOS 載入 GGUF 圖片模型時,記憶體用量減少 52% 到 66%;Mac 可替整段影片換上新風格;使用 MCP 的聊天則只處理新內容,在工具測試中少用 83% 到 87% 的提示詞 token。更新也修正了圖片生成、檔案匯入和模型訓練等問題。

    推薦理由:這次更新同時改善小型 GPU 的圖片生成、Mac 影片改風格與 MCP 對話處理,可看出 Unsloth 如何擴充套件桌面端的使用情境。

  2. aihot79

    可靈推出 Kling Image 4.0,支援原生 8K 影像生成

    想生成高解析度圖片或修改圖片時,畫質、文字呈現和價格都是挑選工具時會考慮的事。可靈推出 Kling Image 4.0,主打原生 8K 影像生成、真實感、一組圖片的一致性和文字呈現。Artificial Analysis 的評測中,它的文生圖排名第 7、圖片編輯排名第 6;相較 Kling Image 3.0 Omni,兩項排名的 Elo 分數都提升超過 225。黑色星期五優惠期間,2K 圖片每張最低 $0.022,原生 8K 每張最低 $0.033。

    推薦理由:Artificial Analysis 的排名與 Kling Image 3.0 Omni 比較,呈現新模型在文生圖和圖片編輯上的變化,也提供不同解析度的價格資訊供讀者參考。

11月19日週四
  1. Unsloth AI Releases64

    Unsloth 更新 AMD NPU 支援,並加入影像與影片 LoRA 訓練

    在本機訓練和執行 AI 模型時,硬體支援、模型格式和等待時間常讓人卡關。Unsloth 這次更新讓轉換後的 Q4NX 模型能在 AMD NPU 上載入,也會標示每個模型能不能執行;此外,使用者可以訓練 LTX-2.5 和 MOSS-Image 的 LoRA,並在影片頁面載入 NVIDIA Cosmos3 的 FP8 模型。更新也加入聊天排程,讓排程任務的回覆直接出現在原本的聊天室。部分影像與訓練工作在特定硬體上每步最多快 42%,實際速度會依顯示卡和設定而異。

    推薦理由:這次更新把 AMD NPU、影像與影片模型訓練,以及聊天排程整合進 Unsloth,呈現本機 AI 工作流程涵蓋的範圍。

  2. The Decoder84

    Google DeepMind 推出 Gemini 4 Neon,速度更快、定價更低

    Google DeepMind 推出 Gemini 4 Neon,作為 Gemini 4 Carbon 之外的新選擇。Neon 的文字、圖片、音訊和影片上下文視窗可容納一百萬個 token,生成速度接近 Carbon 的兩倍,標準定價也低 25%。不過,Neon 每項任務會多用約 15% 的輸出 token,因此省下的費用來自每 token 單價較低。報導也整理了它在程式開發、檔案和簡報測試中的表現;不同測試與推理設定下的結果並不相同。

    推薦理由:Neon 與 Carbon 的比較涵蓋速度、價格和多項測試,也指出省錢來自較低的每 token 定價,而非較少的輸出 token。

  3. Artificial Analysis60

    可靈(Kling)推出 Kling Image 4.0 後,Artificial Analysis 將它和其他影像模型放在同一份榜單比較。它在文字生圖排第 7,在圖片編輯排第 6;圖片最高可生成 8K,2K 價格不到排在它前面的 OpenAI 模型的三分之一。圖片編輯的 7 種操作中,有 5 種排進前 5 名。和上一版 Kling Image 3.0 Omni 相比,新版在兩份榜單都增加超過 225 Elo,文字生圖和每一種圖片編輯操作也都有進步。

    推薦理由:這份評測把 Kling Image 4.0 與前代及榜上模型比較,呈現它在文字生圖、圖片編輯和價格上的位置。

  4. ComfyUI Blog63

    Comfy Cloud 開放團隊使用自訂 ComfyUI 節點與模型

    團隊一起做圖或影片時,每位創作者都要各自準備節點、模型和硬體,設定容易不一致,較重的工作也可能超出本機 GPU 能力。現在,Comfy Cloud 付費方案都能使用 Custom Builds,把團隊支援的自訂節點、模型、LoRA 和相依專案打包成共用設定;新成員開啟瀏覽器,就能用相同工具接手工作,也能在 ComfyUI 畫布上調整工作流程,或透過 API 執行。團隊可選擇 GPU,並按工作量增加同時執行的任務;GPU 只在工作執行期間計費,每小時費率依 GPU 而異,介於 $1.75/hr 到 $11.23/hr。

    推薦理由:Custom Builds 把團隊選用的節點、模型與 LoRA 放進雲端共用環境,並按工作量調整 GPU 和同時執行的任務數,呈現協作流程如何延伸到雲端。

11月18日週三
  1. fal72

    要把一張圖片做成能用在遊戲裡的 3D 模型,往往得另外處理模型和材質。fal 推出 Idol Max 與 Idol Max Turbo,輸入一張圖片就能產生 3D 模型,並輸出 GLB 網格、UV 貼圖和 2K 材質;也可選擇加入 PBR 材質與自動繫結骨架。fal 表示,這兩款模型是在 Idol 基礎上由 fal 自行打造並調校。

    推薦理由:fal 說明 Idol Max 與 Idol Max Turbo 能從單張圖片產生可用於遊戲的 3D 模型,也交代了輸出格式與可選功能。

  2. NVIDIA Newsroom Press Releases76

    NVIDIA 推出 RTX Spark 小型桌機,可在本機執行 AI 模型與創作工作

    想在本機跑 AI 模型、處理創作工作,又不想讓筆電一直忙著執行任務,可以考慮專用桌機。ASUS、Dell 和 MSI 的 NVIDIA RTX Spark 小型桌機已開賣,搭載最多 128GB 共用記憶體,可在本機執行支援的模型、AI 助理、圖片與影片生成,也能微調模型。NVIDIA 表示,在本機處理程式碼和檔案可避免這些工作產生雲端 API 費用;桌機也能在筆電外出時繼續執行常駐 AI 助理和排程任務。文中另介紹 Adobe、Blender 和 ComfyUI 等創作工具在 RTX Spark 上的更新。

    推薦理由:RTX Spark 桌機把本機模型、常駐 AI 助理與創作工具放在同一臺電腦,文中也列出記憶體規格與適用工作流程。

  3. Lobste.rs (Engineering Discussion)75

    ASTC 編碼器加入 LZ-RDO,讓紋理封裝檔更小

    ASTC 紋理檔案大小固定,放進一般壓縮封裝後,常常不容易再壓小。作者為 ARM 的 astc-encoder 加入 LZ-RDO,讓編碼器在畫質接近的選項中,挑出較容易重複壓縮的資料,減少封裝檔大小;GPU 使用的 ASTC 紋理尺寸則不變。使用者可調整引數,在畫質、封裝大小和編碼時間之間取捨。這項功能目前只支援 LDR,效果只會出現在磁碟或網路傳輸的壓縮檔中。

    推薦理由:這項方法讓 ASTC 紋理在畫質差異有限時更容易被 LZ 壓縮,並以可調引數取捨封裝大小與編碼時間。

  4. iThome (臺灣)85

    Microsoft 推出 7 款 AI 模型,主打接近頂尖效能與更低成本

    企業使用 AI 模型的費用正快速增加,Microsoft 推出 7 款自研模型,涵蓋程式開發、網路安全、影像生成、語音和模型選擇。以程式開發模型 MAI Code 2 為例,Microsoft 表示,它的效能接近 GPT-6.1 Sol,完成任務的成本約為對方的 40%;網路安全模型 MAI Cyber 2 Flash 則主打持續監控、漏洞掃描和修補。Microsoft 也推出模型權重授權服務,讓企業在自己的 Azure 環境部署模型並用內部資料客製化,減少對代管 API 的依賴。

    推薦理由:七款模型涵蓋程式開發、資安、影像與語音等工作,文中也列出和其他模型的效能及費用比較,可看出微軟主打的成本差異。

  5. aihot84

    Microsoft 推出 MAI Image 2.7、Flash 與 Canvas 影像工作區

    做圖時想改一個物件,常會連帶影響畫面其他部分;Microsoft 推出 MAI Image 2.7 和 MAI Image 2.7 Flash,主打影像生成與編輯,並能區域性調整物件的顏色、材質或位置。官方公佈的價格分別約為每 1,000 張 $35 和 $10,兩款模型目前都可透過 Microsoft Foundry 公開預覽。Microsoft 也在 MAI Labs 推出由 Flash 驅動的 Canvas,使用者可以從提示詞或草圖開始,再選取畫面區域進行修改。

    推薦理由:官方提供 MAI Image 2.7 與 Flash 的價格和影像編輯排名,可比較兩款模型在成本與編輯品質上的取捨。

  6. aihot83

    Microsoft MAI 發布多款模型,推出可自行掌控的授權權重

    企業想用大型語言模型處理日常工作,常得面對成本,也在意自家資料和模型權重由誰掌控。Microsoft MAI 發布多款模型,涵蓋程式開發、網路安全、影像編輯和語音轉寫。演講表示,MAI Code 2 在四項日常程式基準測試的平均表現達 GPT 6.1 Sol 的 98%,成本為 40%;MAI Cyber 2 Flash 在 Cyber Gym 測試領先 GPT 6 Astra,每項任務成本不到 2%。新推出的 MAI Licensed Weights 可用專有資料客製模型,再放進自家的 Azure 環境執行,由企業管理存取許可權及資料。

    推薦理由:演講把多款模型的價格與效能放在日常工作中比較,也說明授權權重如何讓企業在自己的 Azure 環境中客製和執行模型。

  7. OpenRouter72

    Microsoft 在 Ignite 發表三款新模型,並已在 OpenRouter 上線。MAI-Image-2.7 可產生 2K 透明背景圖片;MAI-Image-2.7 Flash 是速度較快、較輕量的版本,適合大量使用;Microsoft-Decision-1.1 則能在一次呼叫中,為每個答案選項提供校準後的機率。

    推薦理由:三款模型各自面向透明背景圖片、高量生成與選項機率估計,能快速看出 Microsoft 這次發布的用途差異。

  8. fal69

    想做出細節豐富的圖片、修改指定部分,或讓一系列宣傳圖片維持相同風格,現在可以在 fal 使用 Microsoft 的 MAI Image 2.7 和 MAI Image 2.7 Flash。兩款模型都能生成圖片並進行精準編輯;Flash 提供相同的編輯控制,生成速度較快,每張圖片的費用也較低。

    推薦理由:MAI Image 2.7 與 Flash 的差異在於 Flash 生成較快、每張成本較低,可供比較影像編輯速度與費用。

  9. Vercel Blog68

    MAI-Image-2.7 與 MAI-Image-2.7-Flash 於 AI Gateway 正式上線

    Microsoft 推出的 MAI‑Image‑2.7 與 MAI‑Image‑2.7‑Flash 兩款影像生成模型,已在 Vercel 的 AI Gateway 進入公開預覽。它們可產出最大 2048×2048 畫素、支援透明背景的 PNG,並能用同一 API key 進行文字生成或圖片編輯。MAI‑Image‑2.7 針對高品質最終素材,MAI‑Image‑2.7‑Flash 則提供更快、成本更低的變體。開發者只需設定 AI_GATEWAY_API_KEY,即可透過 Vercel AI SDK 或 AI CLI 直接呼叫。

    推薦理由:本文說明 Microsoft MAI-Image-2.7 及其 Flash 版可在 AI Gateway 直接使用,支援 2048×2048 解析度與透明背景,適合需要高品質或快速生成影像的應用。

  10. Arena.ai69

    MAI-Image-2.7 已結束預覽,Arena 的榜單比較了它和前一版 MAI-Image-2.6 在圖片任務上的表現。新版本在多張圖片編輯排第 3,單張圖片編輯和文字生成圖片都排第 4,整體比前一版約高 50 分;單張圖片編輯的進步最大,例如文字呈現從第 13 名升到第 4 名。每張圖片價格是 $0.035,榜單也把它列在兼顧價格與排名的選項中。

    推薦理由:Arena 比較 MAI-Image-2.7 與前一版在多種圖片任務的名次,也列出每張 $0.035 的價格,方便了解效能與成本的取捨。

  11. Artificial Analysis73

    挑選影像編輯模型時,品質和價格常得一起考量。Microsoft 推出 MAI-Image-2.7 和 MAI-Image-2.7-Flash,Artificial Analysis 表示兩款模型在影像編輯與文字生成圖片的品質和價格比較中,都進入表現與費用的前段。MAI-Image-2.7 每 1k 張圖片要 $34.82,Flash 版要 $10.24;前者在文字或符號、場景與風格、畫面增強與修復等編輯專案排名第 1,後者在場景與風格編輯排名第 3。這些結果提供了比較兩款模型用途與費用的依據。

    推薦理由:Artificial Analysis 比較兩款模型在影像編輯與文字生成圖片的表現和價格,可看出不同任務下品質與費用的取捨。

  12. aihot67

    Suno 推出 Visuals,讓歌曲變成影片和圖片

    想替歌曲配上影片或封面,過去可能需要另外找工具製作。Suno 推出 Visuals,讓使用者把曲庫中的歌曲拖進網頁,就能生成最長 15 秒的影片或圖片;影片可以跟著歌曲段落和節拍,呈現歌詞並配合口型,也能延長、編輯或用文字調整。Visuals 另設文字和畫面過濾器,檢查生成內容,並提醒使用者確認上傳素材的權利;影片或圖片分享到平臺外前,會加上看得見的水印。

    推薦理由:Visuals 把歌曲轉成短片、歌詞影片或封面,也說明瞭生成前後的內容檢查與權利提醒如何配合運作。

11月17日週二
  1. aihot77

    可靈 AI 推出 Kling Image 4.0 影像模型並開放 API

    想用文字做出大尺寸圖片、長篇文字圖或一組風格一致的圖片,常會遇到模型能處理的內容有限。可靈 AI 推出 Kling Image 4.0,並向企業客戶與開發者開放 API。它支援原生 8K 影像生成,內建 110+ 種影調風格和 70+ 種商用字型;一次描述最多可生成 10 張風格連貫的組圖,也能在單張圖片中生成最多 2000 字。這些功能適合用來評估它是否符合影像創作與電商長圖的需求。

    推薦理由:原文列出 Kling Image 4.0 的影像尺寸、文字長度與組圖能力,方便對照不同創作需求。