FLUX 3 Image Klein 实测:速度快但审美失衡,中文支持不稳定
NVIDIA 的 FLUX 3 Image Klein 蒸馏模型在 RTX 5080 上每张图仅需 8 秒,但图像质量明显退化,人像缺乏自然度。该模型是 FLUX 3 5.6B 的 4 位蒸馏版本,中文提示理解能力不稳定,整体表现显著低于同级别对手 Qwen Image 2.1。
NVIDIA 的 FLUX 3 Image Klein 蒸馏模型在 RTX 5080 上每张图仅需 8 秒,但图像质量明显退化,人像缺乏自然度。该模型是 FLUX 3 5.6B 的 4 位蒸馏版本,中文提示理解能力不稳定,整体表现显著低于同级别对手 Qwen Image 2.1。
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、图像编辑和多参考图生成,最多可用 10 张参考图,具备原生 4K 生成、像素级编辑和边界框控制能力。
同一新闻,精选展示《Black Forest Labs 发布 FLUX 3 Image Klein:5.6B 开源权重模型》
可灵 4.0 正式发布,Kling AI 官方账号以“The art of 4.0”转引 2XLabs 的发布消息。引用文案称“以想象,定义下一帧”,定位为从灵感到世界成形的创作工具,未给出具体能力或版本细节。
Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,参数量 5.6B,可在单张消费级 GPU 上运行,支持原生 4K、bounding boxes 和像素级编辑。开发者可对其进行后训练和微调,官方同时提供低延迟版用于更快生成和自托管,以及 FP8、NVFP4、INT8 量化版本。原生 4K 的蒸馏模型也将通过 BFL APIs 提供。
Kling 4.0 正式发布并全面上线,主打超现实图像生成能力,用户已可基于新版本开始创作。推文展示了该版本生成的一张魔幻主题扑克牌图像。
Black Forest Labs 在 ComfyUI 发布 FLUX 3 家族的紧凑开源权重模型 FLUX 3 Image Klein,共 5.6B 参数,提供 Base 和 Distilled 两种版本。该模型支持原生 4K 生成,内部评测中文生图和多参考生成得分高于 Qwen-Image 2.1。
Black Forest Labs 发布 FLUX 3 Image Klein,这是 FLUX 3 家族中紧凑的开源权重模型,参数量 5.6B,保留大尺寸 FLUX 3 Image 的边界框等控制功能,并提供未蒸馏的 Base 版和低延迟的 Distilled 版。
推荐理由:原文给出 5.6B 开源权重的量化加速数据与消费级 GPU 实测,可据此判断本地图像生成的成本变化。
Black Forest Labs 发布 FLUX 3 Image Klein,这是一个 5.6B 参数的开源权重模型,支持文生图、图像编辑以及最多十张参考图生成,支持原生 4K 输出、像素级编辑和用于元素定位的边界框。
同一新闻,精选展示《Black Forest Labs 发布 FLUX 3 Image Klein:5.6B 开源权重模型》
Krea AI 发布图像编辑模型 Krea 3,主打快速精准的图像编辑,可将角色、服装和场景的独立参考合并为单一画面,并保持面部与色调一致。在真实图像编辑基准 CPI-Bench 上,Krea 3 Ultra 得分 4.81/5,仅次于 GPT Image 2.5,高于其他所有图像模型。
Gemini 4 Argon 通过文本提示生成了一幅 SVG 图像:一只鹈鹕坐在自行车上,周围环绕几何形状与符号,展现模型对非现实主义、抽象风格的理解与表现能力。该图融合生物与机械元素,被视为图像 AI 处理混合超现实主义与符号学场景的经典测试。
Gemini 4 Argon 收到一张曼哈顿天际线照片后,将其重画为油画,并自行编写了一个多遍渲染的 canvas 渲染器。该渲染器先铺大块背景笔触,再勾勒建筑与河流,最后在水面上添加细腻的镜面高光。
阿里发布 MiniMax-H3-Turbo 加速权重,提供 4 步、6 步和 8 步三档,其中 4 步档为约 2.59 GB 的 LoRA 适配器,需与官方 FL2VA transformer 同载且不降低显存。该版本适用于 ComfyUI 工作流,作者同时解析了 LoRA 与独立 Transformer 的架构差异。
Google 发布新一代生图模型 Nano Banana 2.1,围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性升级,支持 4K 直出。据 Arena 评测,其在文本转图像、多图像编辑和单张图像编辑三项上平均提升约 61.7 分,其中文本转图像排名第四、比上一代提升 80 分。
推荐理由:汇总了 Nano Banana 2.1 的 4K 直出、中文渲染与 API 降价信息,并附上网友实测的对比与水印 Bug 反馈。
阿里巴巴开源 Qwen-Image-2.1-Turbo,基于 7B 视觉生成架构,将 denoising 步骤从 50 降低至 8,同时保持高分辨率、高保真图像和自然语言编辑能力。该模型是对 Qwen-Image-2.1 的加速优化,由阿里通义千问团队发布,推理步数大幅减少带来更快的生成速度和更低的计算成本,并保持 2K 分辨率。
Qwen-Image-2.1-Turbo 发布开放权重,可在 8 步内完成高质量图像生成与编辑,并原生支持 NSFW 内容。
阿里千问发布 Qwen-Image-2.1-Turbo,这是开源权重模型 Qwen-Image-2.1 的加速版本,在保持 7B 视觉生成架构的前提下把去噪步数从基线的 40 步降到 8 步,并保留 2K 生成、多参考图编辑和透明 RGBA 输出。
Qwen-Image-2.1-Turbo 图像生成模型发布,基于 7B 视觉生成架构,仅需 8 个去噪步骤即可创建和编辑图像,开源权重可用。模型提供 Diffusers 加载方式和 API 访问方式。
Arena 公布本周榜单:Nano Banana 2.1 在三个 Image Arena 模式进入前六,Multi-Image Edit 以 1431 分排第 4,Text-to-Image 第 5(1328 分),Image Edit 第 6(1428 分)。
通义千问发布 Qwen-Image-2.1-Turbo,这是基于同一 7B 视觉生成架构的加速 checkpoint,只需 8 个去噪步骤即可生成和编辑图像,权重已开放。该系列为生成与编辑统一模型,原生支持 RGBA 图层生成与编辑,可处理最多 10 张参考图并保持人像与商品的高保真度。模型权重已在 ModelScope 和 Hugging Face 开放,博客与 GitHub 仓库同步上线。
Speridlabs 发布 Iris-3B,一个 3B 的 flow-matching transformer,直接生成原始 RGB 像素,无需 VAE 参与,可充当通用视觉学习器。
Artificial Analysis 评测 Google 于 10 月 6 日发布的图像模型 Nano Banana 2.1,在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均排名第 4。
Simon Willison 用 llm 命令行工具让 Mistral Large 4 生成"穿渔网袜的犰狳在火星乱穿马路"的 SVG,并与 Claude Opus 5.5、GPT-6.1-sol、Gemini 3.8 Flash 同题对比,各模型均使用默认推理等级。
Lumina-mGPT 2.0 发布,这是一个独立运行的自回归图像建模框架,通过逐像素预测生成图像,无需依赖大规模基础设施。项目提供用户友好的 API 和灵活的参数配置,采用 MIT 许可证开源,代码已托管于 GitHub 并可通过 Releases 下载模型文件。
banana2.1 今日发布,引发对 AI 图像模型格局的讨论:美学风格化方面 midjourney 依然无可取代,8.2 甚至断崖式领先;而文字封面、示意图、信息卡片等精确性图像需求,OpenAI 和 Google 表现更好,两类需求已完全分流。
Nano Banana 2.1 发布,官方称其在视觉设计、蒙版编辑、主体一致性和更自然的图像观感上超越前代。用户现可在 Gemini App 和 Google AI Studio 等入口使用。Google Labs VP Josh Woodward 表示蒙版编辑是此次更新中他最喜欢的功能,并预告后续还有更多更新。
谷歌于 10 月 7 日发布 AI 图像生成与编辑模型 Nano Banana 2.1,重点提升视觉设计、基于蒙版的局部编辑以及多图生成中的主体一致性。
Google 发布图像生成与编辑模型 Nano Banana 2.1,已进入 Arena 的文生图、图像编辑和多图编辑三个榜单,分别以 1328、1428、1431 分位列第 5、第 6、第 4。相比 Nano Banana 2,文生图提升 80 分、多图编辑提升 67 分、图像编辑提升 38 分。官方称其在视觉设计、基于掩码的编辑和主体一致性上有明显进步。
Google 发布图像模型 Nano Banana 2.1,基于 Gemini 3.6 Flash,在部分基准测试中超过此前的 Pro 模型,同时成本更低。原文同时指出,上一代模型在测试中成绩也不错,而 Pro 在实际使用中往往生成更好的图像。
Google 发布图像生成与编辑模型 Nano Banana 2.1,接替 2026 年 2 月发布的 Nano Banana 2。新版本价格约降一半,1K 图像从 6.70 美分降至 3.36 美分,4K 从 15.10 美分降至 7.56 美分。
Google 发布 Nano Banana 2.1,面向图像生成和编辑用户,带来更高质量的图像,修复了此前模型的多个问题,并采用新的更低价格。该模型已在 API、AI Studio 和 Gemini 应用中可用。
SenseNova 6.8 Flash Preview 展示动态设计能力,可将静态图像转化为动态效果。该预览以 vibe coding 方式驱动,官方将其称为"爪爪版"动态设计。
Ideogram 4.5 首次进入 Artificial Analysis 榜单,在 AA-Image-Editing v2.0 图像编辑榜排名第 23,是 Ideogram 首个上榜的模型。其在 AA-Image-T2I v2.0 文生图榜排名第 34,较 Ideogram 4.0 的第 40 有所上升。
Ideogram 4.5 发布,支持多轮精确图像编辑与高分辨率。该版本由 ideogram.ai 官方推出,具体能力细节尚未在现有材料中展开。
OpenAI 公布 ChatGPT Images 2.5 系统卡,涉及 GPT-Image-2.5-Sunburst 和 GPT-Image-2.5-Flare 两个模型。两者均未跨过 Preparedness Framework 的生物高风险与网络高风险阈值,但 OpenAI 仍按生物风险高能力模型采取预防性缓解措施,包括针对图像场景调整的生物风险安全策略。