Comfy 悬赏 1 万美元举办开源重建赛,回应 Higgsfield 未兑现开源承诺
Comfy 发起竞赛,悬赏 1 万美元大奖征集对 Genjutsu、Cinema Studio 等创意应用的开源重建,要求发布仓库并允许任何人运行和 fork。
Comfy 发起竞赛,悬赏 1 万美元大奖征集对 Genjutsu、Cinema Studio 等创意应用的开源重建,要求发布仓库并允许任何人运行和 fork。
Krea 3 现已通过 ComfyUI Partner Nodes 提供,这是 Krea 推出的新图像模型,主打基于参考图的生成与编辑。模型针对速度与单图成本优化,支持多张参考图按上传顺序编号引用,并可在改变场景、光线或构图时保持产品标签、形状与材质不变。
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。
Apple 提出首个从零预训练的三模态掩码扩散模型(MDM),在文本、图文和音频-文本数据上联合训练,并系统分析了多模态缩放规律、模态混合比例、噪声调度与批大小影响。其基于 SDE 的重参数化将物理批大小与逻辑批大小解耦,免去最优批大小调参。初步模型在 3B 规模(6.4T tokens)下于文本生成、T2I 和 T2S 任务均取得强劲结果。
ComfyUI 以自定义节点形式接入 Nvidia RTX 视频效果,模型随节点分发并在本地 Nvidia RTX GPU 上运行。
Midjourney 正在 alpha.midjourney.com 测试图像生成的 Thinking Mode,用户可在任务 lightbox 中点击 "Rerun (Thinking)" 运行。测试显示该模式有助于提升提示词准确性、排版和连贯性。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"的方式推出。
Midjourney 在 alpha.midjourney.com 上线共享文件夹,可通过用户名邀请 Collaborators 或 Viewers,也可用链接分享并设置私有、链接可见或全员可贡献,图片仍保留在各创作者自己的历史中。
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。
Apple 研究团队提出 Normalizing Trajectory Models(NTM),将扩散模型每个反向步骤建模为带精确似然训练的条件归一化流,结合步内浅层可逆模块与跨轨迹深层并行预测器,可从头训练或从预训练 flow-matching 模型初始化。其精确轨迹似然支持自蒸馏,轻量去噪器四步即可生成高质量样本,在文生图基准上四步采样即匹配或超越强基线,并独特地保留生成轨迹的精确似然。
Gemini Nano Banana 2.1 通过 Partner Nodes 在 ComfyUI 上线,这是 Google 的图像生成与编辑模型,也是 Nano Banana 2 的继任者,主打价格与性能平衡。
Midjourney 在 alpha.midjourney.com 上线侧边栏样式预览、更大尺寸生成图和文件夹默认参数设置,本周主要修复 bug 并做清理。提示词中多个 sref 现合并为单个样式 pill 并附缩略图,悬停可查看代码,--exp 也可设为文件夹默认值。编辑功能保留原图宽高比,搜索从顶部开始且返回可恢复原页面,下周将推出协作工具。
Midjourney 在 alpha.midjourney.com 界面中试验快速模型,Styles 侧边栏新增提示词跨风格预览,开启 "Live previews" 后可查看 liked 和 featured 风格效果并点击缩略图直接生成。
Midjourney 为 alpha.midjourney.com 推送更新,Styles 侧边栏新增 "Live previews",可在浏览时用当前提示词实时预览各风格效果,点击即套用该风格生成。
阿里 Qwen 团队的最新图像模型 Qwen-Image-2.1 已在 ComfyUI 获得原生支持,开源权重、7B 参数,基于优化的 MMDiT 架构,可直接生成带 alpha 通道的 RGBA 图像。
推荐理由:ComfyUI 原生支持 Qwen-Image-2.1,读者可了解其 RGBA 输出与 7B 消费级显存部署的差异。
Midjourney 为 alpha.midjourney.com 推送更新,新增韩语支持,并修复 v8.2 编辑器的多项问题。编辑器提示栏在附上图片后会询问“What would you like to change?
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。
Midjourney 在 alpha.midjourney.com 推送大更新,新 v8.2 编辑模型上线,并在 lightbox 中内置编辑器,支持用自然语言指令编辑、最多附加 4 张参考图,会话内所有编辑集中展示。lightbox 还实验性加入 Change Style 功能,用于探索风格空间,同时修复了 Niji 7 与 inpainting 组合等一批 bug,整体速度明显提升。
伯克利 AI Research 提出一种基于互信息的成像系统评估与优化框架,仅用含噪测量和噪声模型即可量化测量所含信息量,无需重建算法或任务专用解码器。该信息指标在彩色摄影、射电天文、无透镜成像和显微成像四个域中均能预测下游解码性能,优化后设计可匹配 SOTA 端到端方法,且内存和算力需求更低。相关成果发表于 NeurIPS 2025 论文。