跳到正文
10月16日周五
  1. Comfy Blog74

    Black Forest Labs 发布 FLUX 3 Image Klein:5.6B 开源权重模型

    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。

10月15日周四
  1. Apple Machine Learning Research30

    Apple 首次从零预训练三模态掩码扩散模型,3B 规模验证统一设计

    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。

10月14日周三
10月9日周五
  1. Midjourney Updates38

    Midjourney 在 Alpha 网站测试图像生成 Thinking Mode

    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。

10月8日周四
  1. Apple Machine Learning Research38

    Apple 提出 Normalizing Trajectory Models(NTM):四步采样保留精确似然

    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。

10月7日周三
10月2日周五
  1. Midjourney Updates15

    Midjourney alpha 更新:样式预览、默认参数与多项修复

    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。

9月25日周五
9月24日周四
9月20日周日
9月17日周四
9月8日周二
  1. OpenAI 部署安全与系统卡42

    OpenAI 发布 ChatGPT Images 2.5 系统卡

    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。

9月4日周五
  1. Midjourney Updates22

    Midjourney Alpha 更新:v8.2 编辑模型上线 lightbox 内置编辑器

    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。

1月10日周六
  1. Berkeley AI Research24

    伯克利提出信息驱动成像系统设计框架,可跨四类成像域预测系统性能

    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。