OpenAI的全模态模型没来，谷歌的全模态图像生成器倒是抢先上线了！Gemini 2.0 Flash中上线的原生图像生成功能，动动嘴就能PS，还能轻松制作海报和表情包，动漫和漫画圈已经沸腾了。
，最近，Appfigure 通过梳理 1000 款 AI 应用(移动端)总结了一份年度 AI 趋势报告，称AI市场在2024年近20亿美元的规模，重点介绍了AI助理、文生图、AI 陪伴、教育AI等版块。
你能想象判别模型也能成为强大的图像合成高手吗？「直接上升合成」（DAS）做到了！它突破传统认知，借助多分辨率优化等创新技术，在图像生成的多个关键任务中表现出色。
SANA 1.5是一种高效可扩展的线性扩散Transformer，针对文本生成图像任务进行了三项创新：高效的模型增长策略、深度剪枝和推理时扩展策略。这些创新不仅大幅降低了训练和推理成本，还在生成质量上达到了最先进的水平。
就在除夕前的晚上（2025 年 1 月 27 日），Deepseek 发布了多模态模型 Janus-Pro-7B，该模型在图像生成和多模态理解方面都超过了OpenAI的DALL-E 3（虽然也一般般），我相信能文生图功能一定很优秀了，今天搞点特殊的，测试下图像理解能力对专业的医学影像有没有应用的可行性，以下是常见的五种医学影像测试。
最近，妙鸭相机在新年之际有了新动作——上线 2.0 版本，支持「拍」Live 动态写真。时隔一年半，它能再次掀起水花吗？
就在刚刚，腾讯混元3D全新版本上线了。这一周内我在混元3D、Tripo3D、Meshy这三家AI 3D里跑了上百次案例，在文生3D、图生3D、纹理材质生成、3D工作流四个维度，让小白也能最大程度体验到AI 3D能做到什么，以及将如何影响AI生图、AI视频的工作流。
自由画布类 AIGC 工具：从近期新品（更新）窥见发展趋势——自律才能给我自由。图像 & 视频多主体一致功能：模型上下文能力的重要体现，未来各家模型的标配。指定 AI 生图里的文字，我找到了 9 种解决方案，其中有 2 种快过时了
AI生图热潮下，技术与艺术正在不断碰撞中擦出新火花。人们对于生成效果和创意的要求都在悄然提升，同时也开始更加注重其中的实用性与持续性，而非只是单纯的娱乐体验。
对于 LLM，推理时 scaling 是有效的！这一点已经被近期的许多推理大模型证明：o1、o3、DeepSeek R1、QwQ、Step Reasoner mini……
