全部 AI 动态

Elon Musk@elonmusk

48

Justine Moore: I'm impressed with the new Grok Image model and editing features! Screenshotted a few items from the Gap website and gen...

Elon Musk@elonmusk

29

X Freeze: Grok Imagine's image editing literally blows my mind I just edited this entire image from scratch using Grok Imagine and...

AYi@AYi_AInotes

52

老马真的是频频放大招啊， @SpaceXAI xAI在文本生成图像这块闷声干了票大的， Grok Imagine Image 2.0 Low版，直接从文生图竞技场第14名跳到第2名🥇 1320分！！！ 更离谱的是分项： 艺术第2，肖像第2，文字渲染第2，卡通动漫第2，照片级电影感第2，产品品牌商业设计第3。 图像编辑竞技场也第2，1439分。 注意，这还仅仅是Low版啊兄弟们， 目前仅在app内可用，API还没开放。 从14到2，这就不是普通迭代了，简直就是跃迁

Grok: Announcing Imagine Image 2.0, our next generation image model with precision editing, crisp text rendering, improved fac...

Chubby♨️@kimmonismus

49

Chubby♨️: Grok announced Image 2.0. It's the second-best image model in the world! SpaceX is really catching up. Now only slightly...

Chubby♨️@kimmonismus

35

Grok: Announcing Imagine Image 2.0, our next generation image model with precision editing, crisp text rendering, improved fac...

🚨 AI News | TestingCatalog@testingcatalog

56

Grok: Announcing Imagine Image 2.0, our next generation image model with precision editing, crisp text rendering, improved fac...

Rohan Paul@rohanpaul_ai

47

Arena.ai: Exciting news: Grok Imagine Image 2.0 (Low) by @SpaceXAI has landed in the Text-to-Image Arena at #2 (1320 pts)! This re...

马斯克旗下 SpaceXAI 今日发布 Imagine Image 2.0 模型，已作为全新质量模式在 Grok.com 网页版及 iOS、安卓应用上线。该模型更遵循指令，能规划文字排版、保持多部分画面一致，并新增魔棒、分割、背景移除、多参考图编辑（最多 5 张）及智能调整尺寸等编辑工具。

AYi@AYi_AInotes

35

Grok: Announcing Imagine Image 2.0, our next generation image model with precision editing, crisp text rendering, improved fac...

葬AI发布 meme bench，用于评测视频模型能力。该基准历时半个月打造，旨在更全面地衡量视频模型表现。

Artificial Analysis@ArtificialAnlys

65

Artificial Analysis 更新文生图竞技场，按 10 类真实用例与 9 项能力评测模型，覆盖营销、电商、UI/UX 设计等场景。GPT Image 2 在所有用例和能力榜单均列第一；Nano Banana 2 以 $67/千图成为性价比之选，MAI-Image-2.5 是电商领域最佳廉价选项，Nano Banana Pro 则在真人电影领域表现突出。

艺术家 David Revoy 发文讲述网友识别出其作品为 AI 生成后的经历。他观察到，一旦作品被打上 AI 标签，观众的评价和互动方式会发生显著变化，甚至影响对作品本身的解读。文章探讨了 AI 生成内容在艺术社区中引发的信任与认知问题。

阿里云今日宣布全新一代视频生成模型 Wan3.0 开启公测，单次可生成 30 秒视频，并首次支持 doc、xls、ppt、pdf、md 等文档格式输入，号称“万物皆可生视频”。

美国祖父母正流行用 AI 平台制作以孙辈为主角的个性化童书，却引发孩子父母强烈反感，甚至导致家庭矛盾。Imagitime、StoryWonderBook 和 Childbook.ai 等平台只需用户提供孩子信息即可生成故事，但家长担忧儿童照片和身份信息被 AI 平台滥用。麦考瑞大学研究员徐道之指出，AI 童书缺乏幽默感和戏剧张力，孩子对这类“专属故事”反应冷淡。

Alexandr Wang@alexandr_wang

17

Hunter Bown: so uhhh muse spark 1.2 is doing things i've never seen other models do

Poly-OPD 通过像素桥与冻结 DINOv2 空间监督，将异构多教师的互补能力整合进单一紧凑的流匹配学生模型。将 FLUX.1-dev 和 Z-Image 蒸馏至 2.5B 的 SD3.5-Medium 学生模型后，GenEval 从 67.3 提升至 73.3，超越两个更大的教师模型，DrawBench HPSv3 从 9.34 提升至 11.35。

ToolArtist 通过后训练统一多模态模型，将推理、外部工具调用与原生图像生成整合于单一智能体策略中。其采用监督微调配合搜索与图像生成工具，并引入 RAD-GRPO 强化学习算法，以意图与质量奖励联合优化。实验表明，全流程智能体控制方案持续优于固定流程或部分控制方案，训练数据与基础设施已开源。

UniWorld-View 提出统一框架，将显式 3D 引导与生成式扩散建模结合，实现单目输入下可控的大基线新视图合成。其遮挡感知点云渲染策略可解决可见性歧义，为扩散合成提供精确先验，在极端相机运动下仍能生成高保真视图，并支持输出多视图视频用于动态 3DGS 重建。WorldScore 基准与零样本 NVS 基准实验验证了其在可控性、几何一致性与视觉保真度上的有效性。

Chime 执行制片人 Shayla Love 透露，团队用 Runway 将原本需约 30 万美元、涉及 80 多名真实会员的电视广告尾卡制作压缩至 3 万美元以内，且几乎无制作开销。Runway 的定制工作流将质量参差的 UGC 照片转化为稳定、达到电视播出标准的动态画面。团队还计划用 Runway 制作概念故事板，以加速广告审批流程。

研究发现扩散 Transformer（DiT）图像生成流程中，预训练 ViT 编码器和 DiT 去噪器均会产生离群 token，尤其在中间层，且简单掩蔽高范数 token 无法改善性能，问题与局部 patch 语义损坏相关。为此提出 Dual-Stage Registers（DSR）干预方法，在 ImageNet 和文生图任务上持续减少离群伪影并提升生成质量。

通义千问推出 Qwen-Image-3.0-Pro 图像生成模型，支持最多 4.5k token 输入和图文混排，可一次生成报纸、分镜、菜单等复杂版式。模型能精确渲染小至 10px 的文字，原生支持 12 种语言和 20+ 字体，并模拟网页、游戏、直播等主流界面。API 定价为 1K 图像输入 $0.003、1K 图像输出 $0.04。

Alibaba Cloud@alibaba_cloud

25

阿里云转发@WonderStudiosX的演示，展示其用HappyHorse 1.1和Wan2.7将单一创意演化为完整故事宇宙的生成效果。该作品通过阿里云Model Studio和Qwen Cloud提供API，用户可基于此构建自己的生成式AI故事。

Wonder Studios: One story, a hundred directions. Built with HappyHorse 1.1 + Wan2.7. Start building with the API on @alibaba_cloud Model...

Alibaba Cloud@alibaba_cloud

69

阿里云正式发布 Qwen-Image-3.0，支持 4.5K-token 提示词、复杂布局、10px 级文字、完整 LaTeX 页面及 12 种语言内容生成。该模型适用于 PPT、UI 设计、广告、建筑、游戏及短剧等场景，并以极具竞争力的定价提供更丰富的图像创作能力。