标签：image-generation
-
字节Seedream 5.5 实测，GPT Image 2.6 都包浆了，它一点不崩，这模型有点顶！ · 乔木博客
向阳乔木
文章对字节Seedream 5.5模型进行了实测，指出其在多轮编辑一致性、真实性提升以及文本渲染方面取得了突破，多轮编辑一致性达到SOTA水平，且中文字符生成质量显著提高，整体能力跃升。同时，模型支持透明图编辑和图层分离等工具，对电商、影视创作等行业具有实用价值。 -
GPT Image 2.6 提示词完全指南：从生图到改图，27 个官方案例拆解 · 乔木博客
向阳乔木
本文详细介绍了 GPT Image 2.6 的提示词使用指南，涵盖了从生图到修改的 27 个官方案例拆解。指南重点讲解了 new 参数 complexity（控制模型规划深度）、SVG/GIF 输出、markup 参数（用于编辑时圈定修改区域）以及 Flare 和 Sunburst 两个模型的选型逻辑。文章提供了撰写提示词的 8 条原则，包括先定义结果、描述可见细节、精确文字加引号等，并以 27 个案例展示了如何针对不同需求（如生图、改图、SVG 输出、人像写实、信息图、广告图、产品抠图等）进行提示词的结构化编写和参数调优，并给出了从旧模型迁移到 2.6 的六步流程。 -
Qwen-Image-2.1：版本号断裂背后的双线策略，与一个模型接住三件事的野心
yage.ai
Qwen-Image-2.1 通过统一管线整合文生图、局部编辑与透明通道生成，采用 7B 架构并开放权重。其版本号回退暗示闭源商业与开源研究的双线策略，同时许可协议收紧引发社区对商用限制的讨论。 -
Vision Banana：生成即理解终于来到视觉领域
yage.ai
本文介绍了 Vision Banana 模型，它提出了一种将所有视觉任务重构为“按指令画图”的范式。该模型证明了一个纯粹的图像生成模型无需修改架构，仅通过提示词即可完成语义分割、深度估计和表面法线估计等复杂视觉任务，并能在多个基准上超越专用架构，验证了生成能力作为一种通用视觉理解方式的可能性。 -
AI设计工具前沿：Claude Design 与 GPT Image 2.0 深度体验
How I AI
本期节目深入评测了最新的 AI 设计工具 Claude Design 和 GPT Image 2.0。Claude Design 在导入设计系统、创建营销式登陆页面、生成演示文稿方面表现出色，尽管速度较慢且有额度限制，但其在设计系统集成和内容驱动式设计上展现了巨大潜力。GPT Image 2.0 在生成品牌素材和进行色彩分析方面效果显著，尤其在排版和文字渲染上有所突破，标志着 AI 图像生成进入了“思考”的新阶段。节目还探讨了 AI 工具的局限性及其在实际工作流中的应用价值，并提及了 Google 的 design.md 标准。 -
AI正在构建AI：Google DeepMind的Mostafa Dehghani访谈
The MAD Podcast with Matt Turck
本期访谈深入探讨了AI前沿研究的多个热点，包括AI模型如何通过递归式自我改进实现自动化构建下一代AI，以及持续学习如何彻底改变企业数据管道和RAG系统。Mostafa Dani还分享了他在Transformer、Vision Transformer和多模态模型（如Gemini系列）方面的重要贡献，并对AI领域的未来发展和挑战提出了独到见解。