法国人工智能初创公司 Mistral AI 宣布为其 Le Chat AI 助手添加了一系列新功能，包括集成的网络搜索、图像生成以及新推出的 Pixtral Large 模型。Le Chat 功能升级用户现在可以通过 Le Chat 直接访问实时网页内容，轻松获取所需的信息。同时，借助 Black Forest Labs 的 Flux Pro 模型，用户还能生成高质量的图像，满足多种创作需求。除了网络搜索和图像生成，Le Chat 还引入了一个画布界面，让用户可以在聊天窗口内直接编辑生成的内容。这一功能使得用户能够编写文档、创建演示文稿以及编辑代码，而

在人工智能驱动的图像生成与理解领域，尽管取得了快速进展，但仍存在显著挑战，阻碍了一个无缝、统一的方法的发展。目前，专注于图像理解的模型往往在生成高质量图像方面表现不佳，反之亦然。这种任务分开的架构不仅增加了复杂性，还限制了效率，使得处理同时需要理解与生成的任务变得繁琐。此外，许多现有模型在有效执行任何功能时，都过于依赖于架构修改或预训练组件，这导致了性能权衡与整合挑战。为了解决这些问题，DeepSeek AI 推出了 JanusFlow，这是一个强大的 AI 框架

​在2024年11月12日，百度世界大会在上海世博中心隆重开幕。此次大会涵盖了一场主论坛、四场分论坛以及超过三十节的人工智能公开课。百度创始人李彦宏在主论坛上发表了题为“应用来了”的演讲，介绍了百度在人工智能领域的最新技术突破和应用成果，并对未来的行业趋势进行了深入探讨。

知名 AI 图像生成工具 FLUX1.1Pro 迎来重大更新，推出全新版本 FLUX1.1Pro Ultra。新版本支持高达4兆像素的分辨率，生成速度也大幅提升，每张图片仅需约10秒即可完成。FLUX1.1Pro Ultra 提供 "Ultra 模式" 和 "Raw 模式" 两种模式，满足用户对清晰度和真实性的不同需求。Ultra 模式 下，用户可以生成超高分辨率图像，分辨率是标准版的4倍，生成速度比同类高分辨率模型快2.5倍，并且不会影响提示词的精准度。 这意味着用户可以在更短的时间内获得细节更丰富的图像，同时保持对生成内容的精确控制。

在AI绘画领域，一项革命性的技术刚刚问世。InstantX推出的Regional-Prompting-FLUX技术让AI绘画的精准度达到了前所未有的高度，无需额外训练即可实现图片内容的精细化控制，为创作者们带来了全新的创作可能。这项突破性技术最令人惊叹的是其强大的区域控制能力。通过FLUX，创作者可以精确指定图片中不同区域的生成内容和风格。比如，你可以在同一张图片中让一部分区域呈现写实风格，而另一部分则展现2D动漫效果，实现风格的完美融合。FLUX的技术优势不仅体现在创作自由度上，更在于其

阿里巴巴通义实验室最新研究表明，现有的文生图 Diffusion Transformer 模型其实已经具备生成多张具有特定关系图像的能力，只需稍加“点拨”就能“融会贯通”，生成高质量的多图集。传统的 Diffusion 模型更像是一个“死记硬背”的学生，需要用海量数据训练，才能生成高质量的图像。而有了 IC-LoRA 加持，它就变成了“触类旁通”的学霸，只需要少量样本就能学会新技能。这背后的原理说起来也不复杂，研究人员发现，现有的文生图 Diffusion 模型其实已经具备一定的“上下文学习”能力，只

近日，在LLM大模型榜单上引发关注的神秘模型red_panda（小熊猫）终于揭开面纱，该模型实为英国人工智能初创公司Recraft AI推出的最新图像生成模型Recraft V3。据悉，自以red_panda化名发布以来，Recraft V3已收获超过10万次投票，在Artificial Analysis排行榜上以1172的ELO评分领先其他模型。值得注意的是，Artificial Analysis图像竞技场累计已有超过100万次投票，其ELO评分系统被视为评估图像生成模型的重要独立指标。Recraft V3的突出特点在于其强大的长文本图像生成能力，不再局限于单个或少量词语的图像

北京智源人工智能研究院（BAAI）近日宣布推出了一款全新的全能视觉生成模型OmniGen，标志着图像生成领域的一项重大突破。OmniGen模型以其统一性、简单性和跨任务知识迁移能力而著称，能够在单一框架内处理多种图像生成任务，包括文生图、图像编辑、主题驱动生成和视觉条件生成等。此外，OmniGen还能够处理一些经典的计算机视觉任务，如图像去噪和边缘检测，通过将这些任务转换为图像生成任务来实现。

​美图公司宣布，其旗下的美图奇想大模型（MiracleVision）在图像生成能力上实现了又一次升级，此次升级标志着该大模型在综合实力上的进一步完善。同时，美图公司推出了一站式AI短片创作工具MOKI，预计将逐步覆盖美图旗下产品生态，为用户提供全新的视觉体验。

近日，北京人工智能学院的研究团队推出了一款名为 OmniGen 的全新图像生成模型。全能型图片生成编辑选手与以往的图像生成工具如 Stable Diffusion ，OmniGen 最大的亮点是，它不再只是专注于单一任务，它具备了多种能力:能在一个统一的框架下处理多种图像生成任务能:包括从文本到图像生成、图像编辑，可以说是个全能选手。这意味着，用户只需提供简单提示词，就能控制图像生成与精细编辑，而不再需要再使用 ControlNet、IP-Adapter 这样的插件对图片进行细节调整!OmniGen 的架构非常简化。与

谷歌 DeepMind 联合麻省理工学院（MIT）近日发布了一项重大研究成果。研究团队开发的新型自回归模型"Fluid"在文本到图像生成领域取得了突破性进展，该模型在扩展到105亿参数规模后，性能表现出色。这项研究颠覆了业界普遍认知。此前，自回归模型虽然在语言处理领域占据主导地位，但在图像生成方面一直被认为不如 Stable Diffusion 和 Google Imagen3等扩散模型。研究人员通过创新性地引入两个关键设计因素，显著提升了自回归模型的性能和可扩展性:采用连续型词元替代离散型词元，以及引入

智源研究院正式发布了他们的新一代多模态世界模型 Emu3，该模型的最大亮点在于，它仅依靠下一个 token 的预测能力，就能在文本、图像和视频这三种不同模态中进行理解和生成。在图像生成方面，Emu3能够根据视觉 token 预测生成高质量的图像。这意味着用户可以期待灵活的分辨率和多样的风格。而在视频生成方面，Emu3则是以一种全新的方式工作，不同于其他模型通过噪声生成视频，Emu3通过顺序预测直接生成视频。这种技术的进步使得视频生成变得更加流畅自然。在图像生成、视频生成和

最近的一项研究提出了一种新方法，利用人类注意力来改善人工智能生成的图像质量。该方法使用显著性检测器来识别图像中最重要的区域，并优先考虑这些区域的生成。传统的图像生成方法会统一优化整个图像，而新方法则利用显著性检测器来识别和优先考虑更“重要”的区域，就像人类一样。这种方法可以提高图像质量和文本提示的保真度。研究人员使用了稳定扩散模型和显著性检测器来生成图像，并将其与传统方法进行了比较。结果表明，新方法在图像质量和文本提示的保真度方面

最近，科研团队联合推出了一款名为 Meissonic 的开源 AI 图像生成模型。惊喜的是，这款模型仅使用了十亿个参数，却能生成高质量的图像。这种紧凑的设计让 Meissonic 有潜力在移动设备上实现本地化的文本转图像应用。这项技术的背后，研发团队包括阿里巴巴、Skywork AI 以及多所大学的研究者。他们采用了一种独特的变换器架构和新颖的训练方法，使得 Meissonic 能够在普通游戏 PC 上运行，甚至未来可能在手机上使用。Meissonic 的训练方法采用了一种被称为 “遮蔽图像建模” 的技术，简单来说

苹果正在幕后努力准备为 iOS18、iPadOS18和 macOS15添加新的 Apple Intelligence 功能。我们将在 iOS18.1、iPadOS18.1和 macOS15.1更新中获得第一批功能，但苹果也在为下一批功能做准备。MacRumors 发现了对 Siri 的 ChatGPT 集成的新引用，因为苹果正在准备实现 ChatGPT 支持。Siri 代码提到了 ChatGPT 生成的文本和 ChatGPT 生成的图像的选项，这是苹果计划很快实现的两个功能。ChatGPT 与 Siri 的集成是全球开发者大会上重点介绍的 Apple Intelligence 功能集的一部分，苹果计划在今年年底前推出这项功能。ChatGPT 集成不在苹

英伟达与麻省理工学院、清华大学的研究人员合作开发了一款名为Sana的全新文本到图像生成框架，该框架能够高效生成高达4096×4096分辨率的图像。Sana可以在极快的速度下合成高分辨率、高质量且与文本高度一致的图像，甚至可以在笔记本电脑的GPU上运行。Sana 的核心设计包括:深度压缩自动编码器: 与传统的自动编码器仅压缩图像8倍不同，Sana 训练的自动编码器可以将图像压缩32倍，有效减少了潜在标记的数量。线性 DiT: Sana 将 DiT 中所有普通的注意力机制替换为线性注意力机制，这在高分

研究人员最近开发了一种名为 REPA 的新技术，旨在加速 AI 图像生成模型的训练速度。REPA 代表 REPresentation Alignment，通过整合来自 DINOv2等模型的高质量视觉表示来提高训练速度和输出质量。传统的扩散模型通常会创建嘈杂的图像，然后逐渐将其细化为干净的图像。REPA 增加了一个步骤，将在此去噪过程中生成的表示与来自 DINOv2的表示进行比较。然后，它将扩散模型的隐藏状态投影到 DINOv2的表示上。研究人员表示，REPA 不仅提高了训练效率，还提高了生成的图像质量。使用各种扩散模型架构

Midjourney最近公布了一系列令人兴奋的更新和即将推出的新功能，这些进展表明公司在AI图像生成领域的快速发展和创新。首先，Midjourney即将推出一款新的在线编辑器，这款编辑器将允许用户导入图片，并利用内置的深度图和图像修复功能进行编辑。团队正在积极讨论首次发布时将包含哪些功能，并正在优化用户界面，以便将新功能与现有的图片功能区分开来。此外，内容审核功能已经运行良好，确保平台内容的合规性。在个性化功能方面，Midjourney正在开发新的工具，使用户能够更容易地

近日，来自Nvidia和特拉维夫大学的研究人员推出了一款名为ComfyGen的创新AI工具，为图像生成领域带来了新的突破。ComfyGen能够基于简单的文本提示自动生成复杂的图像工作流程，极大地简化了高质量图像生成的过程。ComfyGen的核心优势在于其多步骤工作流程approach。不同于传统的单一模型文本转图像方法，ComfyGen能够智能地选择合适的模型、制定精确的提示，并结合其他工具（如图像放大器）来实现最佳效果。这种approach模仿了经验丰富的提示工程师的工作方式，能够根据不同的文本内容和

近日，阿里妈妈创意团队发布了 FLUX.1-Turbo-Alpha，这是基于 FLUX.1-dev 模型训练的一款8步蒸馏 Lora 模型。该模型采用了多头判别器，显著提高了蒸馏的质量，支持文本到图像生成、修复控制网等多种 FLUX 相关的应用。团队建议在使用时将引导尺度设置为3.5，Lora 尺度为1，未来还会推出更低步数的版本。FLUX.1-Turbo-Alpha 可以直接与 Diffusers 框架结合使用。用户只需通过几行代码便能加载模型并生成所需的图像。例如，你可以创建一个有趣的场景:一只微笑的树懒穿着皮夹克、牛仔帽、格子裙和蝴蝶