MiniMax 发布开源图像生成模型 H3-Image
MiniMax 发布了基于 H3 的开源权重图像生成模型 H3-Image,支持文生图、参考图生成和图像编辑,可在 10 秒内生成 4096 × 4096 的 4K 图像,最多支持 16 张参考图。
推荐理由: 官方给出 4K 生成速度、参考图数量和定价区间,可据此判断开源图像模型与闭源方案的差距。
今天最值得读的 AI 新闻,来自正在塑造 AI 的实验室、创业公司和研究者。
MiniMax 发布了基于 H3 的开源权重图像生成模型 H3-Image,支持文生图、参考图生成和图像编辑,可在 10 秒内生成 4096 × 4096 的 4K 图像,最多支持 16 张参考图。
推荐理由: 官方给出 4K 生成速度、参考图数量和定价区间,可据此判断开源图像模型与闭源方案的差距。
字节跳动 Seed 推出面向专业生产工作流的图像生成模型 Seedream 5.5,称其支持最多 100 轮多轮编辑,未改动区域在像素级保持一致且不出现偏色。该模型可原生生成带透明背景的 RGBA 图像,无需手动抠图即可作为设计素材使用,并称在光照、材质、皮肤质感和密集小文字还原上更准确。Seedream 5.5 正通过即梦、豆包、豆包 Work 和火山引擎方舟逐步开放,Pro 版本已在计划中。
推荐理由: 原文列出多轮编辑稳定性、原生 RGBA 输出和文字渲染三项能力,可据此判断它在设计生产流程中的位置。
OpenAI 发布 Images 2.6,带来更快的图像生成、GIF 创建、更精确的编辑,以及新的 API 控制。该版本覆盖 ChatGPT、Codex 和 API 三个入口。
推荐理由: 原文列出图像生成提速、GIF 创建、更精确编辑和 API 控制四项变化,可据此判断 ChatGPT、Codex 与 API 的图像能力边界。
微软 AI 发布图像编辑模型 MAI Image 2.7,以预览版上线,在 Arena Edit 排第 3、在 Artificial Analysis 图像编辑榜排第 2,微软 AI 因此成为第 2 名实验室。
推荐理由: 微软公布 MAI Image 2.7 在两个图像编辑榜单的排名,并给出相对上一代在 10 类用例上的提升幅度。
模思智能与 OpenMOSS 团队开源发布 5B 参数生图模型 MOSS-Image,上线 4 天在海外社区收获 130 万次下载,GitHub 获 1.4k Stars 并登顶 Hugging Face 文生图趋势榜。
推荐理由: 文章给出模型参数规模、文字渲染与布局控制的具体评测数字,可据此判断开源生图模型在设计类任务上的位置。