Midjourney 開放 V8.2 圖像編輯模型供用戶測試
Midjourney 開放所有用戶測試首個 V8.2 圖像編輯模型,支援按指令編輯圖片,以及最多同時使用 4 張參考圖生成圖片。模型亦可修改圖片指定區域、擴展畫布,並支援 personalization、moodboards 和 srefs。
Midjourney 開放所有用戶測試首個 V8.2 圖像編輯模型,支援按指令編輯圖片,以及最多同時使用 4 張參考圖生成圖片。模型亦可修改圖片指定區域、擴展畫布,並支援 personalization、moodboards 和 srefs。
MIT CSAIL 團隊在 Nature Communications 發表研究,提出 attribution decay(歸因衰減),指出訓練數據愈多,單一訓練樣本對生成圖像的影響愈小。
Populous 利用 Runway 加快場館概念設計的視覺化,呈現大型場館的完整效果圖及鳥瞰圖,而非用它創作實際設計。外部渲染團隊製作一段完整影片至少需三週,競賽提交前設計模型以往須提早兩週凍結。視覺製作時間縮短,讓設計師有更多時間深入設計細節,並更快與客戶建立共同願景。
Descript 於 2026 年 8 月 5 日推出多項產品更新,新增預約錄音 Room、以繪畫方式修改圖片局部及 YouTube 縮圖生成功能,並改善跳剪再生成流程。
Ascend Team 全面優化 SGL-Diffusion 中 GLM-Image 的 AR+DiT 生成流程,將兩個階段解耦,並加入動態批次處理和並行去噪。
Skyscanner 在美國及加拿大品牌宣傳活動中使用 Runway,預先規劃拍攝構圖、燈光和演員調度,並在拍攝現場核對素材。團隊把即時拍攝的原始影像放進預先批核的廣告版面,亦為藍幕素材生成臨時背景,以確認造型和道具效果。Runway 用於支援人工主導的美術指導,並非製作最終背景。
Google 於 2026年7月28日宣佈,Google 文件將逐步推出 Gemini 圖像、圖解及資訊圖表生成與編輯功能,並可按文件內容生成視覺素材。用戶可在網頁版透過 Gemini 欄或側邊面板,以自然語言建立或修改視覺內容,包括改寫圖片文字和調整文字大小,亦支援日文。
Figma Brand Studio以人與機器協作為核心,為 Config 2026 打造視覺形象。團隊在 Figma Make 建立工具,製作手繪線條、模糊漸變及橢圓粒子等質感,並用抖動工具統一處理數百張講者肖像。視覺系統亦延伸至立體泡棉雕塑,以及 Play Canvas 和 Shared Frequency 等互動體驗。
Diffusers 現已原生支援 Nunchaku Lite 的 4-bit 擴散模型推理,預量化檢查點可用 `from_pretrained()` 載入,無須獨立推理引擎或本機編譯 CUDA。
推薦理由:文章説明 Nunchaku Lite 在 Diffusers 的原生載入方式,並以 RTX PRO 6000 基準量化呈現延遲與顯存變化。
Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。
推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。
Google於2026年6月30日發佈圖像生成及編輯模型 Nano Banana 2 Lite,可透過 Gemini app 的「Flash-Lite」模式、Google AI Studio、Gemini API 及 Gemini Enterprise Agent Platform 使用。
Google DeepMind 推出 Nano Banana 2 Lite,並首次向開發者開放 Gemini Omni Flash。
推薦理由:兩款模型分別面向高速批量圖像生成與影片生成、對話式編輯,文中列出成本、延遲及 API 限制,可供評估多媒體工作流的取捨。
CNET 攝影記者認為,即使手機相機拍攝效果出色,仍無法完全取代相機。手機握持不如相機自然,感光元件和鏡頭較小,拍攝時亦需依賴軟件處理;生成式 AI 可能重構影像細節,令作者難以確定照片有多少內容來自實際拍攝。
Figma 宣佈把 Weave 工具引入 Figma Design,並在 Figma Community 開放發佈及探索 Weave 工作流程。Figma Design 左側面板現可直接使用 20+ 項 AI 圖像任務;Weave tools 在 open beta 期間免費,正式推出後將消耗 Figma AI credits。
Dropbox Replay 產品設計師 Sara Clayton 使用 Figma Weave,在兩分鐘內為理想客戶檔案(ICP)增添立體感。她以頭像和單一提示詞,生成媒體製作人置身真實工作環境的圖像,並上載參考圖像調整服裝。她分享的範本可將重複使用的人物檔案轉化為更真實的場景。
Google Gemini API 發佈 gemini-3.1-flash-image(Nano Banana 2)及 gemini-3-pro-image(Nano Banana Pro)的 GA 版本,作為原生視覺模型。
Runway 推出 Runway MCP 伺服器,讓用戶可在現有智能體及編碼工具中生成圖像與影片,無須切換工作環境。用戶可提供產品網址、參考圖或文字提示詞,並使用 Gen-4.5、Seedance 2.0、GPT Image 2、Kling 3.0、Nano Banana Pro 等模型。
Figma 第 16 期聚焦 AI 工作流程與工具,涵蓋產品團隊如何判斷值得推出的功能,以及設計與程式碼之間的協作。內容介紹 Figma MCP server 如何把設計決策帶入編寫程式碼的工具,並分享 Figma Weave 的視覺工作流程和 Figma Make 的使用技巧。Gemini Enterprise 團隊亦分享設計智能體工具的做法。
GPT Image 2 現為 Amp 的 painter 工具提供支援,圖像編輯能力勝過 Gemini 3 Pro Image,價格約為後者的四分之一。編輯 UI 截圖時,它尤其擅長保留原有文字、排版及視覺風格;示例中,它將 Chronicle 頁面截圖改成更新後的設計,同時保留原有風格。
Gamma 在 5 月 15 日更新中加入最多 6 欄版面、匯入內容重混及多項簡報編輯功能。自訂字體會嵌入 PowerPoint 匯出檔,並可按主題建議風格,生成風格一致的插圖、照片或抽象圖像。用戶亦可在對話中與智能體構思、生成和編輯圖片,智能體可查看整個畫布;編輯器的主題面板亦支援深色模式。
hatch-pet 是一項為 Codex 應用程式製作自訂動態寵物的技能,可從概念或參考圖片生成角色,再打包成應用程式可讀取的檔案。流程以圖像生成製作角色和動畫行,再由腳本抽取影格、合成及驗證 1536×1872px、8列×9行的圖集,並輸出 pet.json 和 spritesheet.webp。
Manus 在 Manus Slides 上線 GPT Image 2,將 OpenAI 的圖像生成模型接入演示文稿工作流程。Manus 稱模型可提供 4K 照片級真實感解像度、近乎完美的文字渲染及進階空間推理,並支援局部編輯幻燈片文字和視覺元素。該功能向所有用户開放,可在生成設定中選擇 GPT Image 2。
Google Photos 的 Auto frame 現已提供照片視角重構功能,會自動調整相機視點並補全原照片未拍到的畫面區域。方法先估算 3D 點圖與相機參數,再以生成式潛在擴散模型補全重新渲染後的空缺。這項功能會處理符合條件且包含人物的照片,重構版本列為 Auto frame 候選中的第二個版本。
推薦理由:文章説明它如何把照片視為 3D 場景,重設相機位置並補出鏡頭外內容,呈現傳統裁切和縮放無法做到的視角修正。
OpenAI 於 2026 年 4 月 21 日發佈圖像生成模型,ChatGPT 版本名為「ChatGPT Images 2.0」,開發者 API 版本名為「GPT Image 2」。
推薦理由:內容同時列出非拉丁文字及複雜版面的提升,並交代物理世界一致性與精確圖表仍是限制,呈現其能力範圍。
OpenAI 於 2026 年推出 ChatGPT Images 2.0,改進文字渲染,並提供多語言支援與視覺推理。頁面另提示讀者查看 Images 2.5 的新內容。
推薦理由:更新聚焦文字渲染、多語言支援和視覺推理,從三個具體面向呈現 ChatGPT Images 2.0 的更新重點。
ChatGPT 可讓使用者透過清晰提示詞創作及完善圖像,並在數分鐘內生成高質素視覺作品。使用者亦可反覆調整設計,逐步優化圖像。
Figma Weave 以 Epoch 的虛構品牌素材示範五個創作工作流程,從參考圖建立風格,延伸至圖像變體、扭曲效果、3D 模型及影片合成。Figma Community 已推出 20+ 個工作流程範本;Figma 正籌備於今年稍後深化 Figma Weave 與 Figma 的整合。
Manus 的指南提出品牌攝影 AI 圖像提示詞的四層結構,依次描述主體與服裝、場景、相機與膠片類型,以及光線。指南提供廣角、三分之四、側面輪廓、特寫、背面角度和雙人鏡頭的可複製範例,示範中多次使用 Kodak Portra 400。它建議在各提示詞中固定模特描述、相機、膠片和光線設定,以維持系列圖片的一致性。
FireRedTeam 發佈 FireRed-Image-Edit-1.1,基於 FireRed-Image-Edit-1.0,優化人像一致性、多元素融合、風格化文字參照及人像妝效。內置 Agent 可自動處理超過 3 張輸入圖片的區域偵測、裁切拼接及提示詞改寫。項目提供的加速推理配置標示使用 30GB VRAM,生成約 4.5s/sample。
Descript 更新色彩調整工具,並把圖片及影片生成整合至同一面板。更新亦改善 Underlord 專案連結、翻譯影片的唇形同步及 Regenerate 音訊自然度,並支援直接匯出 Scenes。上載至 Drive Media Library 的音訊或影片會自動轉錄,逐字稿會與媒體庫檔案一同儲存。
Hugging Face 推出 Modular Diffusers,讓使用者以可重用區塊組合擴散模型流程,作為現有 DiffusionPipeline 的更靈活、可組合替代方案。
推薦理由:文章以現成流程、自訂區塊及 Hub 分享示例,展示如何把擴散工作流拆成可檢視、替換並重新組合的元件。
Descript 更新加入 Drive view 媒體庫,並在 Underlord 提供 Claude Sonnet 4.6 和 Google Gemini 3.1 Pro。用戶可在媒體庫以資料夾整理素材,並於多個專案重用;從媒體庫加入專案時,轉錄會使用 media minutes。更新亦新增 Nano Banana 2 圖像生成選項,並改善版面套用行為及介面配色對比。
Google 於 2026 年 2 月 26 日發佈 Nano Banana 2(Gemini 3.1 Flash Image),結合 Nano Banana Pro 的部分能力與 Gemini 3.1 Flash 的速度。
推薦理由:Nano Banana 2 結合 Nano Banana Pro 的部分能力與 Gemini 3.1 Flash 的速度,並列出角色、物件一致性及畫面比例等具體生成控制項。
Google DeepMind 發佈圖像生成模型 Nano Banana 2(Gemini 3.1 Flash Image),以 Flash 速度帶來 Nano Banana Pro 的世界知識、品質與推理能力。
推薦理由:Nano Banana 2 將 Nano Banana Pro 的世界知識、視覺品質與創作控制帶到 Flash 速度,並交代其在 Google 產品中的推出範圍及 Nano Banana Pro 的保留使用方式,説明兩款模型面向的工作流程差異。
Google 發佈 Nano Banana 2(Gemini 3.1 Flash Image Preview),這是一款以速度及高用量場景為優化方向的高效率模型。Gemini 3 Pro Preview(gemini-3-pro-preview)將於 2026 年 3 月 9 日停止服務。
Google 於 2026年2月19日推出 Gemini 3.1 Pro 預覽版,強化推理能力,並大幅提升從文字提示詞直接生成 SVG 動畫的質素。在 ARC-AGI-2 基準上,Gemini 3.1 Pro 得分 77.1%,高於 Gemini 3 Pro(33.1)、Claude Opus 4.6(68.8)及 GPT-5.2(52.9)。
推薦理由:文章列出 Gemini 3.1 Pro 在 ARC-AGI-2 的 77.1% 評分,並對照 Gemini 3 Pro、Claude Opus 4.6 和 GPT-5.2 的成績,呈現各模型在該基準上的差異。
美團 LongCat 推出 LongCat-Image-Edit-Turbo,這是 LongCat-Image-Edit 的蒸餾版本,僅需 8 NFEs 進行圖像編輯,並提供極低推理延遲。涉及文字生成的文生圖或圖像編輯任務中,提示詞的目標文字須以單引號或雙引號括起;模型會對引號內文字採用專用字符級編碼,未加引號會嚴重影響文字渲染能力。
作者以四組相同提示詞測試 ChatGPT(GPT-4o)、Midjourney、Nano Banana Pro、Adobe Firefly 和 Manus,比較五款 AI 圖像生成器的表現。
Ollama 現已在 macOS 支援實驗性圖像生成,Windows 和 Linux 支援即將推出。
SGLang-Diffusion 團隊回顧項目發佈兩個月的進展,稱目前版本較初版最高提速 2.5x,並列出多款已支援模型及 LoRA、硬件支援。在 NVIDIA GPU 上,SGLang-Diffusion 的速度較其他方案最高快 5x,並已整合 ComfyUI 自訂節點。