Amp 新增圖像生成與編輯功能
Amp 現可透過 painter 工具生成及編輯圖片,可用於設計靈感、調整介面稿和製作視覺素材。用戶需明確要求 Amp 使用 painter 工具;該工具底層採用 Gemini 3 Pro Image(又稱 Nano Banana Pro)。
Amp 現可透過 painter 工具生成及編輯圖片,可用於設計靈感、調整介面稿和製作視覺素材。用戶需明確要求 Amp 使用 painter 工具;該工具底層採用 Gemini 3 Pro Image(又稱 Nano Banana Pro)。
Alibaba 於 2025年12月23日發佈圖像生成與編輯 AI Qwen-Image-Edit-2511,作為 Qwen-Image-Edit-2509 的大幅升級版本,改善編輯與合成的一致性。
Alibaba 於 2025年12月19日發佈 Qwen-Image-Layered,可將輸入圖片拆分成多個 RGBA 圖層,並讓每層獨立操作和編輯。用戶可用自然語言提示詞指定 3–10 層、各層元素和編輯方式,也可在圖層內再次分層。
Manus 推出 Design View,這項 Manus Agent 擴展功能把視覺資產的生成、局部修改及文字編輯整合到同一設計工作流程。用户可在手機應用程式中按住圖像選取區域,以語音或文字輸入修改指令,亦可一次提交多個區域的編輯。Manus 表示,Design View 即日起向所有用户開放,設計模式由 Google 的 Nano Banana Pro 提供支援。
Manus 現已向所有用户開放編輯以 Nano Banana Pro 建立的幻燈片,無須重新生成整張幻燈片即可作定向修改。用户可編輯文字、點選視覺元素作局部更改,亦可選取多個區域批量編輯;文字渲染會配合原有設計。
OpenAI 於 2025-12-16 發佈圖像生成模型及 API gpt-image-1.5,並在 ChatGPT 推出圖像生成與編輯專頁 ChatGPT Images。
推薦理由:文章同時整理圖像生成與編輯的提示詞要點,從指定構圖、區分修改與保留元素,到分步迭代,提供可直接參照的實作方法。
美團 LongCat 發佈 LongCat-Image,這是一款 6B 參數、支援中英文的開源圖像生成基礎模型。項目稱,LongCat-Image 在多項基準上超越多個規模大數倍的開源模型,並列出中文字渲染、寫實效果及部署效率等特點。在涉及文字生成的文生圖及圖像編輯任務中,提示詞的目標文字必須置於引號內,否則專用字元級編碼策略不會觸發,文字渲染能力會嚴重受損。
美團 LongCat 推出 LongCat-Image-Edit,這是 LongCat-Image 的圖像編輯版本,支援中英文編輯。模型在開源圖像編輯模型中達到 SOTA,並提升推理效率;支援全域、局部、文字及參考圖引導編輯,並可在多輪編輯中保留未編輯區域的一致性。
美團 LongCat 釋出 LongCat-Image-Dev,作為 LongCat-Image 的開發版本及中期訓練檢查點,供社羣進行下游開發。項目亦附有 SFT、LoRA 微調、DPO/GRPO/MPO 對齊及專項 Edit 訓練程式碼,並提供由預訓練資料整理至獎勵模型整合的可重現流程。
OpenAI 推出更快的 ChatGPT Images 體驗,並在 API 中提供 GPT-Image-1.5。材料亦提及 ChatGPT Images 2.5,但未提供更多細節。
推薦理由:更新同時涵蓋 ChatGPT Images 體驗提速與 GPT-Image-1.5 在 API 提供,呈現這次發佈涉及的兩部分變化。
OpenAI Developers 的 gpt-image-1.5 提示詞指南介紹圖像生成與編輯工作流,並提供涵蓋多種任務的實例。指南建議按場景、主體、細節和限制組織提示詞,明確標示要修改及保留的內容,再以小幅迭代降低畫面偏移。
Manus 推出 Manus 1.6,帶來旗艦 Agent Manus 1.6 Max、移動應用程式開發,以及用於圖像創建和編輯的 Design View。官方稱 Max 在雙盲測試中的用户滿意度提高 19.2% 以上,並提升複雜多步驟任務的成功率;廣泛研究的所有子 Agent 現在均基於 Max 架構運行。
Sequoia Capital 宣佈與生成媒體平台 fal 合作,並領投其 D 輪融資。fal 為企業及開發者提供 400+ 款開放及封閉權重模型的隨選服務,並在新模型發佈當日提供支援。平台亦提供高速推理、開發者 API、進階 Playground UI,以及模型微調、風格和協作等企業功能。
Manus 將 Google 的 Nano Banana Pro 整合至 Manus Slides,讓用户可用提示詞生成完整簡報。每張幻燈片以獨立高解析度圖像生成,並可渲染清晰易讀的文字;此功能向所有 Manus 用户開放。內容以圖像形式嵌入,需要完全可編輯的文字簡報時,Manus 建議使用標準 HTML 幻燈片工具。
Gemini API 宣佈 gemini-2.5-flash-image-preview 模型將於 2026 年 1 月 15 日停止服務。
OpenAI 與 NORAD 合作,為「NORAD Tracks Santa」帶來三款 ChatGPT 節日工具,讓家庭創作節日精靈、玩具填色頁及自訂聖誕故事。
Gamma 的 Studio mode 現由 Nano Banana Pro HD 驅動,並採用全新的提示詞處理機制。更新提升文字呈現效果、主題配合度、整體視覺效果及跨項目一致性,並讓用戶選擇偏好的藝術風格;Studio mode 適用於 Pro 及以上方案。
Together AI 將 Black Forest Labs 的 FLUX.2 加入 Together Model Library,讓 1M+ Together AI 開發者可使用其多參考圖像生成。
Google 於 2025年11月20日發佈以 Gemini 3 Pro 為基礎的圖像生成模型 Nano Banana Pro,作為 Nano Banana 的上位版本,面向更複雜、高品質的圖像創作。
推薦理由:文章對照 Nano Banana 與 Nano Banana Pro 的定位,並整理多項 Google 產品的推出安排及浮水印規則,呈現新模型的能力範圍與使用條件。
Google DeepMind 發佈 Nano Banana Pro(Gemini 3 Pro Image),並以付費預覽方式向開發者開放。模型具備更準確的文字渲染和圖像本地化能力,支援 2K 和 4k 解析度;啟用 Google Search grounding 時,亦可連接即時網頁內容。
推薦理由:文章把 Nano Banana Pro 的文字渲染、本地化能力與接入方式,連同相較 Gemini 2.5 Flash Image 的成本和延遲取捨一併交代。
Google DeepMind 發佈 Nano Banana Pro(Gemini 3 Pro Image),一款基於 Gemini 3 Pro 的圖像生成與編輯模型。
推薦理由:相較原版 Nano Banana 主打快速、有趣的編輯,Pro 面向複雜構圖,並提供多語圖中文字、最多 5 人形象一致性和 2K、4K 輸出,呈現兩者的能力定位差異。
Figma 宣佈將 Google 的 Nano Banana Pro 逐步開放予付費方案用戶,供旗下所有支援圖像生成的產品使用。作者以 Figma Buzz、Figma Design 和 Figma Slides 的案例展示模型如何保留配色、構圖等品牌視覺特徵並延伸既有圖像。文中亦指出,用戶可修改圖像中的文字和專色,而不扭曲原圖。
Google 發佈 Gemini 3 Pro Image Preview,並稱其為 Nano Banana 模型的下一個迭代版本。詳情可參閲圖像生成頁面。
SGLang 團隊推出 SGLang Diffusion,支援多款開源圖像及影片生成模型,並稱不同工作負載的推理速度提升 1.2x - 5.9x。系統支援 Wan、Hunyuan、Qwen-Image、Qwen-Image-Edit 及 Flux,並提供 OpenAI-compatible API、CLI 和 Python engine API。
Gemini API 更新將 Gemini 2.5 Flash Image 的圖片輸入 token 數由 1290 降至 258,降低圖片編輯成本。
Gemini 2.5 Flash Image 於 2025 年 10 月 2 日推出 GA。更新列出其圖像生成功能,可使用 Gemini 生成圖像。
Hugging Face 介紹如何在 ZeroGPU Spaces 使用 PyTorch AoT 編譯,將模型預先編譯後在不同程序中載入,以減少即時編譯造成的冷啟動開銷。
推薦理由:文章拆解 ZeroGPU Spaces 的 PyTorch AoT 編譯流程,並展示量化、動態形狀與區域編譯等可遷移的優化做法。
Gemini API 推出 Gemini 2.5 Image Preview,並稱其為最新的原生圖像生成模型。
Google 正式將 Imagen 4 Ultra、Imagen 4 Standard 和 Imagen 4 Fast 模型開放一般使用(GA)。詳情可參閲 Imagen 頁面。
OpenAI Developers 示範如何使用 4o 模型生成圖像。
OpenAI 示範如何在 Image API 和 Responses 圖像生成工具中設定 input_fidelity="high",以保留輸入圖片的關鍵細節。指南提供人像、標誌、局部物件編輯及多圖合成示例,並説明多圖輸入時首張圖片可保留更豐富的紋理細節。該設定會比預設值消耗更多 image input tokens。
Google 發佈 Imagen 4 Ultra 和 Standard Preview 模型。更新日誌指向圖片生成頁面供讀者瞭解詳情;原文:https://ai.google.dev/gemini-api/docs/changelog?hl=en#06-24-2025
Hugging Face Diffusers 文章比較五種量化後端在 FLUX.1-dev 上的記憶體佔用與推理時間。BF16 載入後約佔 31.447 GB,bitsandbytes 4-bit 為 12.584 GB、推理需 12 秒;torchao int4_weight_only 為 10.635 GB,但推理需 109 秒。
Runway 透過 Runway API 開放 Gen-4 Image(包括 References),讓任何人可將其多模態生成能力整合至應用程式、產品、平台及網站。API 每張生成圖像收費 $0.08。文中列出虛擬試穿、遊戲素材、室內設計及自訂創作工具等示例,並提供 runway.com/API 入門。
ChatGPT 的圖像生成功能可根據提示詞、草圖或上載圖片,協助製作符合品牌形象的視覺內容和產品示意圖。
Figma 在 Config 2025 宣佈推出四款新產品及多項功能更新,擴展其設計與產品開發平台。Figma Make 可把文字描述或既有設計轉成原型或應用程式,Figma Sites 用於建立及發布動態網站;Figma Draw 加強向量編輯,Figma Buzz 面向品牌及市場營銷團隊製作視覺素材。
Figma 推出 Figma Buzz 開放測試,讓設計與市場團隊在同一平台協作製作品牌素材。設計師可鎖定範本部分內容,讓市場團隊在品牌規範內編輯;亦可使用 OpenAI 的 gpt-image-1 和 Gemini 建立圖像。團隊可把文字和圖像欄位連結至試算表批量製作素材,並匯出為 PNG、JPEG 或 PDF。
Gemini API 發佈 gemini-2.0-flash-preview-image-generation 預覽模型,用於生成及編輯圖像。更新日誌附有 Image generation 和 Gemini 2.0 Flash Preview Image Generation 相關説明。
OpenAI 宣佈其最新圖像生成模型 gpt-image-1 現已可透過 API 使用。開發者與企業可將可自訂的專業級視覺內容直接整合至自有工具與平台。
推薦理由:材料交代 gpt-image-1 已可透過 API 使用,並指出開發者與企業可將可自訂的專業級視覺內容直接整合到自有工具與平台。
OpenAI 在 GPT‑4o 中推出原生圖像生成,並提升文字渲染與指令遵循能力。原文亦提及 ChatGPT Images 2.5。
推薦理由:原生圖像生成之外,文字渲染與指令遵循是明確列出的改進點,讀者可據此掌握 GPT‑4o 圖像功能此次更新的着力處。