Midjourney 上线 V8.2：大幅砍掉废图，个性化更懂你的审美
Midjourney 推出 V8.2 图像模型，重点提升审美表现、画质与个性化能力。新版本大幅减少了随机生成的低质废图，画风更加大胆精致；得益于社区评分构建的更大图库，系统能更敏锐地理解用户的个人审美偏好。
AI图像
查看更新的新闻
微软推自研多模态模型：Bing 生图已全面替换，语音速度翻倍
微软推出自研多模态模型 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash 并开启公测。Bing Image Creator 已全面默认切换为自研图像模型；语音模型速度提升 2 倍且成本降 32%。微软正逐步用自研模型替代第三方技术，支持旗下全系产品。
Microsoft 推出图像模型 MAI-Image-2.6：可结合联网信息，精准控制编辑
Microsoft 推出图像生成与编辑模型 MAI-Image-2.6。它能实时调取网页信息辅助绘图，并提供精确的构图与风格局部编辑能力；同步推出的 MAI-Image-2.6-Flash 价格不到旗舰版一半。目前已上线官方 Playground 供测试。
Black Forest Labs 开启 FLUX 3 早期访问：图影音统一架构，支持 20 秒原生配音视频
Black Forest Labs 推出多模态基座模型 FLUX 3 并开启早期访问。该模型基于 Self-Flow 架构，在统一网络中同时学习图像、视频与音频，支持单次生成长达 20 秒带原生音频的视频，并能拓展至机器人动作预测。官方计划在未来数周逐步开放图像生成与开源权重 Dev 版本。
阿里发布 Qwen-Image-3.0：支持 4500 token 长输入，可渲染 10px 微缩文字
阿里推出第三代图像生成基座模型 Qwen-Image-3.0。模型支持最高 4.5k token 输入，可处理报纸、分镜等复杂排版，支持 12 种语言及 10px 级文字渲染，还能生成网页等界面，并支持联网检索实时信息。
ABot-World：单张 RTX 5090 跑得动的无限实时交互世界
ABot-World 是一个开源的实时交互式世界模拟器，允许用户实时输入动作控制场景走向，支持无上限的持续生成。模型只需单张 RTX 5090 显卡即可在本地运行，以 1.2 秒延迟输出 720p、16 FPS 画面，代码与模型权重均按 Apache 2.0 协议开源。
微软开源 Mage Flow：4B 参数兼顾生成与编辑，1 秒内出图
微软发布开源图像生成与编辑模型 Mage Flow。它采用 40 亿参数架构，不仅支持多语言文字渲染与背景替换等指令编辑，还原生内置姿态和边缘等控制能力。其 4 步 Turbo 模型生成单张高分辨率图像不到 0.6 秒，主模型约 17.5GB，中高端显卡即可本地部署。
Adobe 相机 Indigo 转向生成式 AI：新增消除与重拍建议，用的却是 Google 模型
Adobe 为实验性相机应用 Project Indigo 推送 1.1 更新，新增「AI Playground」工具集。新版本支持消除画面杂物、风格滤镜、自定义修改以及重拍建议，目前接入的是 Google Nano Banana 模型而非自家 Firefly。该功能正在小范围免费测试，不喜欢 AI 修图的用户也可手动关闭。
Runway 发布 Agent 2.0：一句话生成全套跨平台营销策划与广告素材
Runway 发布 Agent 2.0，能将简单的提示词转化为完整的营销策划案并生成多平台广告素材。它接入 Meta、YouTube 等渠道的投放数据进行复盘，还能调用 Gen-4.5 等多种模型自动适配不同画幅与地区版本。也就是说，Runway 正在从单一视频生成走向全流程营销自动化。
Roblox 推出移动端 AI 工具 Build：打字就能直接搓出 3D 游戏
Roblox 宣布推出移动端 AI 创作工具「Build」，用户在手机 App 中输入文字提示词，就能直接生成包含玩法机制、3D 场景和音效的可玩游戏。该工具基础版免费，将于 7 月 28 日在新西兰率先开启测试，后续还将上线测试与数据分析智能体。
Google 图片 25 周年：主页改版动态画廊，搜索直出 AI 图像
Google 庆祝图片搜索 25 周年，在搜索的 AI Overviews 中加入图像生成功能，并推出个性化动态画廊主页。生图功能由其最新的 Nano Banana 模型驱动，用户输入文字即可直接绘图。两项更新将在未来几周面向英文等支持地区逐步推送。
Motion4Motion 突破骨骼限制：连狐狸的动作都能迁给长颈鹿
研究人员提出免训练动作迁移框架 Motion4Motion。它跳过传统的骨骼绑定与 ControlNet，通过追踪密集像素动作流并匹配目标角色，在推理阶段直接生成新动作。最值得关注的是，即便狐狸与长颈鹿这样身体比例迥异的跨物种角色，也能自然迁移动作。
Wan-Animate-2：阿里开源动画模型，一张图让任意角色随视频起舞
阿里巴巴开源角色动画模型 Wan-Animate-2，用户只需输入一张角色图片和一段参考视频，就能将动作、微表情和手指细节迁移到目标角色上，连非人角色和双人场景也能支持。模型基于 Diffusion Transformer 实现端到端生成并支持视角控制，代码与权重均已开放。
Meta 紧急下线 Instagram AI 功能：曾允许 @ 公开账号生成 Deepfake
Meta 宣布彻底下线刚公布的 Instagram AI 功能。该功能原本允许用户通过 @ 公开账号，未经许可直接生成相关 AI 图像。在反性剥削组织与演员工会强烈抗议其助长 Deepfake 和敲诈风险后，Meta 承认设计偏离预期，将该功能直接移除。
Lucida：专抠玻璃与毛发的开源背景移除模型，不到 900MB
开源背景抠图模型 Lucida 发布。该模型体积不足 900MB，专门针对半透明玻璃、迷彩、文字阴影及发丝等常规模型容易翻车的边缘进行微调。项目代码、权重与数据集均按 MIT 协议完全开源，在普通消费级显卡上就能直接本地运行。
NVIDIA 更新超分模型 PID 1.5：几秒生成 2K 图像，细节色彩更准
NVIDIA 更新开源图像超分模型 PID 至 1.5 版本。该模型将潜空间解码与超分辨率合二为一，在消费级显卡上只需几秒就能将 512×512 图像转换至 2K，细节表现更锐利且色彩还原更准确。最关键的是它能与 FLUX、Qwen-Image 等主流生成模型无缝搭配，目前已开源权重并支持 ComfyUI。
Reve 发布 Reve 2.1：原生 4K 输出重回竞技场第二，算力仅对手十分之一
Reve 发布 Reve 2.1 图像模型，在 Arena 和 Design Arena 重回总榜第二。该模型支持原生 4K（1600 万像素）输出与精细局部编辑，在强化多语言文字渲染的同时，训练算力不到竞争对手的十分之一。
字节跳动发布 Seedream 5.0 Pro：支持涂画标注修改，主打高密度信息图
字节跳动发布多模态图像模型 Seedream 5.0 Pro。新模型主打高信息密度图表与交互式编辑，不仅能排版复杂文本，还支持直接在图上画框和手写标注来指导局部修改，并支持图层分离。最值得关注的是，它开始真正把图像生成接入实用设计工作流。
蚂蚁旗下 Robbyant 开源 LingBot-World 2.0：实时生成可交互世界
蚂蚁旗下 Robbyant 开源世界模型 LingBot-World 2.0。它采用因果预训练实现长时交互且画质无明显衰减，蒸馏版本能以 720p 60fps 实时运行，还引入双 Agent 协同生成动作与环境。目前已开源 1.3B 和 14B 权重。
Meta 上线图像模型 Muse Image：可直接圈选修改，日常免费用
Meta 推出首款图像生成模型 Muse Image 并集成至 Meta AI。它能根据自然语言描述处理照片，支持直接在画面上圈选涂改细节、渲染清晰文本，还能结合真实商品重做房间设计。日常使用免费，此前引发争议的 @公开账号参考功能已被撤下。