搜索
Reve 在 7 月 9 日把图像模型迭代到了 2.1 版。距离 2.0 发布刚好一个月，放在基础模型圈子这不算常见。前面只挡着一个 OpenAI 的 GPT Image 2。另外官方说：「训练这版模型用的算力不到排行榜前后邻居的十分之一」。
Meta超级智能实验室（MSL）扔出了首个图像生成模型Muse Image，代号「芒果」（Mango）。这是我们迄今为止最先进的图像生成模型。与Muse Image一同亮相的，还有视频模型Muse Video，目前仍是预览版。
今年以来，图像生成模型的迭代节奏明显加快。
GPT Image 2 凭什么这么强？是扩散模型又迭代了一版？是把 DiT 的参数量从 7B 扩到 20B？是训了更多高质量数据？先给结论：OpenAI 很可能已经不在“纯扩散模型”这条主赛道上了。他们已经把图像生成从“美术课”调到了“语文课”——用一个能读懂指令、能记住上下文、能理解物体关系的 LLM 主导语义规划，至于最后一步的像素生成，可能由扩散组件或其他解码器完成。
GPT Image 2的发布给整个AI圈带来了亿点点震撼。但很多人可能没注意到，幕后最会玩梗的居然是他——主力训练者陈博远。他和奥特曼同台主持，悄悄修好了中文渲染；给模型起代号“布基胶带”，还拿香蕉艺术品玩梗；为了秀模型的文字能力，设计了米粒刻字、漫画套娃、视觉证明题这些“彩蛋级”测试。
SenseNova U1 是商汤最新发布的一个开源的多模态模型，它的 Lite 系列 8B 和 A3B 参数版本，目前已经在 Hugging Face 和 GitHub 上开源。APPSO 也提前拿到了测试资格，我们发现商汤这款新一代原生理解生成统一模型，就开源模型来说，已经做到了最好水平。
GPT Image2全网刷屏，但效果究竟为什么这么好？
这两周国内外的 AI 圈又开始密集更新了。 上周 Anthropic 发了 Opus 4.7，这周 OpenAI 上了 GPT Image 2。国内这边 Kimi 发了 K2.6，腾讯据说也要发一个模
GPT Image 2的横空出世，直接暴打 Nano Banana 2，现在，真假难辨的照片和梗图已经满天飞了。超强的文字渲染和封神的设计能力，直接让它颠覆了众多行业，这一刻起，互联网的信任体系彻底洗牌！
使用 GPT Image 2 甚至不太需要过于复杂的提示词，我们的测试都是一两句简单的画面描述，或者再加上图片尺寸要求，如 21:9、16:9、9:16 等。 例如让它生成广州市小学数学试卷。