12月25日，阿里通义千问宣布开源图像编辑AI模型Qwen-Image-Edit-2511。该版本在角色一致性、工业设计能力及几何推理能力等方面进行了显著提升，尤其在多人合照生成中表现优异，可实现两张人物照片的高质量合照效果。此外，新模型集成了Lora能力，支持打光、多场景应用等特效，并可直接生成辅助线效果，适用于工业产品设计与材质替换等工程场景。Qwen-Image-Edit-2511已在ModelScope和Hugging Face平台开源，为开发者提供强大工具。

12月23日，阿里通义Qwen团队发布全新图像编辑模型Qwen-Image-Edit-2511。该模型在前代基础上优化了角色一致性、几何推理能力，并新增LoRA集成，适用于精准图像修改场景。其亮点在于强大的指令遵循能力，用户只需输入自然语言指令（如“将猫换成狗”），即可自动完成复杂编辑，无需掌握专业修图技术。新模型还能高保真融合多人合影，保留光影与纹理一致性，并支持开箱即用的光照增强等功能。此外，其强化的几何推理能力可生成辅助构造线，助力工业设计。此次开源上线为开发者和设计师提供了高效AI工具，进一步推动视觉生成领域发展。

12月18日，苹果研究团队发布全新多模态AI模型UniGen 1.5，成功在单一系统中集成图像理解、生成与编辑三大功能。该模型通过“编辑指令对齐”技术提升图像修改精准度，并设计统一奖励系统优化训练过程。测试显示，UniGen 1.5在GenEval和DPG-Bench基准中分别获得0.89和86.83高分，在ImgEdit专项测试中表现优于多个开源及闭源模型。然而，模型仍存在局限性，如生成图片文字易出错及主体特征漂移问题，团队计划进一步优化。这一成果为视觉AI领域带来重要突破。

12月8日，美团LongCat团队发布并开源图像生成模型LongCat-Image。该模型以6B参数规模，在文生图和图像编辑能力上逼近大尺寸模型效果，并在多个基准测试中达到开源SOTA水平。其亮点包括高度可控的图像编辑能力和精准覆盖中文文字生成，特别是在复杂汉字渲染与生僻字支持方面表现突出。通过渐进式学习、多任务联合训练及创新数据策略，模型在指令遵循、视觉一致性及纹理真实感等方面显著提升。客观评测显示，LongCat-Image在ImgEdit-Bench、GEdit-Bench等测试中领先开源模型，接近闭源头部模型。此外，美团全面开源了多阶段模型，鼓励开发者参与共建，推动视觉生成技术发展。项目已上线Hugging Face和GitHub。

2025年11月，兔展智能与北京大学联合发布图像编辑模型UniWorld-V2，刷新多项SOTA成绩。该模型在中文细节控制和复杂指令理解上表现优异，例如精准修改手势、渲染艺术中文字体及实现精细化空间编辑。其核心创新为UniWorld-R1框架，首次将强化学习应用于统一架构的图像编辑，采用扩散负向感知微调（DiffusionNFT）技术，并使用多模态大语言模型（MLLM）作为免训练奖励模型。在GEdit-Bench和ImgEdit基准测试中，UniWorld-V2分别以7.83分和4.49分超越OpenAI的GPT-Image-1等顶尖模型。研究团队还公开了论文、代码及模型，供后续研究使用。

2025年10月29日，苹果公司发布Pico-Banana-400K数据集，包含40万张图像，用于训练文本引导的AI图像编辑模型。该数据集基于谷歌Gemini-2.5模型构建，采用非商业性研究许可，供学术研究使用。苹果团队从OpenImages中选取多样化真实照片，并设计35种编辑指令，涵盖像素调整、场景编辑等八大类别。通过Nanon-Banana模型生成编辑结果后，由Gemini 2.5-Pro进行质量评估，确保数据准确性。数据集包括单轮与多轮编辑样本及偏好对比对，助力解决现有数据集领域偏移等问题。相关论文已发布于arXiv，数据集在GitHub免费开放。

9月12日，Adobe宣布谷歌的Nano Banana模型将于本月内集成到Photoshop。该模型将支持基于提示词的编辑，并结合Photoshop的选区、图层和蒙版等非破坏性工具。Nano Banana因避免“恐怖谷效应”且表现优异而爆火，上线后助力Gemini完成超2亿次图像编辑，吸引超1000万新用户。此前，Adobe在7月已推出多项AI功能测试，包括Generative Upscale和Remove等。这一合作将进一步提升Photoshop的AI修图能力。

9月5日，谷歌AI实验项目“Nano Banana”爆火，Gemini上线Gemini 2.5 Flash Image功能。谷歌实验室副总裁Josh Woodward透露，该功能已实现超2亿次图像编辑，吸引超1000万新用户。Nano Banana因避免“恐怖谷效应”、保持人物特征一致性而广受好评，其表现优于GPT-4o等竞品。目前，Gemini免费用户每日可编辑100次图像，付费用户可扩展至1000次。分析师认为，谷歌通过高质量工具吸引用户并引入Gemini生态的策略初见成效，展现了实际应用价值。

当地时间8月26日，谷歌发布先进图像生成与编辑模型Gemini 2.5 Flash Image（代号nano banana），因惊艳效果迅速出圈。该模型支持多图拼接、地理与物理逻辑理解，可将二维地图转为三维景观，且能通过自然语言指令快速生成高分辨率图片，单张成本约0.3元人民币，效率大幅提升。其应用有望加速落地于电商、广告、设计等领域。相关上市公司中，虹软科技智能商拍平台PSAI于8月1日上线，主打“AI生成+修复”；万兴科技推出AI绘画软件万兴爱画，可在30秒内生成定制艺术作品。AI修图技术正站上市场风口。

2025年8月，谷歌推出的Nano Banana（Gemini 2.5 Flash Image）图像编辑模型因生成逼真手办效果火爆出圈。用户无需抽卡即可生成1/7比例的手办模型，支持动漫角色、宠物及真人照片等多种参考图，细节表现惊人。该模型采用原生多模态与交错式生成技术，可处理复杂编辑任务，并通过文本渲染指标优化性能。团队基于用户反馈改进了像素级编辑、角色一致性等短板，显著提升质感与实用性。此外，谷歌宣布将于近期举办Nano Banana Hackathon活动，提供免费API额度和奖品。用户可通过AI Studio或Gemini API体验这一创新工具，掀起全网试玩热潮。