2025年12月，阿里通义发布全新图像模型Z-Image，上线HuggingFace首日下载量突破50万次，并迅速登顶两个榜单第一。Z-Image是一款6B参数的高效文生图模型，包含已开源的Z-Image-Turbo、未开源的Z-Image-Edit和Z-Image-Base三个版本，在写实风格生成、文本渲染及语义理解方面表现优异，质量接近甚至超越同期发布的FLUX.2。其采用单流DiT架构与Decoupled-DMD蒸馏技术，显著提升生成速度，仅需8步即可完成高清图像生成。测试显示，该模型在真实感、美学构图及复杂文字处理上表现出色，但小字渲染仍有改进空间。目前，Z-Image已在魔塔平台上线，开源地址同步公布，引发网友广泛热议与创意应用。

2025年10月5日，腾讯混元图像3.0登顶全球AI文生图榜单首位，超越谷歌Nano Banana、字节Seedream等强劲对手，在国际权威竞技场LMArena的26个大模型中稳居第一。该模型采用原生多模态架构，参数规模达80B，是目前最大的开源生图模型，支持文字、图片、视频与音频多模态处理。其语义理解能力大幅提升，可生成高质量图像，如中秋节海报、火焰猫咪等创意作品，并在多项技术指标上领先行业。此外，混元3.0开源且提供多种资源链接，引发全民体验热潮，热度持续飙升。

正文：9月10日，腾讯混元团队发布新研究SRPO（语义相对偏好优化），解决开源文生图模型Flux生成人像皮肤“过油”问题，显著提升真实感。该技术通过在线调整奖励偏好、优化生成轨迹等方法，定向增强特定维度表现，并有效避免奖励破解风险。SRPO创新性采用正负向词引导及Direct-Align策略，显著降低过拟合与偏色等问题，训练仅需10分钟，效果超越主流方法DanceGRPO，效率提升75倍。项目上线后迅速登上Hugging Face热度榜榜首，社区版本下载量达25K，GitHub Star超700。

2023年6月26日，谷歌推出最新AI文生图模型Imagen 4及高端版本Imagen 4 Ultra。Imagen 4定位为通用模型，每张图片收费0.04美元（约0.29元人民币），而Imagen 4 Ultra价格提高50%，每张0.06美元（约0.43元人民币）。谷歌称其生成效果优于Dall-E和Midjourney，但实际展示的图像质量虽符合文本提示词，但整体仍显机械化。目前，这两个版本已上线Gemini API付费预览版，并在Google AI Studio提供有限免费测试。

北京时间3月26日消息，OpenAI于当地时间3月25日宣布对GPT-4和Sora进行重大升级，推出全新文生图模型。这一模型不仅支持文本生成图片的功能，还具备自定义操作、连续发问、风格转换以及图像PPT等实用功能。这些新增特性进一步拓展了人工智能在创意领域的应用可能性。

《科创板日报》4日获悉，大模型独角兽智谱发布了2025开源年的首个模型——CogView4，这是首个支持生成汉字的开源文生图模型。CogView4在DPG-Bench基准测试中综合评分位列第一，达到了SOTA水平。此外，它是首款遵循Apache 2.0协议的图像生成模型。（记者 李明明）

3月4日，大模型独角兽智谱发布了首个支持生成汉字的开源文生图模型——CogView4。该模型在DPG-Bench基准测试中综合评分第一，并且是首个遵循Apache 2.0协议的图像生成模型。GitHub页面显示，CogView4具有60亿参数，支持原生中文输入和中文文本到图像生成。开源地址：

中国联通旗下联通数据智能有限公司于1月8日宣布开源首个完全在国产昇腾AI平台上训练和推理的中文原生文生图模型——元景。该模型通过融合复合语言编码模块，提升了对中文长文本和特色词汇的理解能力，并解决了传统方法带来的中文信息损失问题。元景模型已在多个项目中成功应用，并在GitHub、Hugging Face等平台全面开源。

xAI在其Grok平台上推出新文生图模型Aurora，仅闪现数小时，但生成的人物图像逼真且高清，包括马斯克、科技巨头CEO等。Aurora未设限制，能生成公众人物、版权图像等。尽管xAI官方未解释其短暂上线原因，马斯克回应称这只是测试版，会很快改进。Aurora在生成效果上优于之前的Flux，尤其擅长人物写实。不过，也有失败案例。xAI员工透露，团队仍在努力开发新产品，Grok 3即将来临。

谷歌宣布其高级文生图模型 Imagen 3 已正式上线，结束了此前的公开测试。该模型于今年8月在美国率先向用户开放，现在订阅了 Google Cloud 的用户均可体验。据谷歌介绍，Imagen 3 能够生成细腻、生动且接近照片质量的图像，并支持长文本理解和编辑功能，用户可以通过提示词替换图片中的元素，还能添加品牌Logo或文字内容。此外，为了防止版权纠纷，Imagen 3 引入了由 DeepMind 开发的 SynthID 数字水印和安全过滤器。此模型旨在应对 DALL・E 3 的挑战，标志着谷歌在这一领域的最新进展。