9月9日，腾讯发布并开源混元图像模型2.1（HunyuanImage 2.1），支持原生2K高清生图。新模型综合能力领先，支持中英文输入和复杂语义生成，美学表现与场景适配性显著提升，适合设计师高效创作。模型权重与代码已在Hugging Face、GitHub开源，供个人与企业开发者使用。混元图像2.1在复杂语义理解、文字控制及多风格生成方面表现突出，并通过结构化数据优化训练，大幅提升性能与效率。此外，同步开源的文本改写模型PromptEnhancer增强视觉表达能力。腾讯混元持续深耕图像生成领域，此前已推出DiT架构和实时生图模型。目前，混元3D系列模型社区下载量超230万，成为全球热门开源工具。

正文：9月9日，腾讯宣布混元图像模型2.1正式开源，支持原生2K图像生成及中英文输入。新版本引入PromptEnhancer文本改写模型，可自动补全和优化输入描述，实现精准语义表达，同时支持中英文双向转换。模型具备1k tokens的超长prompt处理能力，擅长复杂场景生成与多主体描述，显著减少文字错误与理解偏差。新增双通道文本编码器、两阶段模型架构等技术亮点，大幅提升生成效率与图像质感。此外，通过高压缩率VAE和meanflow推理加速，2K图像生成耗时与同类模型1K图相当，推理步数从100步降至8步。

2025年8月，谷歌发布全新图像模型nano banana，引爆AI社区。该模型可融合多张图片生成全新画面，理解地理、建筑与物理结构，甚至将二维地图转化为三维景观。凭借Gemini技术，nano banana实现“有记忆”的多轮创作，具备极高一致性和创造力。用户可上传最多13张图片进行拼接，或标注现实场景中的地标建筑。模型还能从等高线生成地貌、渲染工程视图、定制试衣效果，并修复老照片。其背后技术包括多模态上下文处理与交错生成，灵感源于网友反馈和团队对文字渲染的执着。谷歌DeepMind团队透露，未来目标是让模型超越指令，提供更优创意解。目前，nano banana已在LMArena上线并获高度评价。

Midjourney宣布入局视频生成领域，其图像模型V7持续更新，视频生成效果逼真，动作流畅且细节丰富，包括跑步、挖蛋糕、多人物动作切换等场景均表现出色。尽管如此，视频缺乏音频功能引发网友热议，质疑其入局时机。Midjourney强调区别于其他模型的独特“动画化图片”功能，并计划通过用户评分和建议完善视频模型。此外，Midjourney V7图像生成模型也不断迭代，新增“草稿模式”，可通过语音输入生成多张图像，大幅提升生成效率。团队承诺开放定价权，希望满足不同用户需求。目前，Midjourney视频模型仍在完善中，预计未来将与图像模型共同成为视觉技术领域的领军者。

12月27日，快手宣布推出可图1.5图像模型，新功能包括“AI模特”，通过文本描述生成AI模特形象，结合AI换装和可灵1.6图生视频功能，可生成服装展示视频。此外，可灵1.5模型在高品质模式下支持“尾帧生成”功能，上传图片后可基于尾帧生成5秒或10秒的视频。可灵对口型功能新增10款高品质音色，并支持7种情感选择，使人物配音更加生动自然。