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。

10月5日，腾讯混元图像3.0在AI文生图权威榜单LMArena登顶第一，击败Nano、Banana等强劲对手，成为全球效果最佳的开源生图模型。其凭借三大优势脱颖而出：一是具备推理能力，将逻辑融入画面；二是精准渲染中英文长文本，细节表现优异；三是拥有高审美水平，生成图像真实且符合用户需求。此前，9月初发布的混元图像2.1已是最佳开源模型。目前，腾讯混元已构建起覆盖语言、图像、视频、3D等多模态开源矩阵，社区衍生模型超3000个，其中3D系列下载量超260万，曾获全球3D生成榜单第一。未来还将推出图生图、图像编辑等功能版本。

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。

10月5日，腾讯混元图像3.0模型在国际大模型竞技场LMArena的文生图榜单中，凭借全球用户的“盲测”投票，超越26个顶尖模型荣登第一。LMArena由美国加州大学伯克利分校推出，采用基于人类真实偏好的匿名投票机制，是目前最权威的AI模型评估平台之一。混元图像3.0于9月28日发布，现已开放文生图能力，并计划后续推出图生图、图像编辑等功能。该模型不仅能生成复杂文本、漫画、表情包和科普插画，还能大幅提升视觉创作者效率，使无美术功底的用户也能轻松创作生动内容。

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。

5月21日，谷歌发布了文生图AI模型Imagen的最新版本——Imagen 4。据称，该版本的运行速度比上一代提升了10倍，同时生成的图像更加精致，细节更丰富，减少了‘AI味’。Imagen 4在文字生成和排版设计方面表现出色，能够创建高质量的海报等内容。谷歌官方展示了多个示例，进一步证明了其强大的文本理解和视觉表现能力。这一更新标志着AI技术在创意领域的又一次飞跃。

腾讯旗下混元图像2.0（Hunyuan Image 2.0）发布，实现毫秒级响应的“边说边画”实时文生图功能。用户可通过文字描述或语音输入生成图像，支持参考图特征提取及画面优化。此外，新增实时绘画板模式，结合手绘草图与文本描述生成图像。技术亮点包括更大模型参数、自研高压缩比图像编解码器、适配多模态大语言模型作为文本编码器，以及强化学习后训练提升生成真实感。该模型在语义匹配能力测试中表现优异，官网已开放测试资格。腾讯混元团队还预告即将推出原生多模态图像生成大模型。

标题：文生图进入R1时代：港中文发布T2I-R1，让AI绘画“先推理再下笔” 近日，港中文MMLab团队发布首个基于强化学习的推理增强文生图模型T2I-R1。该模型借鉴大语言模型的“先推理、再作答”思路，将强化学习应用于图片生成。 传统自回归生成模型缺乏显式语义推理能力，而T2I-R1提出双层级Co...