Elon Musk@elonmusk精选68
Grok Build is crazy. 先不管GPT-5.6是不是release到底好不好用。 先來大大稱讚一下 @grok 的 Grok Build,目前唯一集大成的 coding agentic workflow。 Grok Buil...
推荐理由：这个 Grok Build 加 Agent Sprite Forge 的工作流把做 2D 游戏的时间压到了 30 分钟，之前要 1-2 小时，而且品质更好，独立游戏开发者可以直接抄作业。
最新精选
标签「图像生成」清除
精选
AI 自动挑选的高价值内容
7月10日
15:31
Elon Musk@elonmusk7月9日
06:22
Runway@runwayml精选69
推荐理由：Seedream 5.0 Pro 的集成让 Runway 的图像生成多了一个强力选择，14 种语言的可读文字生成是实用亮点，做多语言海报的设计师可以试试。
7月8日
21:22
字节 Seed：Research Feed（网页内嵌数据）
精选78
字节 Seed 今日发布多模态图像创作模型 Seedream 5.0 Pro，在图文匹配、结构合理性、文字渲染与画面美感上全面升级。四大核心突破：复杂信息可视化，可生成高密度信息图；交互式精准编辑，支持点选、圈选、草图渲染、色彩与材质替换、图层分离及多图融合，实现像素级编辑；真实的影像与人像质感，还原光影、材质与皮肤肌理；原生多语种输入与生成，支持十余种语言及本地化视觉特征。已陆续在豆包、即梦、火山方舟等平台上线。
关联讨论 1 条IT之家（RSS）推荐理由：字节这次发布的 Seedream 5.0 Pro 把图像生成从「画得好看」推进到「能输出信息图、能精准编辑」的实用设计工具，尤其复杂信息图和交互编辑是当前竞品明显短板，做设计的值得立刻试试。
04:51
Krea@krea_ai精选66
Now this is the type of ID preservation type functionality that I crave. I'm gonna be traveling tomorrow, so I won't be ...
推荐理由：Krea 2的ID保持终于被社区做出来了，附带ComfyUI节点，想稳定控制角色一致性的人可以立刻用起来。
03:58
AI at Meta@AIatMeta精选75
Meta Superintelligence Labs 发布首个媒体生成模型 Muse Image 和 Muse Video。Muse Image 是目前最先进的图像生成模型，能精确遵循指令、精准编辑、多参考构图，并利用 Instagram 社交上下文。它还具备智能体工具使用能力并集成 Muse Spark。用户可通过 Meta AI 应用、网页、Instagram Stories 和 WhatsApp 试用，初始限于部分国家。Muse Video 基于相同预训练基础，实现高视觉保真度并原生支持音频。
关联讨论 6 条X：Testing Catalog (@testingcatalog)X：AI at Meta (@AIatMeta)The Verge：AI（RSS）IT之家（RSS）TechCrunch：AI（RSS）The Decoder：AI News（RSS）推荐理由：Meta 超级智能实验室的首个媒体生成模型，把图像生成跟 Instagram 社交语境结合听起来很实用，但细节还少，期待后续实测。
7月6日
01:53
Hacker News 热门（buzzing.cc 中文翻译）
精选70
一位父亲为患有自闭症的非语言儿子开发了一款沟通应用，在言语治疗室的等候区展示时，所有非语言儿童的母亲看到后都忍不住流泪，言语治疗师也啜泣了五分钟。他意外发现产品市场匹配，决定腾出时间让更多孩子能用上，即使这意味着几周睡眠不足。应用本身是专为理解语言困难的儿童设计的，与传统的AAC设备不同——后者主要面向身体障碍但语言理解正常的成人。
推荐理由：这篇文章读来会让人看天花板，一位父亲用 AI 图像和声音克隆为儿子创造了沟通工具，意外找到了产品市场契合。它比任何融资新闻都更让我相信，AI 的真正价值在于解决那些被忽视的具体问题。
7月3日
20:32
歸藏(guizang.ai)@op7418精选75
用户将藏师傅的AI生成PPT导入Pencil设计软件，可在Pencil中一次性浏览所有页面并手动调整AI常见的排版问题，如元素重叠、对齐不准、字体错误。Pencil提供比PPT更强的编辑能力（对齐、嵌套、打组），支持导出网页和编辑文件，也可导出PNG后直接放入PPT演示。这种工作流昨天经朋友分享验证，大幅提升AI生成内容的可编辑性。
http://x.com/i/article/2053655813877870592
推荐理由：藏师傅的 PPT Skill 结合 Pencil，提供了一个比 PPT 软件本身更灵活的编辑路径，对于频繁出提案的人算是一个值得试的小技巧，但 AI 排版仍需手动微调。
11:34
HuggingFace Daily Papers（社区热门论文）
精选74
表示分布匹配（RDM）通过匹配冻结预训练编码器下的生成与参考特征分布来训练一步图像生成器。三个发现：经典MMD正确估计后成为可扩展目标；生成批次大小最优超过2048；单一表示可被欺骗，需匹配平衡编码器组合并采用独立于训练损失的SW_r14评估。改进的iRDM在ImageNet上以SW_r14 1.30达一步生成SOTA，PickScore在71.2%样本上偏好iRDM。该方法将四步FLUX.2后训练为一步生成器，在GenEval（0.826对0.794）和PickScore（22.76对22.58）上超越原版，仅需90 H200 GPU小时。
推荐理由：这篇论文把MMD重新变成了一流的一步生成目标，用多编码器匹配防止作弊，并把FLUX.2四步模型浓缩成一步，性能不降反升，90 GPU小时就能复现，做视觉生成的人应该仔细看。
7月1日
01:29
Apple：Newsroom（RSS）
精选66
Apple Creator Studio 推出多项 AI 增强更新。Final Cut Pro 新增 on-device AI 驱动的 Generate Captions（自动转录音频生成字幕）和 Edit Detection（自动检测剪辑点）。Mac 版加入 Auto Mask（自动识别皮肤、天空等主体）、增强的 Match Color 和 Advanced Trimming。支持将帧发送至 Pixelmator Pro 编辑，并在 Keynote、Pages、Numbers 中直接调用 Pixelmator Pro 修改图片。Logic Pro 新增 Grammy 制作人制作的 Producer Project 及 Chord ID 改进。订阅价 $12.99/月或 $129/年，新用户免费试用一个月，教育用户 $2.99/月。
推荐理由：Final Cut Pro 的自动字幕和遮罩是实打实的工作流提升，Pixelmator Pro 的深度整合也让设计更顺畅，虽然没有颠覆性突破，但创意工作者今天就能用上。
00:08
Google DeepMind：Blog（RSS）
精选70
Google DeepMind 推出 Nano Banana 2 Lite（gemini-3.1-flash-lite-image），为 Nano Banana 系列速度最快、成本最低的图像模型，文本到图像输出仅需 4 秒，每 1K 分辨率图像成本 $0.034，已上线 Google AI Studio、Gemini API 及消费者产品（AI Mode in Search、Gemini app 等）。同时推出 Gemini Omni Flash（gemini-omni-flash-preview），支持高画质视频生成与对话式编辑，视频输出定价 $0.10/秒，面向开发者开放 API。
关联讨论 3 条X：Google DeepMind (@GoogleDeepMind)X：Logan Kilpatrick (@OfficialLoganK)X：Google AI (@GoogleAI)推荐理由：Nano Banana 2 Lite 把图像生成拉到 4 秒延迟和 0.034 美元单价，很适合高频草稿流，Omni Flash 首次对开发者开放视频生成和对话编辑，两个模型串起来的快速迭代工作流是这次最实用的更新。
6月26日
09:27
小互@xiaohu精选81
博主小互开源个人IP配图技能“小互IP Studio”，包含31个原创角色（15个手绘线稿角色+16个谐音梗meme形象）及一套配图方法论。该Agent可自动读取文章、规划配图类型（情绪图/示意图/四格漫画）、生成并自查返工。默认画风为手绘线稿淡彩，另备5种皮肤（3D盲盒、黑白线稿等）可切换。安装仅需Python3，支持Claude Code、Codex等工具，需自备OpenAI兼容的图像API key（默认GPT-image-2）；也可只输出提示词手动生图。
推荐理由：小互开源了一整套AI配图skill和31个原创角色，把“读文-定图-生图-自查”的流程装进一个命令，自媒体人装上就能用，省去调提示词的痛苦。
03:12
Midjourney@midjourney精选67
We've released a new big-batch draft mode for V8.1. This new mode lets you generate 24 lower resolution images at the ha...
推荐理由：新草稿模式让批量探索风格变得便宜又快速，配上 sref random 更是把试错效率拉满，设计师能直接用到工作流里。V8.2 预览只是小彩蛋，但暗示美学调校还在进化。
02:57
Midjourney：Updates（RSS）
精选62
Midjourney V8.1 的草稿模式（draft mode）添加了随机风格功能。用户在提示词中加入 --sref random 即可一键生成 24 张不同风格的图片。开启草稿模式可通过点击提示栏的 ⚡ 图标或添加 --draft 参数。
推荐理由：Midjourney 在 V8.1 草稿模式加了随机风格，一键出 24 种草图，对找灵感的创作者算顺手小升级，但改变不了核心创作流程，只适合深度用户尝鲜。
6月24日
19:31
OpenRouter：Announcements（RSS）
精选73
OpenRouter推出统一图像API，整合Google、OpenAI、Black Forest Labs、Recraft、ByteDance、Sourceful、Microsoft、xAI等30+模型。新API提供标准化请求格式，通过/api/v1/images/models端点返回每个模型的分辨率、宽高比、输出数量、输入参考图数量、种子等能力描述；通过/api/v1/images/models/{id}/endpoints端点获取具体服务商的定价与参数支持（如Seedream 4.5每张$0.04、FLUX.2 Pro每百万像素$0.03、GPT-5.4 Image 2按token计费）。OpenAI的GPT 5系列图像模型支持SSE流式预览，启用"stream": true即可边生成边返回预览。新图像模型将仅添加至专用API，建议现有用户切换。
推荐理由：OpenRouter 把 30+ 图像模型收进一个 API，参数自动发现和流式预览让频繁切换模型的开发者省去不少适配麻烦，尤其对 Agent 工作流很友好。
01:37
Krea@krea_ai精选71
today, we release the open weights of Krea 2. welcome Krea 2 Raw and Krea 2 Turbo, an undistilled model from mid-trainin...
关联讨论 1 条Hacker News 热门（buzzing.cc 中文翻译）推荐理由：Krea 2 开源了两个图像模型权重，一个未蒸馏适合微调，一个快速蒸馏版覆盖多样审美。对于做图像生成应用和模型融合的团队，这次开放权重比很多大厂都实在。
6月21日
13:00
公众号：腾讯元宝
精选64
腾讯元宝推出父亲节主题活动，用户可选择爸爸年轻时照片与自己的照片，输入提示词（如“帮我生成一张和爸爸的合影，将图2的我融合到图1爸爸的照片中，我想穿越回__年前，和他一起_____；保留爸爸照片的背景、动作及五官；人物姿态自然协调，整体光线与色调保持一致”），元宝即可生成合影。活动旨在让用户“回到过去”看到爸爸的青春模样。
推荐理由：元宝的父亲节营销，但合影生成指令写得具体可复现，比普通AI写真教程更接地气，父亲节想整活的可以直接抄作业。
6月18日
19:47
Hacker News 热门（buzzing.cc 中文翻译）
精选79
Mindgard 红队研究发现，ChatGPT 的图像生成器可通过简单提示词轻易绕过内容过滤器，在未直接请求的情况下自动生成性暴力、血腥谋杀等露骨图像。一个热门的“恢复照片”提示词因输入模糊而绕过输入过滤器，结果如同俄罗斯轮盘赌；进一步添加虚假图像 ID 和“不做审查”指令后，模型持续生成高度性化女性图像，甚至出现被捆绑殴打的尸体，并自动赋予惊悚标题。研究指出，OpenAI 此前声称修复的裸体问题仍未解决，暴露了 AI 工具广泛可及性与不足内容过滤的现实风险。
推荐理由：这是自 ChatGPT 图片功能上线以来最严重的安全漏洞曝光，Mindgard 用简单句子就绕过所有 filter 直接生成极端暴力色情图片，OpenAI 的回应和处理令人失望，暴露了训练数据治理的根本问题。
15:54
向阳乔木@vista8精选79
乔木画布推出免费开源在线图像编辑器，可一键部署Vercel为网站，功能类似简化版PS。支持Seedream和GPT-image-2生图、图片模板存储分享、一键抠图、2万图标和常见Emoji，甚至能绘制PRD。随时创建3:4/16:9/21:9等不同尺寸画布。原计划高级功能收费，庆祝端午节现全免费开源。在线体验：https://ps.qiaomu.ai/，GitHub见评论区。
推荐理由：这个开源画布把AI生图和简易设计工具打包，一键部署Vercel，对偶尔做图的产品人和开发者很友好，全免费开源的诚意值得点开收藏。
09:45
Midjourney@midjourney精选71
推荐理由：Midjourney 官方放出 Scanner 的技术深度解读，我觉得它把传统扫描和生成式 AI 结合的方式挺有启发，不只是一个滤镜，而是重构了图像输入流程，做图像产品的值得认真看看。
6月16日
02:33
TechCrunch：AI（RSS）
精选71
Meta 宣布在 Facebook 推出“AI Mode”搜索功能，利用 Meta AI 从公开帖子（含群组和 Reels）提取信息并合成答案，用户可用自然语言提问获得摘要。同时新增视频拼贴剪辑、过渡效果及 AI 照片预设（可更换服装、发型和配饰），体育迷可在 Stories 中点击“AI Edit”虚拟穿上队服。这些更新延续了此前动态头像、Marketplace 自动回复和创作者 AI 助手的部署节奏。此外，Meta 近期启动了 Facebook、Instagram 和 WhatsApp 的全球订阅计划（每月 3.99 美元起），更多 AI 订阅层级正在规划中。
推荐理由：Facebook 的 AI 模式把社交搜索变成问答，想法不新但执行够快，对普通用户吸引力大，只是答案来自群聊，可靠性是个坑。配套的 AI 照片编辑也让玩梗更方便，Meta 在拼命给 Facebook 塞 AI 留住用户。
6月12日
11:54
小互@xiaohu精选75
一句话搞定公众号排版、封面生成、发布 我做了个技能组合,可以一句话搞定公众号排版、封面生成,和一键发送到公众号草稿箱,你只需点下发布即可。 已经开源了 有20种主题颜色可选 最重要的是它会自动分析你的内容,进行自动排版,不是Markdown...
推荐理由：小互把公众号排版全流程做成一个开源技能，一句话就能从内容生成到草稿箱，做公众号的可以直接用，这种自动化程度很少见。
6月11日
23:07
Krea@krea_ai精选73
推荐理由：Krea 2 终于加上了控制强度、复杂度和运动轨迹的滑块，以前调参靠抽卡，现在能精准控制了，做图的人应该会喜欢。
12:10
Midjourney：Updates（RSS）
精选64
Midjourney 已将默认模型从 V7 升级为 V8.1。V8.1 在智能性、连贯性、对详细提示的遵循度以及文本渲染效果上均有提升，HD 模式也已支持。
关联讨论 2 条X：Midjourney (@midjourney)Midjourney：Updates（RSS）推荐理由：虽然V8.1不是大版本，但设为默认后所有用户自动升级，尤其是文本和复杂提示词的理解增强，做设计的朋友值得重新测试一下关键词。
08:11
Orange AI@oran_ge精选76
http://x.com/i/article/2064857003743391744
推荐理由：橘子把自己写文章时的插画流程封装成了免费Skill，一次安装，以后配图风格统一还不用动脑子，做内容的人值得收藏。
6月10日
23:41
ChatGPT@ChatGPTapp精选69
推荐理由：一个官方给出的趣味 prompt，让你把头发染成国旗色，虽然不是什么大更新，但胜在简单好玩，普通人也能立刻上手玩一下。
12:56
HuggingFace Daily Papers（社区热门论文）
精选73
针对流匹配模型中在线强化学习比率裁剪策略约束不当的问题，Flow-DPPO 提出用散度近端约束替代。关键洞察是流模型每步策略为高斯分布，可精确计算新旧策略间的 KL 散度。Flow-DPPO 采用非对称散度掩码，仅在梯度更新偏离信任区域且超阈值时阻止更新。实验表明，Flow-DPPO 获得更高奖励，KL 近端效率更优，缓解了灾难性遗忘，促进多目标均衡，并能在比率裁剪失效时支持稳定的多轮训练。代码已开源。
推荐理由：用 KL 散度代替比值裁剪来解决流匹配 RL 训练的不稳定，理论简洁，代码已开源，做图像/视频生成优化的同学可以跑一下。
01:08
Fei-Fei Li@drfeifei精选78
We turned dreams into worlds. Then filled them with history's greatest minds. Not a video. A world, running directly in ...
推荐理由：World Labs把生成式空间智能做成了可走进的浏览器世界，不是看视频而是和历史伟人互动，技术想象力和产品落地都够惊艳，做虚拟世界和交互叙事的人值得直接点进去体验。
6月9日
08:00
HuggingFace Daily Papers（社区热门论文）
精选82
i1 是一个 3B 参数的文本到图像扩散模型，仅使用公开数据集训练。在 GenEval、DPG、PRISM、CVTG-2K 和 LongText 五个基准上，i1 性能与领先模型相当，平均比最佳现有完全开源模型高 29.5 个百分点。研究基于 300 余项控制实验（超 700K TPU v6e 小时），发现等权重混合 curated 数据集是强默认配置、更大文本编码器适配器以极少参数提升性能。i1 的检查点、训练与推理代码及数据处理流程已全部开源。
推荐理由：i1 是第一个用全公开数据、完全开源代码/权重/数据管线打造的 3B 模型，直接把全开放模型的性能拉到可与闭源竞争，对做文生图研究的同行是个扎实起点。
03:09
TechCrunch：AI（RSS）
精选73
Apple为Safari、Shortcuts和Password应用添加了AI驱动的新功能，让iPhone能够自动补全句子、完善照片和简化工作流程。
推荐理由：WWDC 2026 的 Apple Intelligence 更新不是颠覆性突破，但 Safari 标签管理、跨应用上下文和 Shortcuts 的 AI 创建让 AI 真正渗透到日常使用中，是所有苹果用户都该看看的实用升级。
6月7日
12:00
宝玉@dotey精选76
宝玉对比了GPT-5.5与Opus 4.8的设计能力，认为Opus 4.8效果远优于GPT-5.5。他使用了基于Cursor浏览器和元素标注的baoyu-design Skill，该Skill通过npx skills add JimLiu/baoyu-design安装，可在本地运行：描述屏幕需求即可生成精良HTML，点击预览中任意元素即可发出修改指令。官方推荐搭配Opus 4.8以获得最佳效果。工具GitHub仓库：https://github.com/JimLiu/baoyu-design。
Cursor's new browser + element annotation turns it into a design studio. Meet Cursor Design 🎨 - Claude Design, running ...
关联讨论 1 条X：宝玉 (@dotey)推荐理由：宝玉这个 skill 把 Claude Design 拉到本地，一个 prompt 就能出图对比，GPT-5.5 和 Opus 4.8 的审美差距肉眼可见，做设计的可以直接套。
6月6日
00:41
Google Gemini@GeminiApp精选81
推荐理由：Gemini Live 终于能用嘴改图了，实时对话+图像生成让装修试色、数学解题变成「聊着天就把活干了」，产品人和普通用户都该试试这个新交互。
6月4日
01:49
Krea@krea_ai精选74
推荐理由：图像生成模型的军备竞赛又添一员，Ideogram v4.0的2k原生分辨率和JSON prompt对接工作流，做设计生成的同学可以直接上手试试。
6月3日
03:59
OpenRouter@OpenRouter精选68
推荐理由：微软三个多模态模型一口气上架 OpenRouter，图像、转录、语音全齐了，开发者直接调 API 就能用，做产品的可以试试效果。
6月2日
23:05
SenseTime@SenseTime_AI精选81
商汤开源了AI办公技能套件SenseNova-Skills。这是一个为任何技能兼容智能体（如OpenClaw与HermesAgent）设计的开源技能集合，提供四大核心功能：图像信息图表生成（可镜像参考风格）、数据分析（支持多表解析、清洗与可视化）、PPT创建（生成大纲内容并智能排版，输出可编辑文件）以及深度研究（跨学术、技术、社交等多源搜索并生成报告）。该技能套件现已完全开源。
推荐理由：商汤掏出了一套开箱即用的 agent 技能包，从做图到写报告都能一键接，而且代码全在 GitHub 上。想做 agent 产品的可以直接 fork 当乐高用，比等 API 发布快多了。
00:26
Google Gemini@GeminiApp精选71
推荐理由：官方给了个傻瓜教程，看一遍就能在视频里塞进自己的数字分身，做短视频和教学的可以省掉真人出镜的麻烦。
6月1日
02:16
Hacker News 热门（buzzing.cc 中文翻译）
精选72
1-Bit Bonsai Image 4B 是一款新的 AI 图像生成模型，其主要特点是面向本地设备进行优化，可以在用户的本地硬件上运行。这是一款专注于端侧部署的图像生成解决方案。
推荐理由：端侧图像生成终于进入可用阶段，把 4B 模型压到 iPhone 能跑而且性能保留 95%，做本地 AI 应用的产品人应该认真看一眼。
5月30日
21:16
The Verge：AI（RSS）
精选73
有卖家利用 AI 生成虚假的黑人形象，在 TikTok、Facebook 和 Instagram 上扮演手工制品创作者进行销售。例如一个名为 Aliyah 的 AI 生成形象，以带泪诉说的方式售卖所谓手工皮带扣，但该形象及其产品均为虚构。此类 AI 虚拟网红被用于推广通过代发货模式销售的批量生产品。
推荐理由：AI生成的虚拟黑人卖家在TikTok上哭着卖假货，The Verge这篇调查把AI黑产里最脏的那面扒给你看，做社交电商的尤其该点开读。
19:45
Google AI Developers@googleaidevs精选71
推荐理由：Gemini 图像模型 GA 了，生成式视觉正式进入 Google 时间，做设计工具和内容生成的开发者可以直接接入测试，看看能不能成为下一个 Midjourney。
06:42
ginobefun@hongming731精选78
昨天那个 md2wechat-skill 很多人收藏 今天再分享一个很适合中文创作者的 Skill:claude-design-card。 它可以把一段文字、一个 URL、一篇文章,直接生成能发出去的视觉卡片,比如公众号首图、小红书图文卡、...
推荐理由：这个 Skill 把内容创作者最烦的「写文→排卡片→出图」流程直接打通了，28 种布局一键生成，做公众号和小红书的可以立刻收藏，关键不是好看是真省时间。
04:10
Runway@runwayml精选72
推荐理由：Runway API 这次集中上新，Seedance 2.0 加入虽然方便了开发者，但没有模型能力的质变，更像是生态补全。