Qwen 发布 Qwen Intelligence，首批上线三个 SOTA 智能体：Mobile Planner Agent 负责任务规划与编排，在 MobilePA-Bench、MobilePA-Bench Business 和 Memory 上排名第一；Mobile-Use Agent 以 API 优先、GUI 兜底执行任务，MobileWorld 82.1、MobileWorld-Real 92.2、AndroidDaily 97.2，端到端成功率 90%；Mobile Creative Agent 可将一句话变成可用创作，图像生成耗时 3 秒，约为领先同类产品的 2 倍速度。官方同时开放 MobilePA-Bench、MobileWorld、MobileWorld-Real 和 MobileWorld-Safety 评测套件，覆盖规划、跨应用执行、真机性能与安全。
匹配字段摘要
ComfyUI ✖️ Hy Image3.5 preview Hy Image3.5 预览版现已在 ComfyUI 上线。 专业级图像生成，人工评测胜率较 Hy Image3.0 提升 +30% → 文生图与图生图合一模型，最高支持 2K → 多语言文字、符号与小字均能正确渲染 → 电影感、漫画、商业摄影与插画风格 → 人物身份与产品特征在场景、服装与风格变化中保持一致
ComfyUI ✖️ Hy Image3.5 preview Hy Image3.5 预览版现已在 ComfyUI 上线。 专业级图像生成，人工评测胜率较 Hy Image3.0 提升 +30% → 文生图与图生图合一模型，最高支持 2K → 多语言文字、符号与小字均能正确渲染 → 电影感、漫画、商业摄影与插画风格 → 人物身份与产品特征在场景、服装与风格变化中保持一致
匹配字段摘要
Qwen-Image-2.1 FP8 和 GGUF 量化现在应能在 Unsloth Desktop 中正常运行！💜 图像生成和编辑均支持。GitHub：https://t.co/aZWYAtakBP https://t.co/9NTO4zLqP8
Qwen-Image-2.1 FP8 和 GGUF 量化现在应能在 Unsloth Desktop 中正常运行！💜 图像生成和编辑均支持。GitHub：https://t.co/aZWYAtakBP https://t.co/9NTO4zLqP8
匹配字段摘要
Unsloth 发布 Qwen-Image-2.1 的 GGUF 量化版本，可在 12GB 显存下本地运行，该 7B 模型表现与 Nano Banana 2.0 相当。若追求更高质量，还可通过 offloading 在仅 6GB 显存上运行 Dynamic FP8。Unsloth 同时表示 FP8 与 GGUF 量化版已可在 Unsloth Desktop 中正常运行，支持图像生成与编辑。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，这是 Qwen-Image 系列中兼顾均衡与成本的图像生成模型，现已开放权重。该模型采用 7B 轻量架构，统一支持生成与编辑，原生生成和编辑 RGBA 透明图层，最多支持 10 张参考图，并可一次完成多个区域的局部删除与修改。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1，称其为 Qwen-Image 系列中最均衡、性价比最高的图像生成模型，并已开放权重。该模型统一支持生成与编辑，采用 7B 轻量架构，可原生生成和编辑 RGBA 透明图层，支持最多 10 张参考图与局部精确控制，在多图输入下推理速度大幅提升。官方同时给出博客、GitHub、Model Scope 和 Hugging Face 链接。
匹配字段摘要
Qwen 团队开源 Qwen-Image-2.1，将文生图与图像编辑统一到单一模型，视觉生成组件为 7B 参数、32 层 Single-Stream DiT，并原生支持透明图像生成与编辑。该版本支持最多 10 张参考图、圈选与掩码等局部编辑方式，并通过混合粒度注意力与 KV cache 复用降低多图编辑时的推理开销和显存占用。官方称其在 Qwen-Image-Bench 上与其他开源及闭源模型进行了对比，模型权重已在 GitHub、Hugging Face 和 ModelScope 发布。
匹配字段摘要
Google 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking，称其为目前最先进的实时对话音频模型。Google Labs 的 Dreambeans 正式 GA，CC 从个人效率工具扩展为帮助家庭协调日程与日常事务的共享智能体，Google Workspace 的 Google Pics 图像生成工具也已 GA。DeepMind 同期推出基因组学发现平台 AlphaGenome Atlas。
匹配字段摘要
Pydantic AI 新增 ImageGenerator，可直接通过 API 调用专用图像生成模型，无需 agent run，同一接口支持 OpenAI GPT Image、Google Gemini（Gemini Developer API 与 Vertex AI）和 xAI Grok Imagine。该功能还提供 ImageGeneration 能力，让 agent 自行决定何时生成图像，并将结果作为工具结果返回。生成结果为 BinaryImage，可直接获取字节和媒体类型，也支持传入参考图像进行编辑或变换。
匹配字段摘要
Meta 推出个人 AI 智能体 Muse，可代订旅行、处理邮件并在电脑上完成“任何任务”，主打更高安全性，支持关联 Facebook 和 Instagram 账号，初期仅面向美国成年人。OpenAI 同期发布图像生成模型 ChatGPT Images 2.5，称编辑图像中任意元素时可保持其余部分不变，单张图像耗时最多减少 50%，并新增涂鸦转图片功能 Sketch。
匹配字段摘要
据 Bloomberg 报道，亚马逊在自研大语言模型未能取得预期成果后，缩减了多数 Nova 模型的投入，并将文本、视频和图像生成模型置于仅维持最低资源的状态。公司把算力和人力转向由 Pieter Abbeel 领导的单一前沿模型项目，此前一周还关闭了旧金山一处 80 人的 AGI 研究办公室。
匹配字段摘要
Black Forest Labs 发布多模态基础模型 FLUX 3，在单一架构中联合学习图像、视频和音频，可单次生成最长 20 秒带音频视频，支持文本、图像或视频输入。其视频骨干被 mimic 用于 FLUX-mimic 机器人控制系统，在软体 kitting 任务上报告 95% 成功率，高于同数据训练的 π0.5 的 55%；冻结骨干时仍具竞争力。FLUX 3 Video 已开放早期访问，图像生成与编辑随后推出，动作预测通过合作方提供，并计划发布开放权重版本。
匹配字段摘要
微软 AI 宣布 MAI-Image-2.5-Pro 与 MAI-Voice-2-Flash 进入公开预览。MAI-Image-2.5-Pro 主打高保真图像生成与精确图像内文字渲染，定价为每 1M 文本输入 token 5 美元、每 1M 图像输入 token 8 美元、每 1M 图像输出 token 106 美元；MAI-Voice-2-Flash 面向高并发语音场景，比 MAI-Voice-2 快 2 倍、便宜 32%，定价为每 1M 字符 15 美元。微软称 MAI-Image-2.5 已成为 Bing Image Creator 的默认模型，在 PowerPoint 中使 GPU 成本最多降低 84%，在 OneDrive 中使保存率提升 26%、P95 延迟降低约 25%；MAI-Voice-2-Flash 已接入 Dynamics 365 Contact Center 与 Azure Voice Live，GPU 成本最多降低 89%。
匹配字段摘要
Envato 与 Black Forest Labs 合作，将 FLUX 模型接入其创意平台，FLUX.2 发布当天即上线生产环境。目前 FLUX 占平台图像生成总量的约 25%，累计生成超 5100 万张图像；FLUX.2 在写实、电影感和产品图场景中比同类模型高出约 10%，下载率高出平台均值 16%。平台按任务智能路由模型，用户无需自行选择。
匹配字段摘要
Black Forest Labs 宣布 FLUX.2 [klein] 4B 将预装在 ASUS 新一代 ProArt 笔记本的 MuseTree 应用中，该机型搭载 RTX GPU，已在台北 Computex 2026 亮相。官方称目标是在 8GB 显存笔记本上、后台运行其他专业应用时实现 5 秒以内的图像生成，无需 API 或联网。Black Forest Labs 表示正扩展合作，为更多硬件和设备提供端侧优化的 FLUX 模型。
匹配字段摘要
xAI 宣布 Grok Imagine API 的图像生成与编辑 Quality Mode 面向企业开发者和团队开放。官方称该模式在真实感、多语言文字渲染和提示词遵循上有提升，并可与视频生成能力搭配，调用示例使用模型名 grok-imagine-image-quality。
匹配字段摘要
蚂蚁百灵发布全模态大模型 Ming-flash-omni-2.0，基于 Ling-2.0（MoE 架构，100B-A6B）训练，相比 Preview 版本在全模态能力上有明显提升。该模型覆盖视觉百科识别、可控语音生成与图像生成编辑分割，官方称其为业界首个将语音、音效和背景音乐生成融为一体的模型，并首创将生成、编辑、分割融入单一原生模型。模型权重和推理代码已开源。
匹配字段摘要、正文
ZDNET 对 ChatGPT、Copilot、Grok、Gemini、Perplexity、Claude、DeepSeek 和 Meta AI 八款免费 AI 聊天机器人进行了 112 项实测，ChatGPT 以综合最高分成为整体最佳。测试涵盖摘要与联网、学术概念解释、数学分析、文化讨论、文学分析、旅行规划、情感支持、翻译、编程和长文故事等文本任务，以及四类图像生成任务。
匹配字段摘要
xAI 发布 Grok Imagine API，将视频生成与视频编辑能力打包为面向端到端创作流程的 API 组合，Grok Imagine 是其目前最强的视频音频生成模型。该 API 支持从文本或图像生成视频、增删替换物体、场景与物体控制、风格重绘等编辑操作，并支持竖屏、横屏等比例与灵活片段长度。官方称其在延迟、并发和成本上做了优化，并已在合作方平台与自家 API 上线，同时提供 SDK、教程和可视化控制台。
匹配字段摘要
Ethan Mollick 撰文指出，AI 能力仍呈锯齿状分布，记忆等弱项长期没有明显改善，而系统整体受最差环节制约。他以 Google 的 Nano Banana Pro 为例，说明图像生成质量曾是瓶颈，突破后 NotebookLM 可直接把资料生成整页幻灯片，并认为判断 AI 走向应关注瓶颈而非基准分数。
匹配字段摘要、正文