标签
Vyb 推出了一款专门训练用于生成分层设计的图像模型，输出包含文字、矢量图形和照片的结构化合成作品，所有元素在后期编辑软件中均可单独修改，以解决 AI 设计普遍同质化的问题。
Omar Santana 关注了 Vyb 的发布——一个专门的AI设计模型。他认为专用模型能更好地编码品味和意图，帮助设计师避免通用AI模型常见的千篇一律的产出。
一位用户分享了自己在本地使用快速的 DiffusionGemma 模型进行图像分析和离线图像生成提示词的经验，并询问社区中是否还有其他场景能发挥其速度优势。
该论文研究了条件扩散模型中类几何（class geometry）对 classifier-free guidance 性能的影响，提出了一种轻量级的 Prototype Regularization 方法，在 ImageNet 上将引导 gFID 从 3.31 降至 2.28，超越了采用 DINOv3 对齐的 VA-VAE。
该论文提出 Normalizing Flow Maps（NFM），一种可精确求逆的推前映射族模型，统一了 normalizing flows 与 flow maps，支持高效的精确似然评估与少步生成。在 CIFAR-10、ImageNet-64 条件图像生成以及 Boltzmann Generators 平衡采样任务上，在参数量匹配的条件下达到了 normalizing flows 的最先进水平。
MOSS-Image Turbo LoRA（4 步）v2.0 已在 Hugging Face 上发布，现已原生支持 Euler 采样器，可在任意标准 LoRA 加载器中使用默认 flow-matching 采样器运行，无需 CFG 或自定义管线文件，即可实现快速、高保真的中英双语文字渲染。
Kromoss 是 MOSS-Image-Base 在 1024px 分辨率下的全量微调模型，附带两个 8 步加速 LoRA（DMD 与 DMD2 蒸馏版），并支持 diffusers 和 ComfyUI 即插即用，同时提供 int8 量化版本。
作者基于 Image Lab 1 的反馈重构了 AI 创意工作流，推出 Image Lab 2，让 AI 技能先像创意总监一样拆解 brief 并生成可编辑的 Excel 创意矩阵，再进行批量生成与 LLM-as-judge 视觉对比。
SWIFT 提出一种自引导的弱到强扩散模型训练方法，通过将回归目标外推偏离冻结的弱去噪器来降低误差和训练成本，且不增加推理开销。实验在 CIFAR-10 和 ImageNet-256 上验证，ImageNet-256 某配置以约一半训练算力超越基线最佳 FID，RAEv2 上无引导达到 FID 1.15。
RoAR-VAE提出通过从受损隐变量中鲁棒地预测语义与重建信息来改进视觉tokenizer，在保持重建保真度的同时提升下游扩散模型的可学习性，平均生成基准提升2.19分，小文本重建精度较FLUX.1-VAE提升16.93个百分点。
OpenAI 三个名为 aurora-red-alpha、aurora-green-alpha 和 aurora-blue-alpha 的新图像模型引用疑似在 API 与 Arena 盲测中意外泄露，外界猜测它们可能就是 GPT-Image-3。
一位用户声称 GPT-6 Astra 能够复刻 Fable 5.5 的 SVG 图形作品，效果更好，并暗示之前的赞誉不过是能力不足而非模型问题。
论文提出 MT Forcing，通过单轮分布匹配蒸馏与教师强制引导，提升基于自回归扩散的统一多模态模型在多轮图像编辑中的视觉质量稳定性与跨轮内容一致性。
MOSS 发布新的开源图像生成模型，拥有 5B 参数并采用 Apache 2.0 许可，支持通过 JSON 进行精确布局控制以及 4K token 的长提示词。
Comfy-Org 发布了 MOSS-Image 模型的 ComfyUI 重打包文件，包含 base 与 SFT 版本的 bf16/int8 权重，以及配套的 Qwen3.5 9B 文本编码器和 Flux2 VAE。
OpenMOSS 发布了 MOSS-Image 家族的新模型 MOSS-Image-SFT，这是一个基于 MOSS-Image-Base 进行监督微调的文本生成图像模型，支持自然语言提示、标签序列和 JSON 布局控制文本位置与物体排列，并提供 diffusers 和 ComfyUI 集成。
已在 Hugging Face 上发布 lodestones/MOSS-Image-SFT-8-steps-dmd，这是一个工作进展检查点，通过 data-space DMD 方法将 MOSS-Image-SFT（50 步、CFG 3）蒸馏为 8 步、无需 CFG 的版本，可作为 LoRA 在 ComfyUI 中使用。
该论文提出 LILIE（Language-Informed and Lossless Image Encoder），利用可逆归一化流编码器为文本到图像生成提供语言监督损失，在 GPIC 数据集上将 JiT 模型的 gFD 从 66.84 降至 53.01，相比纯像素损失显著提升保真度。
MTEdit 引入了一个 500K 规模的多轮图像编辑数据集，通过打包轨迹画布生成来减少视觉漂移，并提出 MTEdit-Bench 基准；实验表明微调 Qwen-Image-Edit-Causal 可获得最佳的开源多轮图像编辑性能。
Krea 3 是一款全新的图像生成模型，专为大规模图像编辑而设计，强调面向创作者的迭代式和批量化编辑工作流。