Black Forest Labs 发布 Flux 3 Image，主打在多步编辑中保持图像其他区域不变，并支持文生图、图生图、文字渲染和写实图像。模型支持用边界框构图、最多加入 10 张参考图，输出最高 4K；免费演示已开放，API 在 10 月 8 日前五折，商业权重可授权企业在自有基础设施上运行和微调，开放权重预计未来几周发布。
推荐理由：Flux 3 Image 将多步局部编辑、参考图和边界框构图结合起来，适合评估图像工作流中的可控性与商品或角色保真需求。
Zequn Yang 等作者提出 Gestalt，一种围绕多模态交互构建的大型多模态模型。该模型采用多模态交互金字塔、统一离散扩散框架和通过可学习交互 token 促进跨模态交换的架构，论文称其在图像生成、多模态理解和纯文本评测中提升了跨模态融合，同时保留模态特有信息。
AutoGUIWorld 提出一种无需部署或运行对应软件环境的 GUI 交互轨迹生成框架，将规划器与图像生成器结合，迭代生成界面状态和动作后果。
推荐理由：论文展示了用图像生成器合成 GUI 交互轨迹的路径，并用 OSWorld 与 ScienceBoard 结果说明其对智能体训练的潜在价值。
宝玉@doteyAI 评分2222据称 Fable 5.5 即将发布，一条演示显示其生成的网页能根据所经过图片的艺术风格动态变换自身风格。演示以在线 artifact 形式发布，展示同一动画在不同艺术风格间连续切换。
Welcome To the era of Super intelligence : Fable 5.5 behold superman in continuous animation in different art style
Ideogram 发布 Ideogram 4.5，声称局部编辑时只修改用户指定区域，减少对人物体型和背景的影响。该模型现已在 Ideogram 平台和 API 提供，支持原生 2K 分辨率，四档价格为每张 0.8 至 22 美分；公司称开放权重版本即将推出。
论文提出 ShieldCLIP，根据每个模态的实际安全状态进行选择性安全对齐，在减少有害输出的同时保留原始嵌入空间的实用性。作者构建了包含 195k 个四元组、覆盖 578 个概念和 28 个类别的 ViSUv2 数据集，并在跨模态检索、Stable Diffusion v1.4、SDXL 和 LLaVA 任务上进行评估。
UniEvo-VL 提出一种让单个多模态模型分别充当教师和学生、利用自我批评反馈进行在策略自蒸馏的方法，以改进图像生成能力。在开源 Qwen-image-2512 上，GenEval 从 0.747 提升至 0.808，GenEval2 Soft-TIFA 从 32.97 提升至 35.53。
推荐理由：论文给出不依赖独立教师的多模态自蒸馏路径，并用 GenEval 与 GenEval2 Soft-TIFA 的分数变化展示其对图像生成改进的测量方式。
阿里 Qwen 团队的最新图像模型 Qwen-Image-2.1 已在 ComfyUI 获得原生支持，开放权重、7B 参数，基于优化的 MMDiT 架构，可直接生成带 alpha 通道的 RGBA 图像。
推荐理由：原文给出 RGBA 直出与 10 张参考图等具体能力，可据此判断图像编辑工作流是否需要替换现有抠图环节。
OpenAI 发布 ChatGPT Images 2.5，可将想法、草图与参考照片转化为更个性化、更精致的图像，官方称生成结果能更好地体现用户的想法。
推荐理由：官方给出 ChatGPT Images 2.5 的输入类型与生成定位，可据此判断参考图生图能力在创作流程中的位置。
Hugging Face Diffusers 发布 0.39.0，新增 Cosmos 3、Ideogram 4、Krea 2、DreamLite、PRX Pixel、Motif-Video、AnyFlow、JoyAI-Image-Edit、DiffusionGemma、Anima 等图像与视频管线。
推荐理由：Diffusers 0.39.0 一次性接入 Cosmos 3、Ideogram 4、Krea 2 等十余条新管线，可据此判断各模型的开放方式与工程适配成本。
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）与 Gemini Omni Flash（gemini-omni-flash-preview）两款模型。
推荐理由：两款模型的延迟、单价与限制条件都写明了，可据此判断图像到视频链路的选型与成本。
FLUX VTO 公开发布，主打面向大规模商品目录的虚拟试衣，单次生成耗时低于 4 秒。模型可保留人物身份以及服装的 logo、印花、缝线和五金细节，支持一次应用最多四件衣物并进行叠穿。精准的身体和服装尺码仍在演进，输出更适合用于视觉造型参考；默认政策不支持泳装和内衣。
推荐理由：原文同时给出速度、商品细节保真和多件叠穿能力，可帮助评估虚拟试衣在商品目录与交互购物中的落地条件。
Hugging Face 的 Diffusers 发布 0.38.0，新增多条图像与音频管线，包括离散扩散语言模型 LLaDA2、2B 激活 17B 参数的稀疏 MoE 图像模型 NucleusMoE-Image。
Recraft 发布图像生成模型 Recraft V4，主打所谓“设计品味”，在构图、光线和色彩上做出更接近美术指导的视觉决策。
推荐理由：四个版本在分辨率、速度与价格上的差异，以及原生 SVG 输出，可作为图像生成选型与设计资产工作流的参考。
字节跳动 Seed 团队发布 Seedream 5.0 Lite 智能图像创作模型，相比 4.0 在理解、推理和生成方面全面提升，并首次为 Seedream 系列引入实时检索增强能力，可联网获取最新资讯回应时效性创作需求。
推荐理由：官方披露了多模态统一架构与实时检索增强的落地方式，可据此判断图像模型向推理型创作助手演进的具体路径。
字节跳动 Seed 团队正式发布新一代图像创作模型 Seedream 4.0，用同一套架构统一文生图与通用编辑能力，并融合常识与推理。相比 Seedream 3.0 和 SeedEdit 3.0，其多模态玩法、风格化美感、逻辑理解力均有提升，最高分辨率从 2K 扩展至 4K，DiT 生图推理速度提升超 10 倍。
推荐理由：官方给出统一架构下的生成与编辑能力、4K 与推理加速细节，可据此判断图像创作工具链的选型方向。
Hugging Face 发布 Diffusers v0.35.1，重点改进 Qwen-Image Edit。该版本包含 PR #12188 和 #12190，贡献者为 naykun。
Hugging Face 发布 Diffusers 0.35.0，新增 Wan 2.2、Flux-Kontext、Qwen-Image 和 Qwen-Image-Edit 等图像与视频管线。版本加入 Regional compilation，称可将编译时间减少 8–10x，并支持加速设备直接加载管线、分片并行加载和 GGUF CUDA kernels，后者预计带来约 10% 的推理速度提升。
推荐理由：该版本同时覆盖新图像与视频管线、编译和加载优化，可帮助开发者比较模型接入方式与推理部署路径。
Replicate 公开了其 FLUX.1 Kontext [dev] 实现的优化方法 TaylorSeer，用缓存的特征导数配合 Taylor 级数近似被跳过的去噪步，把模型调用从约 30 步降到 10 至 15 步，同时尽量保持质量。
推荐理由：Replicate 公开了 FLUX.1 Kontext 的 TaylorSeer 缓存加速实现，读者可据此理解扩散模型跳步近似与质量取舍。
字节跳动 Seed 团队发布图像编辑模型 SeedEdit 3.0，基于文生图模型 Seedream 3.0 构建，可处理并生成 1K 以上高清图像，在主体、背景和细节保持上进一步提升。
推荐理由：官方披露了保持力与可用率的量化提升及数据融合、奖励模型等训练细节，可供图像编辑选型与工作流设计参考。
Black Forest Labs 发布图像编辑模型 FLUX.1 Kontext，提供 [pro]、[max] 和即将推出的 [dev] 三个版本，可进行颜色替换、背景编辑、文字替换和风格迁移，并保持角色一致性。Replicate 还介绍了社区在发型变换、职业头像、老图修复、画幅扩展和移除文字等场景中的使用案例，以及 Kontext Chat 和可直接使用的 Kontext 应用。
推荐理由：文章同时梳理 FLUX.1 Kontext 的版本差异、提示词方法与社区案例，适合参考图像编辑和社交内容改版的工作流。
Black Forest Labs 推出图像编辑模型 FLUX.1 Kontext，Replicate 已上线 [pro] 与 [max] 两个版本，开放权重的 [dev] 版本即将发布。
推荐理由：梳理了 FLUX.1 Kontext 三个版本的开放方式与提示词写法，可据此判断图像编辑的选型与可控编辑流程。
Google DeepMind 的最新旗舰图像模型 Imagen 4 现可在 Replicate 上运行，目前为预览版，行为与功能可能变化，需求高时可能出现排队。
推荐理由：Replicate 上线 Google Imagen 4 预览版，读者可据此了解其文字渲染与细节表现及接入方式。
Ideogram 发布文生图模型 3.0 版本，在真实感、风格控制和版式生成上有较大改进，并分为 Turbo、Balanced、Quality 三个档位，均已上线 Replicate。Turbo 适合快速迭代，Quality 追求最高保真，Balanced 居中。该版本支持用参考图做风格迁移，并宣称在人工评测的 ELO 打分中于真实感、对齐度和多样性上高于其他图像生成模型。
推荐理由：Ideogram 3.0 三个档位在文字渲染、版式与风格参考上的分工，可供设计营销类图像选型参考。
字节跳动 Seed 团队发布 Seedream 3.0 技术报告，该原生高分辨率中英双语图像生成基础模型相比 2.0 在分辨率、结构准确性、小字生成与排版、美感等方面提升，可原生 2K 直出、1K 分辨率端到端约 3 秒出图，已在豆包、即梦全量开放。
推荐理由：技术报告披露了缺陷感知数据扩充、跨模态 RoPE 与推理蒸馏等做法，可借鉴到高分辨率文生图的数据与加速方案。
Black Forest Labs 发布 FLUX.1 Tools，为 FLUX 文生图模型增加控制与可引导能力，包含 Fill、Canny、Depth、Redux 四项功能。
推荐理由：FLUX.1 Tools 把局部重绘、边缘与深度控制、图像变体整合进同一模型族，可据此判断可控生成在编辑流程中的可用边界。
Replicate 宣布 Stable Diffusion 3.5 已上线，提供 Large、Large Turbo 和 Medium 三种版本，分别侧重画质、速度与消费级硬件运行。
推荐理由：文章同时给出三种规格、API价格和Medium权重入口，便于按画质、速度与本地运行条件选择模型。
Black Forest Labs 发布 FLUX1.1 [pro]，这是 FLUX.1 [pro] 的更快版本，生成速度为前代 6 倍，并提升图像质量、提示词遵循度和输出多样性。
推荐理由：文章同时给出 FLUX1.1 [pro] 的速度、质量与价格变化，并展示 Prompt upsampling 对图像生成工作流的影响。
Replicate 介绍 FLUX.1，这款可根据文字生成图像的新 AI 模型采用 flow matching，而非扩散模型。文章通过文字渲染、玻璃花朵、复杂场景和艺术风格等提示词，观察其在文字、光影、材质与构图方面的表现。文中所有图片均使用面向速度和本地执行优化的 FLUX.1 [schnell] 生成，可在 Replicate 上试用。
推荐理由：文章通过多组提示词展示 FLUX.1 在文字渲染、光影材质和复杂构图上的表现，并呈现 flow matching 带来的流动感审美。
Replicate 周报汇总本周开源 AI 动态：Black Forest Labs 发布图像生成模型套件 FLUX.1，含 pro、dev 和以 Apache 2.0 许可开源的 schnell 三个版本。
推荐理由：汇总一周开源模型与工具动态，并借编辑手记讨论生成模型作为世界镜像的反馈循环。