图像生成与编辑模型、开放权重和使用成本。
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。
Black Forest Labs 发布 FLUX 3 Action（F3A）机器人动作策略模型及其开放权重，采用 WAM 联合预测未来视频与动作。报告称，其单步 7B checkpoint 在 RoboLab 达到 38.3%，高于 Cosmos 3 Nano 的 36.8%；guidance-distilled checkpoint 达到 42.2%。
推荐理由：报告同时给出 RoboLab、真实机器人和推理效率数据，可用于比较 WAM 与 VLA 在成功率、速度和部署成本上的取舍。
Comfy 在 Comfy Developer Platform 上线 Comfy Router，开发者只需集成一次即可调用前沿图像、视频、3D 和音频模型，并按任务选择供应商。
推荐理由：Comfy Router 把多家供应商的前沿图像视频模型收进一个 API，读者可据此判断多供应商切换与排队重试对现有生成流程的改动。
Black Forest Labs 推出 FLUX Video Upscale，作为独立的 FLUX Tool 和 endpoint，可将 480p 起的视频重新生成到最高原生 4K，并原生理解 FLUX 3 的输出，修复通用放大器容易遗漏的模糊人脸、水面和草地纹理网格伪影。
推荐理由：官方给出两种模式的价格与倍率差异，便于按交付分辨率在成本与修复细节之间取舍。
Black Forest Labs 宣布 FLUX 3 早期版本已在机器人上运行，并与 mimic 合作推出视频-动作模型 FLUX-mimic，该模型基于 FLUX 3 骨干，从视频预测路径的中间特征解码动作。
推荐理由：官方披露 FLUX 3 早期版本与 mimic 合作落地机器人，可据此判断多模态基座向物理 AI 延伸的路线与部署约束。
Envato 基于 FLUX 将参考图变体、纯图像生成和多参考图像编辑整合进统一创作体验。FLUX 已贡献平台约 25% 的图像生成量，累计生成超过 51 million 张图片；其中 Stock riffing 可在 8 秒内生成 5 个变体。Black Forest Labs 称，FLUX.2 在写实、电影感和产品图场景中较可比模型高约 10%，下载率高于平台平均值 16%。
推荐理由：案例展示了创意平台如何按任务路由模型，将参考图变体、纯文生图和多参考编辑整合进统一工作流，并以延迟与生成量衡量落地效果。
Black Forest Labs 宣布，FLUX.2 [klein] 4B 将预装在新一代搭载 RTX GPU 的 ASUS ProArt 笔记本的 MuseTree 应用中，无需 API 或互联网即可生成图像。该方案的目标是在 8GB VRAM 笔记本上、后台运行其他专业应用时，将图像生成时间控制在 5 秒以内。
推荐理由：这次合作把 FLUX.2 [klein] 4B 的本地部署条件、离线使用方式和性能目标放到具体硬件上，便于评估其对隐私敏感与低延迟创作流程的适配度。
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 0.36.0，新增多条图像与视频管线，包括 Black Forest Labs 的 Flux2、6B 参数的 Z-Image、支持多图参考的 QwenImage Edit Plus、Bria FIBO、Kandinsky 5.0 Image Lite 和把图像编辑重构为视频生成任务的 ChronoEdit。
推荐理由：Diffusers 0.36.0 一次性接入 Flux2、Z-Image、HunyuanVideo 1.5 等新管线并新增缓存与注意力后端，可据此判断生成工作流的升级路径。
Replicate 对多款图像编辑模型进行了对象移除、视角转换、背景编辑、文字编辑和风格迁移测试，并比较了价格与推理时间。
推荐理由：这份按对象移除、视角转换、背景编辑、文字编辑和风格迁移展开的对比，可为图像编辑模型的任务选型提供具体参照。
Replicate 对比了截至 2025 年 7 月可用于单张参考图生成一致角色的四款模型：OpenAI gpt-image-1、Runway Gen-4 Image、Black Forest Labs FLUX.1 Kontext 和字节 SeedEdit 3，并补充了之后发布的 Ideogram Character 与 Gen-4 Image Turbo。
推荐理由：作者用同一参考图横向实测四款图像模型，给出角色一致性与风格化任务的选型建议和失败边界。
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。
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。
Replicate 宣布 FLUX 微调推理大幅提速，微调模型运行速度已与基础模型相同：FLUX.1 [schnell] 在 512x512、4 步下为 0.6 秒（P50），FLUX.1 [dev] 在 1024x1024、28 步下为 2.8 秒（P50）。
推荐理由：Replicate 公布了 FLUX 微调推理的加速数据与开源优化路径，可据此判断自建或托管微调服务的成本与质量取舍。
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 FLUX 在其平台上的端到端生成速度提升，并将相关优化代码开源。在美国西海岸使用 Python 客户端测试时，FLUX.1 [schnell] 在 512x512、4 steps 下为 0.29 秒，1024x1024、4 steps 下为 0.72 秒；FLUX.1 [dev] 在 1024x1024、28 steps 下为 3.03 秒。
推荐理由：文中给出的端到端测速和可关闭的优化开关，为比较 FLUX 在不同分辨率与步数下的速度、质量和部署取舍提供了具体依据。
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 介绍了利用合成训练数据改进 Flux 微调模型的方法，涵盖从单张图片生成训练集、筛选模型优质输出再训练，以及组合多个 LoRA 扩展风格。文章还说明了通过 Replicate API 使用 `extra_lora` 和 `extra_lora_scale` 的方式，并建议在 0.9 到 1.1 的范围内调整 LoRA 权重。
推荐理由：文章将单图扩增、筛选微调模型优质输出和组合 LoRA 整理成可复用流程，适合改善 Flux 微调数据的多样性与风格范围。
Replicate 发布教程，展示如何通过其 HTTP API 以编程方式微调 FLUX.1、发布模型并生成图像。教程覆盖训练图片准备、API token、模型创建、数据上传、训练状态检查，以及使用 trigger_word 调用微调模型。使用约20张图片和1000 steps时，训练通常约需20分钟、成本约为$1.85，训练运行在 Nvidia H100 上并按秒计费。
推荐理由：这篇教程把 FLUX.1 微调拆成可执行的 API 流程，涵盖训练数据、成本、版本发布和调用，适合复用到自定义图像模型工作流。