搜索
过去两年，AI生图的参数量与清晰度完成了指数级跨越，但真正面向服装行业却依然面临一个极其尴尬的悖论——当GPT、Gemini等顶尖大模型在通用图像生成上大放异彩时，落地到服装产业的深水区，依然满屏是令人出戏的AI味。通用的SOTA模型做得到了“逼真”，却依然做不好“商业”。
毫无疑问，四月份发布的生图模型 GPT-Image-2，现在依然是当之无愧的 AI 生图之王。
面向设计生产场景，兔展智能研发了UniWorld-Design，进一步强化了视觉生成与编辑能力的结合，并基于此打造了产模一体战略的重要产品——RabbitVis。AI正在从通用能力竞争，进入场景能力竞争
昨天，谷歌把最新图像生成模型Nano Banana 2正式塞进了谷歌地球网页版。谁能想到，一觉醒来，新功能被玩坏，谷歌紧急撤回了这一功能！结果效果太逼真，被专家强烈反对后，谷歌紧急撤回了新功能，「加强防护措施」后再次发布。
给图像生成模型一张人物参考图，它大概率能抓住身份特征。
最近，一篇名为 FreeStyle: Free Control of Style-Content Dual-Reference Generation from Community LoRA Mining 的工作引起了不少关注。换句话说，FreeStyle 研究的是 style-content dual-reference generation，也就是「内容 - 风格双参考生成」。
用 AI 生图的人，应该都体会过这种痛苦。
2026 年 6 月，HuggingFace 上一个名为 Boogu-Image-0.1 的开源模型，在上传以后迅速引爆了 AI 圈。这款模型最引人注目的地方，在于它以区区 10B 的参数规模，就在多项关键能力上超过了很多参数量更大的模型。
Meta超级智能实验室（MSL）扔出了首个图像生成模型Muse Image，代号「芒果」（Mango）。这是我们迄今为止最先进的图像生成模型。与Muse Image一同亮相的，还有视频模型Muse Video，目前仍是预览版。
MrFlow（Multi-Resolution Flow Matching）就用这样的三阶段，在Qwen-Image等模型上把端到端生成时间从49.32s压到4.77s，实际加速10.35x。文章发布当日即登上Hugging Face Daily Papers；发布三天内，GitHub已收获200+stars；目前也已登上Hugging Face Trending Papers。