Ideogram 发布 Ideogram 4.5 模型，主打局部图像编辑一致性
Ideogram 发布新模型 Ideogram 4.5，声称能仅修改用户指定的图像区域而不影响其余部分，解决 AI 图像编辑中常见的伪影问题。该模型适用于产品摄影、室内设计、照片修复和图内文字编辑，早期测试者确认其跨多次编辑的一致性表现强劲。
#图像生成
#图像生成
今日 1 条The DecoderAI 评分6060
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash 并开放开发者接入
Google DeepMind 正式发布 Nano Banana 2 Lite 和 Gemini Omni Flash，并在 Google AI Studio、Gemini API 及 Gemini Enterprise Agent Platform 向开发者开放。
推荐理由：官方同步开放两款新模型的开发者接口，明确了各自的延迟、成本及能力边界，为构建图文视频混合工作流提供了具体选型依据。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana 2 (Gemini 3.1 Flash Image)
Google DeepMind 发布最新图像生成模型 Nano Banana 2（即 Gemini 3.1 Flash Image），旨在以 Flash 级别的速度提供接近 Pro 版本的智能与视觉质量。
推荐理由：原文详细列出了新模型在速度、世界知识及创作控制上的具体能力升级，并明确了其在 Google 全系产品中的部署范围。
Google DeepMind精选AI 评分8989 Google DeepMind 发布 Nano Banana Pro (Gemini 3 Pro Image) 图像生成模型
Google DeepMind 推出基于 Gemini 3 Pro 的新一代图像生成与编辑模型 Nano Banana Pro (Gemini 3 Pro Image)。
推荐理由：原文详细列出了新模型在文本渲染、多图融合及推理能力上的具体升级，并明确了各产品线与订阅层级的开放入口。
Hugging Face BlogAI 评分5555 Hugging Face 发布 SegMoE：用于创建混合专家扩散模型的框架
Hugging Face 推出 SegMoE 框架，允许用户通过替换 Stable Diffusion 中的 Feed-Forward 层来从零开始创建混合专家（MoE）扩散模型。
Hugging Face Blog精选AI 评分6363 Hugging Face 发布高效非扩散文本到图像模型 aMUSEd
Hugging Face 发布了名为 aMUSEd 的高效非扩散文本到图像模型，这是 Google MUSE 的开源复现版本。该模型采用掩码图像建模方法，参数量仅约 800M，支持零样本图像修复，并已在 diffusers 库中集成。用户可通过 LoRA 在 7GB 显存下完成微调，模型遵循 OpenRAIL 许可证允许商业使用。
推荐理由：原文给出了基于掩码建模的非扩散架构细节及低显存微调方案，读者可据此评估其在推理效率与端侧部署上的实际潜力。
Hugging Face Blog精选AI 评分8585 Hugging Face 发布 Latent Consistency LoRAs 实现 SDXL 4 步快速生成
Hugging Face 推出 Latent Consistency Models (LCM) LoRAs，允许在 Stable Diffusion XL 和 SD v1.5 等模型上通过仅 4-8 步推理实现高质量图像生成，显著加速过程（如 M1 Mac 上从约 60 秒降至 6 秒）。
推荐理由：提供了将LCM LoRA应用于SDXL等模型的具体代码与基准测试，展示了如何在保持画质的前提下大幅降低推理步数并提升生成速度。
Hugging Face BlogAI 评分5555 Hugging Face 推出 Würstchen：基于高压缩潜空间的快速图像生成扩散模型
Hugging Face 发布新扩散模型 Würstchen，其文本条件组件在高度压缩的图像潜空间中工作，实现了 42 倍的空间压缩。
Hugging Face BlogAI 评分4040 Segmind 开源 SD-Small 与 SD-Tiny 知识蒸馏代码及权重
Segmind 开源基于知识蒸馏训练的 SD-Small 和 SD-Tiny 模型权重及代码，二者参数量分别比基础模型减少 35% 和 55%，推理速度提升最高达 100%。该工作以 Realistic-Vision 4.0 为教师模型，在 LAION Art Aesthetic 数据集上训练，旨在通过压缩生成式 AI 模型实现更快速、低成本的图像生成。