德国AI公司Black Forest Labs发布全新图像生成编辑系统FLUX.2，包含四个不同规模模型，支持高效创意工作流程。技术提升包括多参考条件、更高保真度输出和改进文本渲染，推动图像生成技术进步。
字节跳动联合香港三所大学开源DreamOmni2系统，突破性提升AI图像编辑生成能力。该系统实现多模态指令理解，可同时处理文本指令与参考图像，显著改善抽象任务处理效果，推动图像生成技术发展。
香港中文大学MMLab联合北航、上交等推出结构化图像生成编辑系统，突破AI在图表、公式等结构化图像生成瓶颈。现有模型如FLUX.1和GPT-Image虽在自然图像生成表现优异，但处理结构化图像时数据准确性与逻辑性不足。该系统填补了这一技术空白，推动AI在数据可视化领域的发展。
谷歌DeepMind推出Gemini Robotics项目，首次实现机器人行动前“思考”能力。通过两个协同模型，该系统突破传统机器人仅执行固定任务的局限，将生成式AI从文本、图像创作延伸至动作指令输出，有望彻底改变机器人技术发展路径。
AI系统从单张图片生成3D世界
基于级联扩散的文本到图像生成系统
先进的文本到图像生成系统
基于LLM的文本到图像生成系统
Openai
$2.8
Input tokens/M
$11.2
Output tokens/M
1k
Context Length
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
$7.7
$30.8
200
-
Anthropic
$105
$525
$0.7
$7
$35
$17.5
$21
Alibaba
$4
$16
$1
$10
256
$2
$20
$6
$24
Baidu
128
一个集成4o-image API的MCP服务器实现，支持通过标准化协议让LLM和AI系统生成和编辑图像，包括文本生成图像、图像编辑等功能。
一个结合3D卡通图像生成与文件系统管理的专业服务器，提供基于Gemini AI的高质量3D卡通生成和安全的文件操作功能。
该项目是一个MCP服务器，用于将Google的Gemini模型与Claude Code集成，实现两大AI系统的协作。提供直接查询、协作头脑风暴、代码分析、文本分析、内容摘要和图像提示生成等功能。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
