苹果在ICLR2025提交的视觉推理论文宣称超越GPT-5，但遭研究员复现揭露严重问题：官方代码缺失图片输入模块，修复后准确率暴跌；抽查发现30%标注数据存在错误。作者团队在GitHub草率关闭问题反馈后，最终承认数据生成流程存在缺陷。该事件暴露论文评审机制漏洞，引发学界对AI研究可复现性的担忧。（140字）
阿里巴巴开源Z-Image图像模型，支持中英双语文字渲染，仅6B参数实现高效图像生成与编辑，视觉质量优秀。该模型由通义实验室开发，聚焦AI技术趋势，助力开发者洞悉创新应用。
阿里巴巴开源Z-Image图像生成模型，仅6B参数实现高效生成与编辑，视觉质量接近20B级别商业模型。该模型采用单流DiT架构，生成速度快、资源占用低，有望推动AI图像工具普及消费级应用。
谷歌AI笔记工具NotebookLM新增幻灯片生成器功能，可将笔记快速转换为演示幻灯片，帮助用户高效整理内容、生成草稿并优化视觉效果。该功能与信息图工具均基于Gemini3Pro图像生成模型运行，能处理详细提示信息。
专业AI图像与视频生成平台，用多种AI工具打造惊艳视觉效果。
一款免费在线 AI 图像编辑器，快速生成独特视觉效果。
Nano Banana 2是AI图像生成与编辑平台，用先进神经网络秒变文字为视觉作品。
Nano Banana助力创意，AI将文字转化为惊艳视觉，可试用AI艺术生成器。
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
$6
$24
$2
$20
Baidu
128
DevQuasar
这是一个基于Moonshot AI技术的量化版本模型，专注于视觉语言理解与生成任务，致力于降低知识获取门槛，让知识为每个人所用。
SadraCoding
SDXL-Deepfake-Detector 是一款精准检测 AI 生成人脸的工具，专注于维护数字世界的真实性，为抵御视觉虚假信息提供隐私保护且开源的解决方案。该模型通过微调预训练模型实现轻量级且高准确率的检测。
unsloth
Qwen3-VL-2B-Instruct是Qwen系列中最强大的视觉语言模型，具备卓越的文本理解与生成能力、深入的视觉感知与推理能力、长上下文支持以及强大的空间和视频动态理解能力。该模型采用2B参数规模，支持指令交互，适用于多模态AI应用。
facebook
DINOv3是Meta AI开发的一系列通用视觉基础模型，无需微调即可在广泛的视觉任务中超越专门的先进模型。该模型采用自监督学习方式，生成高质量的密集特征，在图像分类、分割、深度估计等多种任务中表现出色。
DINOv3是Meta AI开发的多功能视觉基础模型，无需微调就能在广泛视觉任务中超越专业模型。该模型能生成高质量密集特征，在各种视觉任务中表现出色，显著超越了以往的自监督和弱监督基础模型。
DINOv3是Meta AI开发的一系列通用视觉基础模型，无需微调就能在多种视觉任务中超越专门的先进模型。该模型采用Vision Transformer架构，在16.89亿张网络图像上预训练，能生成高质量的密集特征，在图像分类、分割、检索等任务中表现出色。
deepseek-community
DeepSeek-VL是由DeepSeek AI团队开发的开源视觉语言模型，能够同时处理文本和图像信息，生成上下文相关的回复。该模型采用混合视觉编码器，支持高分辨率图像处理，在真实世界的视觉语言理解应用中表现出色。
aiwithoutborders-xyz
这是一个在法医应用中检测AI生成图像的视觉Transformer模型，训练于迄今为止最大的数据集。
buildborderless
这是一个基于视觉Transformer架构的图像分类模型，专门用于检测AI生成的图像，为法医应用提供支持。模型在包含270万张图像的大规模数据集上训练，涵盖15+个生成器和4600+个模型。
unum-cloud
UForm是一款小巧的多模态AI模型，可将视觉和英文文本映射到共享向量空间，支持内容理解与生成。该模型采用轻量级设计，文本编码器为4层BERT，视觉编码器为ViT-S/16，可生成256维嵌入向量。
HelpingAI
PixelGen是由HelpingAI开发的先进文本到图像生成模型，拥有34.7亿参数，能够根据文本描述生成高质量的视觉图像，为创意设计和实际应用提供强大的AI工具。
stablediffusionapi
Juggernaut Reborn 是一款基于扩散模型的文本到图像生成AI模型，能够根据文本描述生成超逼真的图像。该模型专注于创建高质量的肖像和场景图像，特别擅长处理人物肖像、赛博朋克风格等复杂视觉内容。
NehaBardeDUKE
基于AutoTrain框架训练的视觉图像二分类模型，在AI生成图像分类任务中表现优异
mcp-hfspace是一个连接Hugging Face Spaces的MCP服务器，支持图像生成、语音处理、视觉模型等多种AI功能，简化了与Claude Desktop的集成。
Korx Share MCP Server是一个多功能MCP协议服务器，通过与korx.org API集成，为AI生成的视觉内容（如图表、仪表盘和HTML页面）创建安全可分享的URL，同时保持内容交互性并进行风险过滤。
Moondream MCP Server是一个基于Moondream视觉模型的图像分析服务，提供图像描述生成、物体检测和视觉问答功能，可轻松集成到Claude和Cline等AI助手中。
一个提供AI视觉分析能力的MCP服务器，支持网页截图、视觉分析、文件操作和报告生成等功能。
一个提供AI视觉分析能力的MCP服务器，支持网页截图、视觉分析、文件操作和报告生成等功能，适用于Claude等AI助手。
MCP-hfspace是一个简化连接Hugging Face Spaces的服务器工具，支持图像生成、语音处理、视觉模型等多种AI功能，与Claude Desktop无缝集成。
%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)
