埃隆·马斯克称xAI的AI百科全书Grokipedia为“现代亚历山大图书馆”，完全开源，计划将知识库刻录在稳定介质后送往月球、火星等深空，以防文明毁灭导致知识丢失。目前收录约88.5万篇Grok生成文章，标注实时核查时间，用户可划线互动和纠错。
谷歌AI电影工具Flow新增图像编辑功能，集成Gemini2.5Flash模型，支持自然语言指令实现去背景、主体分离和场景替换，可生成8秒动态镜头。面向免费及以上用户开放，单张处理0.039美元，企业版同步上线Vertex AI。用户上传图片后输入提示词，即可获得PNG透明图或合成效果图。
小米更新超级小爱至v7.8.50版，新增“随心修图”功能。用户可通过自然语言指令，利用AI模型自动修图，支持多模态交互识别屏幕和摄像头画面。操作方式包括在相册唤醒小爱或通过App上传照片并输入文字，系统自动完成色彩增强、背景虚化等处理。
谷歌Gemini Pro/Ultra订阅用户现可体验Veo3.1视频模型，新增“Ingredients to Video”功能：支持同时上传三张参考图，分别提取人物、场景与风格特征，融合生成8秒1080p视频。生成内容自带SynthID隐形水印，支持网页/移动端文本输入一键生成。系统确保跨帧角色一致性与光影连贯，演示案例显示三张自拍+赛博城市背景+油画风格图可合成“印象派未来街头漫步”视频。
Grok Imagine v0.9可快速生成图像和视频，有稳定运动、清晰视觉和音频同步。
Seedance 2.0可将图像和文本转化为具有专业品质的电影级AI视频。
Auralume AI是一体化AI视频平台，可通过文本、图像等创建视频。
Imagika可将照片瞬间转化为AI生成的惊艳图像，仅需一张参考图。
openai
$14.4
Input tokens/M
$57.6
Output tokens/M
200k
Context Length
$18
$72
128k
google
$1.08
$4.32
1M
$144
$288
32k
azure
$0.36
$0.72
noctrex
这是慧慧Qwen3-VL-8B思维消融模型的量化版本，基于Qwen3-VL-8B架构，专门针对图像文本转换任务进行了优化和量化处理，可通过llama.cpp工具高效运行。
慧慧Qwen3-VL-8B指令消融模型的量化版本，专门用于图像文本到文本的转换任务。该模型基于Qwen3-VL-8B架构，经过指令消融优化和量化处理，可在保持性能的同时降低计算资源需求。
慧慧Qwen3-VL-4B思维消除模型的量化版本，基于Qwen3-VL-4B模型进行优化，专门设计用于消除思维链推理过程，可搭配最新的llama.cpp使用，提供高效的图像文本转文本处理能力。
Chandra-OCR量化模型是对原Chandra模型进行量化处理后的版本，专门用于图像转文本任务，可配合最新的llama.cpp使用。
Qwen
Qwen3-VL-2B-Instruct-GGUF是通义千问系列的多模态视觉语言模型的GGUF量化版本，具备20亿参数，支持图像理解和文本生成的无缝融合，可在CPU、GPU等设备上高效运行。
本项目是对Qwen3-VL-30B-A3B-Instruct模型进行MXFP4_MOE量化的成果。该模型可实现图像文本到文本的转换，为相关领域的应用提供了新的解决方案。截至2025年10月22日，此模型仍处于实验阶段。
nvidia
NVIDIA Nemotron Nano v2 12B VL是一款强大的多模态视觉语言模型，支持多图像推理和视频理解，具备文档智能、视觉问答和摘要功能，可用于商业用途。
jayn7
本项目提供了由LightX2V团队开发的万2.2蒸馏模型的量化GGUF版本，专门用于图像转视频和视频生成任务。该版本经过优化，可与ComfyUI-GGUF等工具配合使用，提供高效的推理性能。
ostris
这是一个基于Qwen-Image-Edit-2509的LoRA模型，专门用于将设计图案精准地应用到人物衬衫上，为图像编辑提供新的可能性。
Cassius6668
这是基于Stable Diffusion XL基础模型1.0的LoRA适配权重，专门针对特定风格进行了微调，可用于生成具有特定艺术风格的图像。
briaai
FIBO是首个专为长结构化描述训练的开源文本到图像模型，为可控性、可预测性和特征解耦设定了新标准。该模型拥有80亿参数，仅使用有许可的数据进行训练，支持专业工作流程需求。
John6666
专注于文本到图像生成的动漫风格模型，能够生成具有可爱女孩形象的2D插画、人物肖像和角色设定，图像具有动态姿势、清晰结构和强烈光照等特点。
BarleyFarmer
pejawan22-lora是一个基于AI技术训练的LoRA模型，专门用于特定图像的生成，可与多种AI工具集成使用，通过触发词'peja'来生成图像。
cpatonn
Apriel-1.5-15b-Thinker是ServiceNow开发的150亿参数多模态推理模型，具备文本和图像推理能力，性能可媲美比它大10倍的模型，在人工分析指数上获得52分，在企业领域基准测试中表现优异。
birder-project
这是一个基于RoPE（旋转位置编码）的Vision Transformer模型，参数规模为150M，采用14x14的patch大小。该模型在约2100万张图像的多样化数据集上进行了预训练，可作为通用视觉特征提取器使用。
Ashmotv
animat3d_style_wan-lora是基于AI Toolkit by Ostris训练的LoRA模型，专门用于文本到视频生成，可为图像生成带来独特的3D动画风格效果。该模型基于Wan2.2-T2V-A14B基础模型进行微调，支持多种主流AI平台使用。
andrewwe
my_qwennud-lora是基于Qwen-Image-Edit-2509使用特定工具训练的LoRA模型，专门用于图像生成和编辑任务，采用AI Toolkit by Ostris训练而成，可与多种主流AI工具配合使用。
Salesforce
GTA1是基于GRPO强化学习训练的GUI接地模型，专门用于图形用户界面自动化操作。相较于依赖冗长思维链推理的方法，GRPO直接激励可操作和有根据的响应，在多个基准测试中表现出卓越的接地性能。
deadpoolx22
这是一个基于AI技术的文本到视频LoRA模型，专门针对alita角色进行优化训练，可用于图像生成等场景，为相关领域的应用提供了便利。
lichorosario
piccoli_no_style-lora 是一个基于图像到视频技术的LoRA模型，使用AI Toolkit进行训练，主要用于图像生成任务，可与多种主流AI工具配合使用。
Eino是一个专为Golang设计的LLM应用开发框架，旨在通过简洁、可扩展、可靠且高效的组件抽象和编排能力，简化AI应用开发流程。它提供丰富的组件库、强大的图形编排功能、完整的流处理支持以及高度可扩展的切面机制，覆盖从开发到部署的全周期工具链。
FileScopeMCP是一个基于TypeScript的代码分析工具，通过计算文件重要性评分、追踪依赖关系、生成可视化图表和添加文件摘要，帮助开发者快速理解代码库结构。支持多语言项目分析，提供Mermaid图表生成和持久化存储功能，可与Cursor的模型上下文协议集成。
FileScopeMCP是一个基于TypeScript的工具，用于分析代码库中的文件重要性、跟踪依赖关系并提供可视化图表，帮助开发者快速理解代码结构。
DBCode是一款VS Code数据库管理插件，支持20+种数据库连接，提供数据编辑、自然语言查询、ER图生成、可视化分析等功能，帮助开发者在IDE内高效完成数据库操作。
腾讯云COS MCP Server是一个基于MCP协议的服务，无需编码即可让大模型快速接入腾讯云存储(COS)和数据万象(CI)能力，提供文件上传下载、图片处理、视频截帧等云端存储与处理功能。
MCP Server Notifier 是一个轻量级通知服务，与模型上下文协议（MCP）集成，可在AI代理完成任务时发送Webhook通知。支持多种Webhook提供商（如Discord、Slack、Teams等），提供图像支持、多项目管理、自定义消息等功能，易于与AI工具（如Cursor）集成。
AST MCP服务器是一个基于抽象语法树（AST）和抽象语义图（ASG）的代码分析服务，支持多种编程语言，提供代码结构解析、语义分析和复杂度评估等功能，可与Claude Desktop等MCP客户端集成使用。
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。
Go代码图形分析工具，通过MCP协议为AI助手提供代码理解能力，支持代码结构可视化和智能查询
该项目是一个基于Python实现的BI图表MCP服务，用于数据可视化，包含数据加载、处理和渲染模块。
PuchAI Hackathon项目提供多种工具集，包括Reddit内容分析、数据可视化图表生成、药品信息查询、用户偏好管理及任务管理功能，支持开发者快速验证市场假设和分析用户需求。
Deep Research是一个基于代理的工具，提供网页搜索和高级研究功能，支持PDF分析、图像描述和YouTube转录提取，可作为MCP服务器运行。
DiffuGen是一个先进的本地图像生成工具，集成了MCP协议，支持多种AI模型（包括Flux和Stable Diffusion系列），可直接在开发环境中生成高质量图像。它提供了灵活的配置选项、多GPU支持，并可通过MCP协议与多种IDE集成，同时提供OpenAPI接口供外部调用。
Smart-Thinking是一个先进的MCP服务器，提供多维、自适应且可自验证的AI推理框架，采用基于图形的架构实现复杂思维连接，支持跨平台运行并与多种MCP客户端兼容。
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。
该项目集成Graphistry的GPU加速图可视化平台与模型控制协议(MCP)，为AI助手和大型语言模型提供先进的图分析能力，支持多种数据格式和网络分析功能。
一个提供图像识别功能的MCP服务器，支持Anthropic和OpenAI的视觉API，具备图像描述、多格式支持、可配置主备服务商及OCR文本提取功能。
SCAST是一个将代码转换为UML图和流程图的编程工具，支持多种语言，提供静态分析和可视化功能。
一个基于GPT-4o-mini模型的图像分析MCP服务器，可处理URL或本地路径的图像内容分析
Ideogram MCP Server是一个基于Ideogram API的图片生成服务，提供多种可定制的图片生成参数，包括比例、模型、风格等。
%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)
