苹果公司此前高调推出的Apple Intelligence功能，特别是图像生成工具Image Playground，因输出质量不佳被用户戏称为“最糟糕的AI功能”。然而，即将发布的OS27系统将带来转机，核心升级包括采用全新基础模型和引入Gemini算力支持，有望显著改善生成式AI的表现。
阿里云在5月20日峰会上宣布，其大模型服务平台“百炼”强化开放生态，接入多家第三方顶尖模型，覆盖文本、图像、视频及多模态生成等领域。此举标志着百炼从阿里自研“千问”模型的展示台，转型为涵盖全行业主流模型的“AI模型超级市场”，首批接入的模型矩阵丰富多元。
智象未来在北京开放日发布基于Unified Transformer架构的图像大模型HiDream-O1-Image-Pro，参数量超2千亿，刷新多项SOTA纪录。同日宣布完成半个月内第二轮融资，由深创投、金浦投资等顶级机构加持，彰显资本市场对原生全模态技术的认可。
智象未来在首届开放日上发布基于“Unified Transformer（UiT）”架构的图像大模型HiDream-O1-Image-Pro，参数超两千亿，实现像素、文本与任务条件统一，在文生图、文字渲染和图像编辑等任务上达到行业顶尖水平。
免费AI图像生成器，含100积分，无需信用卡，支持多模型
OminiGate是统一的AI API网关，支持文本、图像和视频模型，按用量付费。
SeedanceGen可基于文本、图像等生成Seedance AI视频，支持多模型。
一个统一API，可生成图像、合成语音、转录音视频，低成本访问开源模型。
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
dx8152
这是一个基于Qwen-Image-Edit-2509的LoRA微调模型，专门用于解决图像二次光照处理问题。它能够移除原始图像的光照效果，并根据参考图像的光照和色调，为目标图像重新生成逼真的照明和阴影，实现图像风格的迁移与融合。
GuangyuanSD
Z-Image-Re-Turbo 是一个基于文本生成图像的模型，它在 Z-Image-De-Turbo 模型的基础上进行了去还原和重新加速优化。该模型旨在兼顾训练时的便利性与推理时的速度，恢复了接近原始 Turbo 模型的快速生成能力，同时保持了与 Z-Image-De-Turbo 相同的训练友好特性，使其能够完美兼容 Z-Image 生态系统中已训练的大量 LoRA 模型。
meituan-longcat
长猫图像编辑是长猫图像（Longcat-Image）的图像编辑版本，是一个支持中英双语的开源图像编辑模型。它在指令遵循、图像质量和视觉一致性方面达到了开源模型的先进水平，具备出色的精准编辑能力和一致性保留能力。
AlekseyCalvin
这是一个针对 Z-Image Turbo DiT 模型的低秩适配器（LoRA），专门用于生成具有历史照片风格的图像。该模型基于 1900-1910 年代摄影师 Sergey Prokudin-Gorsky 的 150 张彩色照片训练而成，能够为现代图像生成注入独特的早期彩色摄影美学，如暖色调光晕和特定色彩质感。
rujutashashikanjoshi
这是一个基于YOLOv12 Medium架构，在自定义数据集上微调的目标检测模型。该模型专门用于高效、准确地检测图像或视频中的无人机目标，为计算机视觉应用提供支持。
jayhuang92
Qwen-Image 是基于 Qwen 系列开发的文本到图像生成模型，支持中英双语输入，在多个评估指标上表现优异，特别适用于追求逼真效果的图像生成场景。
AiAF
D-ART - LoRA - Z-Image-Turbo 是一个基于 Tongyi-MAI/Z-Image-Turbo 基础模型的图像生成模型。它是一个LoRA（Low-Rank Adaptation）适配器，旨在为生成图像注入特定的“D-ART”艺术风格。该风格以生成自信、充满活力的年轻女性角色插画为特点，尤其强调角色的曲线和动态姿态。用户通过使用特定的触发词即可激活该风格，生成具有统一美学特征的多样化图像。
NewBie-AI
NewBie image Exp0.1 是一个基于 Next-DiT 架构开发的高效图像生成基础模型，专门用于生成高质量的动漫风格图像。它融合了先进的文本编码器和视觉组件，支持自然语言和结构化标签输入，是多角色动漫图像生成的强大工具。
drbaph
Z-Image（造相）是一个拥有60亿参数的高效图像生成基础模型，专门解决图像生成领域的效率和质量问题。其蒸馏版本Z-Image-Turbo仅需8次函数评估就能达到或超越领先竞品，在企业级H800 GPU上可实现亚秒级推理延迟，并能在16G VRAM的消费级设备上运行。
T5B
Z-Image-Turbo 是经过 FP8 E5M2 和 E4M3FN 格式量化的图像处理模型，基于原始 Tongyi-MAI/Z-Image-Turbo 模型优化，在保持性能的同时显著减少模型大小和推理资源需求。
city96
FLUX.2-dev是由black-forest-labs开发的图像生成和编辑模型，已转换为GGUF格式，专为图像生成任务优化，采用扩散模型架构，支持在ComfyUI框架中使用。
gguf-org
flux2-dev-gguf 是一个基于 FLUX.2-dev 的图像到图像转换模型，专门用于根据文本提示生成特定风格的图像。该模型支持在 ComfyUI 环境中运行，能够将文本描述转换为风格化的视觉内容。
silveroxides
基于 black-forest-labs/FLUX.2-dev 的优化版本图像生成模型，支持图像到图像的生成和编辑任务，采用 fp8_scaled 量化技术提升推理速度，特别适合在低显存 GPU 上使用。
ostris
这是一个基于LoRA技术的文本到图像转换模型，专门用于生成具有法国印象派画家贝尔特·莫里索艺术风格的图像。该模型在FLUX.2-dev基础模型上训练，能够将普通图像或文本描述转换为莫里索风格的画作。
Tongyi-MAI
Z-Image是一款功能强大且高效的图像生成模型，拥有60亿参数。它能有效解决图像生成领域在效率、质量和功能多样性方面的问题，为用户提供高质量的图像生成和编辑服务。
TomoroAI
TomoroAI/tomoro-colqwen3-embed-4b是一款先进的ColPali风格多模态嵌入模型，能够将文本查询、视觉文档（如图像、PDF）或短视频映射为对齐的多向量嵌入。该模型结合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的优势，在ViDoRe基准测试中表现出色，同时显著减少了嵌入占用空间。
diffusers
FLUX.2-dev是基于NF4量化的DiT和文本编码器的图像生成与编辑模型，提供高质量的图像生成和编辑能力，适用于图像领域的开发应用。
John1604
Qwen3 VL 4B Thinking 是一个支持图像到文本以及文本到文本转换的多模态模型，具有4B参数规模，能够满足多种图文交互需求。
pramjana
Qwen3-VL-4B-Instruct是阿里巴巴推出的40亿参数视觉语言模型，基于Qwen3架构开发，支持多模态理解和对话任务。该模型具备强大的图像理解和文本生成能力，能够处理复杂的视觉语言交互场景。
ExaltedSlayer
Gemma 3是谷歌推出的轻量级开源多模态模型，本版本为12B参数的指令调优量化感知训练模型，已转换为MLX框架的MXFP4格式，支持文本和图像输入并生成文本输出，具有128K上下文窗口和140+语言支持。
MiniMax官方模型上下文协议（MCP）服务器，支持文本转语音、视频/图像生成等API交互。
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。
该项目是一个基于Google Veo2模型的视频生成MCP服务器，支持通过文本提示或图像生成视频，并提供MCP资源访问功能。
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。
Jina AI MCP服务器是一个提供语义搜索、图像搜索和跨模态搜索功能的模型上下文协议服务，支持与Jina AI神经搜索能力无缝集成。
OpenSCAD MCP服务器是一个通过文本或图像生成参数化3D模型的服务，支持多视角重建、AI图像生成、远程CUDA处理和工作流审批，最终输出OpenSCAD兼容的模型文件。
OpenCV MCP Server是一个基于Python的计算机视觉服务，通过Model Context Protocol (MCP)提供OpenCV的图像和视频处理能力。它为AI助手和语言模型提供从基础图像处理到高级对象检测的全套计算机视觉工具，包括图像处理、边缘检测、人脸识别、视频分析和实时对象跟踪等功能。
AI视频生成MCP服务器，支持文本和图像输入生成动态视频，提供多种参数控制和模型选择。
一个基于MCP协议的图像生成服务器，使用Replicate的flux-schnell模型，支持通过文本提示生成图像，并可配置多种参数。
MCPollinations是一个基于Model Context Protocol（MCP）的多模态AI服务，支持通过Pollinations API生成图像、文本和音频。它提供无需认证的轻量级服务，兼容多种AI模型，并支持图像保存和Base64编码返回。
OpenSCAD MCP服务器是一个通过文本或图像生成参数化3D模型的工具，支持多视角重建和远程处理。
Outsource MCP是一个支持多AI模型提供商的统一接口服务，通过MCP协议让AI应用能便捷调用不同厂商的文本和图像生成能力。
一个基于Amazon Bedrock的Nova Canvas模型的MCP服务器，支持多种图像生成与编辑功能。
Pixeltable的多模态模型上下文协议服务器集合，提供音频、视频、图像和文档的索引与查询功能
一个基于Google Gemini模型的MCP服务器，提供文本生成图像和图像转换功能，支持高质量图像生成、智能文件名生成和本地存储。
一个基于TypeScript的MCP服务器，使用OPENAI的dall-e-3模型根据文本提示生成图像，并支持将生成的图像保存到本地指定目录。
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。
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。
Image Generation MCP Server是一个为Claude Desktop提供图像生成功能的MCP服务器，使用Replicate Flux模型，支持通过文本提示生成图像，并可通过Smithery或npm安装配置。
一个为Windsurf提供图像生成和网页抓取功能的MCP服务器，支持Flux Pro模型生成图像和ScrapeGraph API进行网页内容提取。
Diffusers%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)
