英伟达发布Nemotron-Labs-TwoTower离散扩散语言模型，解决大模型逐token生成速度慢的痛点，权重已在Huggingface开源。该模型复用现有骨干网预训练权重，无需从头训练，显著降低成本。采用60B双塔架构，两座30B网络并行协同，每塔激活3B参数并搭载128个可路由专家模块，提升生成效率。
英伟达开源Nemotron-Labs-TwinTower扩散语言模型，通过“双塔”架构突破自回归模型的串行解码瓶颈。该模型将生成任务拆分为两个子网络，其中一个保持冻结，以并行方式提升文本生成吞吐量，为大规模合成任务提供高效新解法。
谷歌于2026年6月发布开源语言模型DiffusionGemma，首次将图像AI扩散机制引入文本生成，打破传统逐字自回归范式。该模型从随机噪声迭代优化，并行输出256个词块。经英伟达优化，在单GPU单用户模式下，运行速度比同类传统模型快近四倍，如H100显卡处理单请求时表现显著提升。
谷歌于6月10日发布开源实验模型DiffusionGemma，采用文本扩散架构，在专用GPU上文本生成速度较传统自回归模型最高提升4倍，旨在提升AI生成效率，但官方对此保持谨慎态度。
全球首个人工智能直播流扩散模型。
通过音频扩散模型实现源分离和合成的创新方法。
F Lite 是一款 10B 参数的扩散模型，专注于合法和安全内容。
首个融合区块扩散和专家混合技术的高效推理语言模型
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
Baidu
128
$6
$24
$2
$20
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。
Gjm1234
Wan2.2是基础视频模型的重大升级版本，专注于将有效MoE架构、高效训练策略和多模态融合等创新技术融入视频扩散模型，为视频生成领域带来更强大、更高效的解决方案。
sd2-community
Stable Diffusion v2-1-base是基于文本生成图像的扩散模型，在v2-base基础上进行了220k额外步骤的微调优化。该模型能够根据文本提示生成和修改图像，支持多种分辨率输出，适用于艺术创作、教育研究等多个领域。
Stable Diffusion v2 是一个基于扩散模型的文本到图像生成模型，能够根据文本提示生成和修改图像。该模型在LAION-5B数据集子集上训练，结合了自编码器和扩散模型，在潜在空间中进行训练，支持多种分辨率和任务。
Stable Diffusion v2-1-unclip是基于Stable Diffusion 2.1微调的扩散模型，能够接受文本提示和CLIP图像嵌入，用于创建图像变体或与文本到图像的CLIP先验结合使用。
nvidia
BR-RM是一种创新的两轮推理奖励模型，通过自适应分支和基于分支的反思机制，解决了传统奖励模型中的'判断扩散'问题，在多个奖励建模基准测试中取得了业界领先的性能。
ashllay
基于Stable Diffusion XL，采用Inversion-DPO方法微调UNet权重，结合直接偏好优化（DPO）技术和反演方法，提升图像生成质量和对齐度的扩散模型
MadhavRupala
Stable Diffusion v1-5是基于潜在扩散技术的文本到图像生成模型，能够根据文本描述生成逼真的图像。该模型在LAION-2B数据集上训练，支持英语文本输入，生成512x512分辨率的图像。
radicalnumerics
RND1是一个实验性的扩散语言模型，拥有300亿参数，采用稀疏专家混合架构。该模型从预训练的自回归基础模型转换而来，支持基于扩散的文本生成，每个标记仅激活30亿参数，在计算效率和模型容量之间取得平衡。
likewendy
Pandora是一个用于生成逼真、高质量手机拍摄风格图像的扩散模型，采用两阶段训练过程，能够生成具有惊喜效果的手机拍摄风格图像。
Salesforce
CoDA是Salesforce AI Research研发的基于扩散模型的代码生成语言模型，具备双向上下文理解能力，专为强大的代码生成和补全任务而设计。该模型仅17亿参数，在保持低计算要求的同时实现了卓越的代码生成性能。
inclusionAI
LLaDA-MoE是基于扩散原理构建的新型混合专家语言模型，是首个开源的MoE扩散大语言模型，在约20万亿个标记上从头预训练，总参数70亿，推理时仅激活14亿参数，在代码生成和数学推理等任务中表现卓越。
tencent
SRPO是一种针对扩散模型的人类偏好对齐方法，通过Direct-Align技术和语义相对偏好优化，显著提升了FLUX.1-dev模型的真实感和美学质量，解决了多步去噪计算成本高和依赖离线奖励微调的问题。
sagata007
RUSKANIME2025是基于LoRA和Diffusers技术的文本到图像生成模型，专门用于通过特定触发词生成相关动漫风格图像。该模型基于black-forest-labs/FLUX.1-dev基础模型构建，采用扩散LoRA模板技术。
John6666
这是一个基于稳定扩散XL架构的文本到图像生成模型，专门用于生成具有高度真实感和丰富色彩的照片级图像。该模型在OnomaAIResearch/Illustrious-xl-early-release-v0基础上构建，专注于提升皮肤质感和色彩表现。
frankjoshua
这是一个基于Qwen-Image的扩散模型，融合了8步Lighting LoRA技术，能够实现快速高质量的图像生成。该模型通过GGUF量化格式提供，支持在资源受限的环境下运行。
Immac
NetaYume Lumina Image 2.0 是一个文本到图像的扩散模型，经过GGUF格式量化处理，能够将文本描述转换为图像。该模型经过优化，在保持生成质量的同时减少了内存使用和提升了性能。
tristan-deep
这是一个基于分数生成扩散模型的医学图像处理模型，专门针对心脏超声图像进行去雾处理。该模型在DehazeEcho2025数据集上训练，能够有效去除超声图像中的雾状干扰，提升图像清晰度。
duyntnet
Chroma 是一个高质量的文本到图像生成模型，专注于生成逼真的图像内容。该模型采用先进的扩散技术，能够根据文本描述生成高质量的视觉内容，特别适合本地部署环境下的图像创作需求。
manycore-research
SpatialGen是一个利用多视图、多模态扩散模型，从语义布局中生成多视图、多模态信息的项目。它能实现图像到场景以及文本到场景的转换，为相关领域的研究和应用提供了有力支持。
ComfyUI_StoryDiffusion是一个基于ComfyUI的插件，支持StoryDiffusion和MS-Diffusion模型，用于生成连贯的长序列图像和视频。项目支持多种功能，包括双角色同框、ControlNet控制、Lora加速、文本到图像和图像到图像转换等。
%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)
'%3e%3cpath%20d='M55.2622%2038L48.2289%2022L44.1206%2031.3333H47.2539L45.7872%2034.6667H38.7622L46.0956%2018H37.6706C36.7539%2018%2036.0039%2018.75%2036.0039%2019.6667V36.3333C36.0039%2037.25%2036.7539%2038%2037.6706%2038H55.2622Z'%20fill='white'/%3e%3cpath%20d='M64.3368%2018H50.3535L59.1535%2038H64.3368C65.2535%2038%2066.0035%2037.25%2066.0035%2036.3333V19.6667C66.0035%2018.75%2065.2535%2018%2064.3368%2018ZM63.0868%2034.6667H59.7535V21.3333H63.0868V34.6667Z'%20fill='%23FFCC66'/%3e%3cpath%20d='M89.3379%2026.75V29.25H81.8379V36.75H91.8379V24.25H81.8379V26.75H89.3379ZM84.3379%2034.25V31.75H89.3379V34.25H84.3379Z'%20fill='white'/%3e%3cpath%20d='M103.504%2036.75V29.25H96.0039V26.75H103.504V24.25H93.5039V31.75H101.004V34.25H93.5039V36.75H103.504Z'%20fill='white'/%3e%3cpath%20d='M115.17%2026.75V24.25H105.17V36.75H115.17V34.25H107.67V31.75H115.17V29.25H107.67V26.75H115.17Z'%20fill='white'/%3e%3cpath%20d='M80.1712%2029.25V29.175L78.9962%2028L80.1712%2026.825V20.425L78.9962%2019.25H69.3379V36.75H78.9962L80.1712%2035.575V29.25ZM77.6712%2034.25H71.8379V29.25H77.6712V34.25ZM77.6712%2026.75H71.8379V21.75H77.6712V26.75Z'%20fill='white'/%3e%3c/g%3e%3cg%20clip-path='url(%23clip1_644_3948)'%3e%3cpath%20d='M169.59%2022.9827L169.59%2023.6491H177.409L168.175%2032.8822L169.118%2033.8248L178.351%2024.5917L178.352%2032.4106H179.685V22.3164L179.018%2022.3157H169.59V22.9827Z'%20fill='white'/%3e%3c/g%3e%3cdefs%3e%3cclipPath%20id='clip0_644_3948'%3e%3crect%20width='80'%20height='20'%20fill='white'%20transform='translate(36%2018)'/%3e%3c/clipPath%3e%3cclipPath%20id='clip1_644_3948'%3e%3crect%20width='20'%20height='20'%20fill='white'%20transform='translate(164%2018)'/%3e%3c/clipPath%3e%3c/defs%3e%3c/svg%3e)
