Lightricks公司推出AI视频生成模型LTX-2，能一次性生成20秒4K高清叙事视频，实现音画同步和口型匹配。该模型突破传统无声视频限制，在同一扩散过程中同步生成画面与声音，显著提升视频创作效率。
清华大学与快手可灵团队合作推出SVG模型，替代VAE，解决了语义纠缠问题，训练效率提升6200%，生成速度提高3500%，标志着VAE在图像生成领域逐步淘汰。
蚂蚁集团开源dInfer框架，专用于扩散大语言模型高效推理。该框架将推理速度提升10倍，在保持同等模型性能下超越传统自回归模型。自回归模型逐字生成文本速度受限，扩散模型通过去噪过程实现更高效推理，推动自然语言处理技术发展。
蚂蚁集团开源业内首个高性能扩散语言模型推理框架dInfer，显著提升推理速度。基准测试显示，其比英伟达Fast-dLLM快10.7倍，在HumanEval代码生成任务中单次推理达每秒1011个Tokens，推动技术迈向实际应用。
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
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。
JetLM
SDAR是一种新型大语言模型，集成了自回归和离散扩散建模策略，结合了AR模型高效训练和扩散模型并行推理的优势。在通用任务上与SOTA开源AR模型相当，在科学推理任务上表现出色，成为最强大的扩散语言模型。
nbirukov
基于扩散策略的视觉运动控制模型，将机器人控制视为生成扩散过程，能够生成平滑的多步动作轨迹，在富接触操作任务中表现出色。
fredzzp
Open-DCoder 0.5B 是一个基于Qwen2架构的代码生成掩码扩散模型，参数量为5亿。该模型采用双向注意力机制和创新的扩散生成方法，专门用于代码生成任务。
Cosmos-Predict2.5是NVIDIA开发的专为物理AI设计的高性能预训练世界基础模型套件，基于扩散模型技术，能够根据文本、图像或视频输入生成具有物理感知的高质量图像和视频，为自动驾驶、机器人等应用提供世界模拟能力。
tera0711
embeddings 项目是一个基于 LoRA 和 Diffusers 技术的文本到图像转换模型，使用 stabilityai/stable-diffusion-3.5-large 作为基础模型，提供了扩散 LoRA 模板，能够基于特定模型生成高质量的图像。
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)
