蘋果與香港大學合作推出LGTM渲染框架，通過解耦3D場景的幾何結構與表面紋理，簡化幾何複雜度併疊加紋理層，突破4K超高清渲染瓶頸，提升視覺效果。
蘋果與港大聯合發佈LGTM技術框架，通過解耦幾何與分辨率，優化3D高斯噴濺在高分辨率下的計算瓶頸，爲Vision Pro等設備提供更高效的圖形渲染方案。
谷歌發佈新一代圖像生成模型Nano Banana2，基於Gemini3.1Flash Image架構，顯著提升理解能力和響應速度。新模型重點優化了中文字符亂碼、語義混亂和畫面僞影等常見問題，能生成清晰準確的中文文本，改善用戶體驗。
谷歌擴大AI視頻工具Flow的訪問範圍，向商務、企業及教育版Workspace用戶開放。該工具搭載Veo3.1模型，可根據文本或圖像生成8秒視頻片段，支持拼接成更長場景。
谷歌驅動的統一全模型，支持4K視頻生成、編輯與混音
veo 4 是一款支持 4K 分辨率、原生音頻同步及角色一致性的生成式 AI 視頻製作工具。
GPT Image 2.0可秒級生成4K圖像，支持文本轉圖像及參考編輯等
使用Flux、Imagen和Seedream AI從文本或照片生成4K圖像，免費無需註冊。
Bytedance
-
輸入tokens/百萬
輸出tokens/百萬
上下文長度
Alibaba
$1.8
$5.4
16
Baidu
32
Huawei
4
Tencent
$3.5
$7
Chatglm
01-ai
Owen777
UltraFlux是一款基於Flux的擴散變換器，專門用於原生4K文本到圖像生成。它通過數據、架構和損失的協同設計，能夠在各種不同縱橫比下保持一致的圖像質量。
opocai
這是一個基於LoRA和Diffusers技術的文本到圖像生成模型，使用特定觸發詞'Put it here'來生成高質量圖像。該模型基於FLUX.1-Kontext-dev基礎模型構建，支持自適應光線調整和4K高清畫質輸出。
Mungert
GLM-4.1V-9B-Thinking是基於GLM-4-9B-0414基礎模型開發的視覺語言推理模型，專注於圖像文本到文本轉換，在複雜多模態任務中表現出色，支持64K長上下文和4K分辨率圖像處理，提供中英雙語支持。
THUDM
GLM-4.1V-9B-Thinking是基於GLM-4-9B-0414基礎模型的開源視覺語言模型，專注於提升複雜任務中的推理能力，支持64k上下文長度和4K圖像分辨率。
zai-org
GLM-4.1V-9B-Base是智譜AI開發的開源視覺語言基礎模型，擁有90億參數，專注於多模態推理能力，支持中英雙語，處理高達4K分辨率的圖像和64K上下文長度。
LyliaEngine
一個基於LoRA的文本生成圖像擴散模型，專注於生成高質量、高分辨率的動漫風格角色圖像，融合哥特、和風與賽博元素。
Jonjew
基於XL 1.0+Flux1D+SD1.5基礎模型訓練的LoRA微調模型，專注於生成具有超高清4K電影級畫質和極致細節的寫實皮膚紋理風格圖像。
zhibinlan
LLaVE-2B是基於Aquila-VL-2B模型的20億參數多模態嵌入模型，具有4K tokens的上下文窗口，支持文本、圖像、多圖像和視頻的嵌入表示。
Efficient-Large-Model
Sana是一個高效生成4K分辨率圖像的文本生成圖像框架，能夠快速合成高分辨率、高質量且文本-圖像對齊性強的圖像，並可在筆記本電腦GPU上部署。
depth-anything
Prompt Depth Anything 是一種高分辨率且精確的度量深度估計方法，通過提示（prompting）釋放深度基礎模型的潛力，能夠生成高達4K分辨率的精確度量深度。
ibm-granite
Granite-3.1-1B-A400M-Base 是 IBM 開發的一款語言模型，通過漸進式訓練策略將上下文長度從4K擴展到128K，支持多語言和多種文本處理任務。
Granite-8B-Code-Base-128K是IBM Research開發的一款代碼生成模型，通過漸進式訓練策略將上下文長度從4K擴展到128K，支持116種編程語言，能夠處理代碼生成、解釋、修復等多種軟件工程任務。
microsoft
Phi-3-Medium-4K-Instruct是一個140億參數的輕量級開源模型，專注於高質量推理能力，支持4K上下文長度，適用於英語環境下的商業和研究用途。
bongodongo
Phi-3 4k Instruct 是一個輕量級但功能強大的語言模型，經過4位量化處理以降低資源需求。
Phi-3 Mini 是一款輕量級、前沿的開源模型，專注於高質量、高推理密度的數據，支持4K上下文長度。
PixArt-alpha
PixArt-Σ是基於Transformer架構的潛在擴散模型，可直接通過文本提示生成高分辨率圖像（最高4K）。
internlm
InternLM-XComposer2-4KHD是基於InternLM2的通用視覺語言大模型，具備4K分辨率圖像理解能力。
efederici
基於intfloat/multilingual-e5-small的局部稀疏全局版本，支持約4k標記的多語言文本嵌入模型
meta-llama
Llama 2是Meta開源的130億參數對話優化大語言模型，採用RLHF對齊人類偏好，支持4k上下文長度
設置4K YouTube視頻的MCP複製FLUX服務
設置4K YouTube視頻的教程
一個基於Google Gemini模型的AI圖像生成MCP服務器，支持智能模型選擇（Flash快速生成和Pro高質量4K生成）、多種寬高比控制、文件管理和模板功能，提供生產級圖像生成能力。
Banana Image MCP是一個基於MCP協議的AI圖像生成服務器，讓Claude等助手能夠使用Google Gemini模型生成高質量圖像，支持4K分辨率和智能模型選擇。
%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)
