知名AI专家李飞飞的World Labs推出Marble3D世界模型公测版，支持文本、图像、视频或3D布局直接生成完整可导航的3D虚拟世界。用户可实时交互编辑，并导出高斯溅射、三角网格或视频格式。此次公测标志着该产品从实验室概念转向实用工具。
英国新法授权科技公司与儿童保护机构测试AI工具能否生成儿童性虐待图像。数据显示，2025年AI生成的此类材料报告数量较2024年翻倍，从199件增至426件。此举旨在让开发者提前检查并预防相关风险，加强儿童保护。
Nano Banana2 AI图像模型实现重大突破，攻克复杂细节还原难题，通过模拟人类多阶段创作流程，使图像生成从随机出图迈向可控精修，彻底解决文字、时间、光影等细节易出错的问题，引领行业进入精准生成新阶段。
字节跳动发布InfinityStar框架，视频生成效率大幅提升，5秒720p视频仅需58秒。该框架统一支持图像生成、文本生成视频、视频续写等多种视觉任务，基于对视频数据本质的深入理解，采用创新的时空分离设计，突破传统3D数据块处理方式。
专业AI图像与视频生成平台，用多种AI工具打造惊艳视觉效果。
下一代AI图像生成和编辑模型，支持4K，超写实效果，控制精准
一款免费在线 AI 图像编辑器，快速生成独特视觉效果。
LoveGen AI 集成最新 AI 模型，一站式创作惊艳图像与视频，快捷有趣。
meta
$1.22
输入tokens/百万
$4.32
输出tokens/百万
1M
上下文长度
openai
$18
$72
128k
tencent
32k
google
$0.72
$2.88
$0.58
$2.16
10M
baidu
$3
$15
-
$1.08
$216
$432
8.2k
$2.52
azure
$0.36
$0.43
alibaba
131.1k
bytedance
$1.5
$4.5
renderartist
Technically Color WAN 2.2是一款专为生成经典电影风格图像而设计的LoRA模型，通过鲜艳调色板、丰富饱和度和戏剧性灯光效果，让生成的图像具有经典电影的独特视觉魅力。
DavidAU
这是一个增强版的多模态视觉语言模型，基于Qwen3-VL-8B-Thinking模型，通过Brainstorm 20x技术扩展至12B参数，采用NEO Imatrix增强的GGUF量化。模型具备强大的图像理解、文本生成和多模态推理能力，在视觉感知、文本质量和创意场景方面都有显著提升。
ggml-org
这是一个基于Qwen3-VL-30B-A3B-Instruct模型转换的GGUF格式版本，专门为llama.cpp优化。该模型是一个300亿参数的多模态视觉语言模型，支持图像理解和文本生成任务。
tlennon-ie
Qwen-Edit-Skin是基于Qwen/Qwen-Image-Edit-2509模型微调的LoRA模型，专注于提升图像中人物皮肤的真实感与细节，生成更自然、细腻的皮肤纹理。
peteromallet
QwenEdit InScene LoRAs是基于QwenEdit微调的模型组，专注于增强基于场景参考生成图像的能力。包含InScene主模型和InScene Annotate两个组件，能够在保持角色一致性和场景连贯性的同时创建全新的场景镜头。
lmstudio-community
Qwen3-VL-2B-Thinking是由Qwen推出的视觉语言模型，基于2B参数规模，使用MLX进行8位量化，专门针对Apple Silicon芯片进行了优化。该模型支持图像和文本的多模态理解与生成任务。
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。
spooknik
这是UltraReal Fine-Tune模型的SVDQ量化版本，由Danrisi基于Flux开发，是一款文本到图像生成模型。该版本提供了多种量化方案，适配不同GPU硬件，特别针对非Blackwell系列和Blackwell系列GPU进行了优化。
Disty0
本项目是对腾讯混元图像3.0模型进行4位（UINT4，SVD秩为32）量化的成果，采用了SDNQ量化方法，专门用于文本到图像的生成任务。
valiantcat
这是一个基于Wan2.1的飞行模型/子弹时间视频特效LoRA模型，专门用于生成具有子弹时间特效的图像，能够创造出人物悬浮在空中、相机视角围绕人物旋转的独特视觉效果。
strangervisionhf
这是一个修复后的图像文本转文本模型，解决了原模型在最新Transformers版本中推理失败的问题。该模型专门用于图像识别和文本生成任务，支持多模态输入处理。
meituan-longcat
LongCat-Video是一款具有136亿参数的基础视频生成模型，在文本到视频、图像到视频和视频续帧等生成任务中表现出色，尤其擅长高效、高质量的长视频生成。
stablellama
这是一个基于Qwen/Qwen-Image模型的LyCORIS适配器，专门用于文本到图像和图像到图像的生成任务。该模型在训练过程中未使用验证提示，采用了优化的训练配置和量化技术。
Hugguf
Qwen3-VL-30B-A3B-Instruct是基于Qwen3-VL-30B模型的多模态视觉语言模型，支持图像和文本的联合理解与生成任务。该模型采用先进的视觉语言融合架构，能够处理复杂的多模态推理任务。
基于Flux.1开发的文本到图像生成模型的量化版本，采用SVDQ量化技术，提供INT4和FP4两种量化格式，适用于不同硬件平台的高效图像生成。
基于J1B的Flux.1-Dev开发的文本到图像生成模型的量化版本，采用SVDQuant技术进行优化，提供INT4和FP4两种量化格式，适用于不同GPU架构的用户。
QuantTrio
Qwen3-VL-32B-Thinking-AWQ是基于Qwen/Qwen3-VL-32B-Thinking模型的量化版本，是通义系列中最强大的视觉语言模型。该模型具备卓越的文本理解与生成能力、深入的视觉感知与推理能力，支持长上下文和视频理解，适用于图像文本到文本的转换任务。
mlx-community
这是一个基于Qwen3-VL-32B-Thinking模型转换的4位量化版本，专门针对MLX框架优化。该模型是一个32B参数规模的多模态视觉语言模型，具备思维链推理能力，能够同时处理图像和文本输入，生成高质量的文本响应。
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
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。
AWS MCP Servers是一套基于Model Context Protocol的专用服务器，提供多种AWS相关功能，包括文档检索、知识库查询、CDK最佳实践、成本分析、图像生成等，旨在通过标准化协议增强AI应用与AWS服务的集成。
MiniMax Model Context Protocol (MCP) 是一个官方服务器，支持与强大的文本转语音、视频/图像生成API交互，适用于多种客户端工具如Claude Desktop、Cursor等。
一个基于FAL AI的Logo生成服务器，提供图像生成、背景去除和自动缩放功能。
基于即梦AI的图像生成服务，专为Cursor IDE设计，实现文本描述到图像的生成与保存。
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。
一个基于FAL AI的Logo生成服务器，提供图像生成、背景移除和自动缩放功能。
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。
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。
基于Gemini 2 API的图像生成MCP服务
一个基于FastMCP框架的服务器，通过远程Comfy服务器根据提示生成图像。
一个专注于探索和应用生成式AI（GenAI）的仓库，旨在通过实际案例和资源分享，帮助用户学习和实验GenAI在日常任务中的应用，包括写作、编程、图像生成等。
MCP Kling是首个且唯一完整的Kling AI MCP服务器，提供13种创意工具，支持视频生成、图像处理、唇形同步及虚拟试衣等功能，实现与Claude的无缝集成，适用于内容创作者和开发者。
一个基于Python的轻量级MCP服务器，通过WebSocket与本地ComfyUI交互，实现AI代理程序化生成图像。
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。
Azure OpenAI DALL-E 3集成服务器，通过MCP协议提供图像生成与下载功能
基于MCP协议的Pollinations.ai服务接口服务器，提供图像和文本生成功能
Solana交易MCP服务器是一个集成了AI功能的综合服务平台，专注于Solana代币的创建与部署。
一个基于OpenAI DALL-E API的MCP服务器，提供图像生成、编辑和变体功能，支持与Cline集成。
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。
Gguf支持多种语言%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)
