腾讯混元发布图像3.0图生图模型，已在元宝助手和官网上线。该模型采用混合专家架构，参数量达800亿，能根据用户指令智能编辑图片，实现“会思考”的图像处理。
微软开源图像转3D工具TRELLIS.2，仅需一张图片即可快速生成带材质的3D模型，输出.glb格式文件，兼容Blender、Unity等平台。该工具采用4B模型，支持512³至1536³分辨率图像处理，在NVIDIA H100显卡上，生成512³模型仅需约3秒。
快手旗下可灵AI发布“主体库”，为O1多模态视频模型增加长期记忆功能。用户上传单张角色图，系统可生成3D视角补全和多光线变体，支持跨场景一键调用角色，主体一致性超96%。流程包括上传图片自动处理、AI补全多角度视图，实现从单图到3D记忆的转换。
谷歌AI电影工具Flow新增图像编辑功能，集成Gemini2.5Flash模型，支持自然语言指令实现去背景、主体分离和场景替换，可生成8秒动态镜头。面向免费及以上用户开放，单张处理0.039美元，企业版同步上线Vertex AI。用户上传图片后输入提示词，即可获得PNG透明图或合成效果图。
专业AI视频生成平台，从文字和图片创建视频，可对输入视频广泛编辑。
用AI瞬间去除背景，下载高质量透明图像，适用于电商、设计等。
AI 视频编辑工具，智能修复视频和图片画质。
Sora 2是先进AI视频生成平台，可根据文本或图像生成带声音的高质量视频。
Openai
$2.8
输入tokens/百万
$11.2
输出tokens/百万
1k
上下文长度
Google
$0.49
$2.1
Xai
$1.4
$3.5
2k
-
$0.7
Anthropic
$7
$35
200
$21
$105
Alibaba
$2
256
$3.9
$15.2
64
Bytedance
$0.8
128
tencent
混元OCR是由混元原生多模态架构驱动的端到端OCR专家VLM模型，仅用10亿参数的轻量级设计，在多个行业基准测试中取得最先进成绩。该模型擅长处理复杂的多语言文档解析，在文本定位、开放域信息提取、视频字幕提取和图片翻译等实际应用场景中表现出色。
Upstage MCP Server是一个连接AI助手与Upstage AI文档处理API的服务器，支持从PDF、图片和Office文件中提取结构化内容，并集成Claude Desktop等MCP客户端。
腾讯云COS MCP Server是一个基于MCP协议的服务，无需编码即可让大模型快速接入腾讯云存储(COS)和数据万象(CI)能力，提供文件上传下载、图片处理、视频截帧等云端存储与处理功能。
MCP Vision Relay 是一个 MCP 服务器，通过封装本地安装的 Gemini 和 Qwen 命令行工具，为 Claude、Codex 等仅支持文本的 MCP 客户端提供图像分析能力，使其能够处理本地路径、URL 或 base64 编码的图片。
一个支持图片下载和处理的MCP服务器，提供批量下载、格式转换、尺寸调整和压缩等功能
ParseFlow是一个AI驱动的全能文档解析库，支持PDF、Word、Excel、PPT和图片OCR，提供语义搜索和批量处理功能，并包含MCP服务器供AI助手使用。
MCP Fetch是一个为Claude Desktop设计的服务工具，主要用于抓取网页内容并处理图片，使其适合粘贴到Claude中使用。它支持自动下载和运行，需要macOS系统，并提供图片大小和数量的限制处理。
一个基于MCP平台的本地代理服务器和客户端实现，集成天气查询、谷歌搜索、摄像头控制、图片生成和智能对话等多种AI工具功能，支持模块化扩展和高性能并发处理。
一个基于Python的LINE MCP服务器，通过标准化接口让语言模型能够读取和分析LINE对话消息。项目使用FastAPI框架，支持文本、贴图和图片消息处理，并提供了消息存储、API端点等核心功能。
Markdownify MCP UTF-8增强版是一个支持多语言内容转换的Markdown处理服务，优化了UTF-8编码支持，提供PDF/图片/音视频/Office文档等多种格式的Markdown转换能力，并针对Windows系统进行了特别优化。
一个基于Sharp库的图片处理MCP服务，提供调整尺寸、格式转换、裁剪、旋转和获取图片信息等功能
一个基于MCP协议的图像处理服务器，通过自然语言指令实现专业级图片编辑功能
一个基于MCP协议的图像处理服务器，通过自然语言指令实现专业级图片编辑功能，包括生成、修改、背景移除和托管服务。
腾讯云COS MCP Server是一个无需编码即可让大模型快速接入腾讯云存储(COS)和数据万象(CI)能力的服务，提供文件上传下载、图片处理、视频处理等云端存储与处理功能。
一个基于mammoth库的DOCX文档处理MCP服务器，提供文本提取、HTML转换、结构分析、图片提取和Markdown转换等功能，支持完整格式保留和文档分析。
一个支持批量将PNG/JPG图片转换为WebP格式的跨平台工具，提供多线程处理和多种转换选项，并集成MCP协议便于AI开发环境使用。
一个基于MCP协议的服务，通过OCR提取图片文字并生成小红书风格的潮流帖子。
火山引擎对象存储TOS的非官方MCP工具，提供桶管理、对象操作、图片视频处理等功能，支持通过uv工具快速部署
HTML转Markdown的MCP服务器，可将网页HTML转换为简洁的Markdown格式，保留表格、图片等核心内容，压缩率达90-95%，支持浏览器模式处理JavaScript网站和认证页面。
一个自动化博客发布服务，当用户输入特定命令时，自动将Obsidian中的Markdown文章复制到博客目录，处理图片链接并同步到GitHub
%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)
