苹果与香港大学合作推出LGTM渲染框架，通过解耦3D场景的几何结构与表面纹理，简化几何复杂度并叠加纹理层，突破4K超高清渲染瓶颈，提升视觉效果。
苹果与港大联合发布LGTM技术框架，通过解耦几何与分辨率，优化3D高斯喷溅在高分辨率下的计算瓶颈，为Vision Pro等设备提供更高效的图形渲染方案。
谷歌发布新一代图像生成模型Nano Banana2，基于Gemini3.1Flash Image架构，显著提升理解能力和响应速度。新模型重点优化了中文字符乱码、语义混乱和画面伪影等常见问题，能生成清晰准确的中文文本，改善用户体验。
谷歌扩大AI视频工具Flow的访问范围，向商务、企业及教育版Workspace用户开放。该工具搭载Veo3.1模型，可根据文本或图像生成8秒视频片段，支持拼接成更长场景。
GPT Image 2：免费AI图像生成器与在线照片编辑器，4K文字转图像。
Kling 5.0 AI可从文本、图像生成4K电影级视频，具备角色一致性等特性
Veo 4 AI视频生成器，创作高质量4K电影感视频，功能先进。
在线AI图像增强器，无需注册下载，可将图像提升至4K并恢复细节。
Bytedance
-
输入tokens/百万
输出tokens/百万
上下文长度
Alibaba
$1.8
$5.4
16
Baidu
32
Huawei
4
Tencent
$3.5
$7
Chatglm
01-ai
Owen777
UltraFlux是一款基于Flux的扩散变换器，专门用于原生4K文本到图像生成。它通过数据、架构和损失的协同设计，能够在各种不同纵横比下保持一致的图像质量。
opocai
这是一个基于LoRA和Diffusers技术的文本到图像生成模型，使用特定触发词'Put it here'来生成高质量图像。该模型基于FLUX.1-Kontext-dev基础模型构建，支持自适应光线调整和4K高清画质输出。
Mungert
GLM-4.1V-9B-Thinking是基于GLM-4-9B-0414基础模型开发的视觉语言推理模型，专注于图像文本到文本转换，在复杂多模态任务中表现出色，支持64K长上下文和4K分辨率图像处理，提供中英双语支持。
THUDM
GLM-4.1V-9B-Thinking是基于GLM-4-9B-0414基础模型的开源视觉语言模型，专注于提升复杂任务中的推理能力，支持64k上下文长度和4K图像分辨率。
zai-org
GLM-4.1V-9B-Base是智谱AI开发的开源视觉语言基础模型，拥有90亿参数，专注于多模态推理能力，支持中英双语，处理高达4K分辨率的图像和64K上下文长度。
LyliaEngine
一个基于LoRA的文本生成图像扩散模型，专注于生成高质量、高分辨率的动漫风格角色图像，融合哥特、和风与赛博元素。
Jonjew
基于XL 1.0+Flux1D+SD1.5基础模型训练的LoRA微调模型，专注于生成具有超高清4K电影级画质和极致细节的写实皮肤纹理风格图像。
zhibinlan
LLaVE-2B是基于Aquila-VL-2B模型的20亿参数多模态嵌入模型，具有4K tokens的上下文窗口，支持文本、图像、多图像和视频的嵌入表示。
Efficient-Large-Model
Sana是一个高效生成4K分辨率图像的文本生成图像框架，能够快速合成高分辨率、高质量且文本-图像对齐性强的图像，并可在笔记本电脑GPU上部署。
depth-anything
Prompt Depth Anything 是一种高分辨率且精确的度量深度估计方法，通过提示（prompting）释放深度基础模型的潜力，能够生成高达4K分辨率的精确度量深度。
ibm-granite
Granite-3.1-1B-A400M-Base 是 IBM 开发的一款语言模型，通过渐进式训练策略将上下文长度从4K扩展到128K，支持多语言和多种文本处理任务。
Granite-8B-Code-Base-128K是IBM Research开发的一款代码生成模型，通过渐进式训练策略将上下文长度从4K扩展到128K，支持116种编程语言，能够处理代码生成、解释、修复等多种软件工程任务。
microsoft
Phi-3-Medium-4K-Instruct是一个140亿参数的轻量级开源模型，专注于高质量推理能力，支持4K上下文长度，适用于英语环境下的商业和研究用途。
bongodongo
Phi-3 4k Instruct 是一个轻量级但功能强大的语言模型，经过4位量化处理以降低资源需求。
Phi-3 Mini 是一款轻量级、前沿的开源模型，专注于高质量、高推理密度的数据，支持4K上下文长度。
PixArt-alpha
PixArt-Σ是基于Transformer架构的潜在扩散模型，可直接通过文本提示生成高分辨率图像（最高4K）。
internlm
InternLM-XComposer2-4KHD是基于InternLM2的通用视觉语言大模型，具备4K分辨率图像理解能力。
efederici
基于intfloat/multilingual-e5-small的局部稀疏全局版本，支持约4k标记的多语言文本嵌入模型
meta-llama
Llama 2是Meta开源的130亿参数对话优化大语言模型，采用RLHF对齐人类偏好，支持4k上下文长度
设置4K YouTube视频的MCP复制FLUX服务
设置4K YouTube视频的教程
Banana Image MCP是一个基于MCP协议的AI图像生成服务器，让Claude等助手能够使用Google Gemini模型生成高质量图像，支持4K分辨率和智能模型选择。
一个基于Google Gemini模型的AI图像生成MCP服务器，支持智能模型选择（Flash快速生成和Pro高质量4K生成）、多种宽高比控制、文件管理和模板功能，提供生产级图像生成能力。
%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)
