生数科技9月15日发布Vidu S2视频大模型系列，含两个核心模型：Vidu S2-Avatar用于持续交互数字角色生成，Vidu S2-Editing用于输入视频流实时编辑。此外还探索VR头显实时空间视频生成与编辑。全链路研发由朱军教授博士生、流式视频生成与推理负责人张金涛负责。
苹果在iPhone 18 Pro系列推出Apple Reference Image功能，拍摄时于安全隔区内硬件签名并绑定时间戳，生成“数字负片”，实现像素级真实图像证明，防篡改、对抗AI伪造，适用于新闻机构与证据留存场景。
Meta推出订阅服务Meta One，覆盖Facebook、Instagram和WhatsApp，提供Muse图像/视频生成、AI修图Restyle、语音效果等高级功能，推动Muse模型商业化。个人用户可选每月7.99美元核心套餐或19.99美元高级套餐，均含三大平台Plus权益。
苹果已推送iOS27、watchOS27、iPadOS27和visionOS27更新，延迟已久的Siri AI升级成为核心功能，目前仅提供英语测试版，10月将扩展支持法语、日语、韩语、葡萄牙语和西班牙语。iOS27还新增Liquid Glass不透明度滑块，多款内置应用更新图标，并加入超大尺寸小组件及铃声等变化。
一站式AI平台，可由单一提示生成视频、图像和音乐
提供一站式 AI 图像、视频、角色和换脸工具。
MiniMax H3 是一个 AI 视频生成器，可以将文本、图像和参考片段转化为 2K 视频。
免费AI图像工具，可生成、编辑、增强图像，还能试穿服装
Google
$0.7
输入tokens/百万
$2.8
输出tokens/百万
1k
上下文长度
Anthropic
$21
$105
200
Alibaba
-
$1
$10
256
$2
$20
$3.9
$15.2
64
Bytedance
$0.8
$0.15
$1.5
128
Baidu
32
dx8152
这是一个基于Qwen-Image-Edit-2509的LoRA微调模型，专门用于解决图像二次光照处理问题。它能够移除原始图像的光照效果，并根据参考图像的光照和色调，为目标图像重新生成逼真的照明和阴影，实现图像风格的迁移与融合。
GuangyuanSD
Z-Image-Re-Turbo 是一个基于文本生成图像的模型，它在 Z-Image-De-Turbo 模型的基础上进行了去还原和重新加速优化。该模型旨在兼顾训练时的便利性与推理时的速度，恢复了接近原始 Turbo 模型的快速生成能力，同时保持了与 Z-Image-De-Turbo 相同的训练友好特性，使其能够完美兼容 Z-Image 生态系统中已训练的大量 LoRA 模型。
meituan-longcat
长猫图像编辑是长猫图像（Longcat-Image）的图像编辑版本，是一个支持中英双语的开源图像编辑模型。它在指令遵循、图像质量和视觉一致性方面达到了开源模型的先进水平，具备出色的精准编辑能力和一致性保留能力。
AlekseyCalvin
这是一个针对 Z-Image Turbo DiT 模型的低秩适配器（LoRA），专门用于生成具有历史照片风格的图像。该模型基于 1900-1910 年代摄影师 Sergey Prokudin-Gorsky 的 150 张彩色照片训练而成，能够为现代图像生成注入独特的早期彩色摄影美学，如暖色调光晕和特定色彩质感。
rujutashashikanjoshi
这是一个基于YOLOv12 Medium架构，在自定义数据集上微调的目标检测模型。该模型专门用于高效、准确地检测图像或视频中的无人机目标，为计算机视觉应用提供支持。
jayhuang92
Qwen-Image 是基于 Qwen 系列开发的文本到图像生成模型，支持中英双语输入，在多个评估指标上表现优异，特别适用于追求逼真效果的图像生成场景。
AiAF
D-ART - LoRA - Z-Image-Turbo 是一个基于 Tongyi-MAI/Z-Image-Turbo 基础模型的图像生成模型。它是一个LoRA（Low-Rank Adaptation）适配器，旨在为生成图像注入特定的“D-ART”艺术风格。该风格以生成自信、充满活力的年轻女性角色插画为特点，尤其强调角色的曲线和动态姿态。用户通过使用特定的触发词即可激活该风格，生成具有统一美学特征的多样化图像。
NewBie-AI
NewBie image Exp0.1 是一个基于 Next-DiT 架构开发的高效图像生成基础模型，专门用于生成高质量的动漫风格图像。它融合了先进的文本编码器和视觉组件，支持自然语言和结构化标签输入，是多角色动漫图像生成的强大工具。
drbaph
Z-Image（造相）是一个拥有60亿参数的高效图像生成基础模型，专门解决图像生成领域的效率和质量问题。其蒸馏版本Z-Image-Turbo仅需8次函数评估就能达到或超越领先竞品，在企业级H800 GPU上可实现亚秒级推理延迟，并能在16G VRAM的消费级设备上运行。
T5B
Z-Image-Turbo 是经过 FP8 E5M2 和 E4M3FN 格式量化的图像处理模型，基于原始 Tongyi-MAI/Z-Image-Turbo 模型优化，在保持性能的同时显著减少模型大小和推理资源需求。
SerialKicked
这是Qwen3-VL-32B-Thinking-heretic的量化版本，采用新的消融方法进行量化，相比传统方法对基础模型的损害更小。提供多种量化精度版本，适合在24GB显存设备上运行，支持图文转文本任务。
city96
FLUX.2-dev是由black-forest-labs开发的图像生成和编辑模型，已转换为GGUF格式，专为图像生成任务优化，采用扩散模型架构，支持在ComfyUI框架中使用。
gguf-org
flux2-dev-gguf 是一个基于 FLUX.2-dev 的图像到图像转换模型，专门用于根据文本提示生成特定风格的图像。该模型支持在 ComfyUI 环境中运行，能够将文本描述转换为风格化的视觉内容。
silveroxides
基于 black-forest-labs/FLUX.2-dev 的优化版本图像生成模型，支持图像到图像的生成和编辑任务，采用 fp8_scaled 量化技术提升推理速度，特别适合在低显存 GPU 上使用。
ostris
这是一个基于LoRA技术的文本到图像转换模型，专门用于生成具有法国印象派画家贝尔特·莫里索艺术风格的图像。该模型在FLUX.2-dev基础模型上训练，能够将普通图像或文本描述转换为莫里索风格的画作。
Tongyi-MAI
Z-Image是一款功能强大且高效的图像生成模型，拥有60亿参数。它能有效解决图像生成领域在效率、质量和功能多样性方面的问题，为用户提供高质量的图像生成和编辑服务。
TomoroAI
TomoroAI/tomoro-colqwen3-embed-4b是一款先进的ColPali风格多模态嵌入模型，能够将文本查询、视觉文档（如图像、PDF）或短视频映射为对齐的多向量嵌入。该模型结合了Qwen3-VL-4B-Instruct和Qwen3-Embedding-4B的优势，在ViDoRe基准测试中表现出色，同时显著减少了嵌入占用空间。
diffusers
FLUX.2-dev是基于NF4量化的DiT和文本编码器的图像生成与编辑模型，提供高质量的图像生成和编辑能力，适用于图像领域的开发应用。
John1604
Qwen3 VL 4B Thinking 是一个支持图像到文本以及文本到文本转换的多模态模型，具有4B参数规模，能够满足多种图文交互需求。
MCG-NJU
SteadyDancer是一个基于图像到视频范式的强大动画框架，专门用于生成高保真且时间连贯的人体动画。该框架通过稳健的首帧保留机制，有效解决了传统方法中的身份漂移问题，在视觉质量和可控性上表现出色，同时显著减少了训练资源需求。
一个功能丰富的Markdown排版工具，支持多种样式主题和平台适配，提供实时编辑预览、图片导出和API集成能力
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。
一个基于MCP协议的Kubernetes集群管理服务器，支持通过命令行或聊天界面与Kubernetes集群交互，提供资源管理、Helm图表操作等功能。
Eino是一个专为Golang设计的LLM应用开发框架，旨在通过简洁、可扩展、可靠且高效的组件抽象和编排能力，简化AI应用开发流程。它提供丰富的组件库、强大的图形编排功能、完整的流处理支持以及高度可扩展的切面机制，覆盖从开发到部署的全周期工具链。
FastMCP是一个基于TypeScript的框架，用于构建支持客户端会话的MCP服务器。它提供了工具、资源和提示的简单定义，支持认证、会话管理、图像和音频内容返回、日志记录、错误处理、SSE通信等功能，并包含CLI工具用于测试和调试。
Markdownify是一个多功能文件转换服务，支持将PDF、图片、音频等多种格式及网页内容转换为Markdown格式。
每个wiki文件应在.resource目录中存放与其路径对应的额外资源（如图片），并使用git lfs进行版本管理。
Cognee是一个为AI代理提供记忆功能的开源项目，通过模块化ECL管道构建动态知识图谱，支持多种数据源和格式，减少幻觉并降低成本。
PaperBanana是一个自动化生成学术图表和统计图的智能框架，支持从文本描述生成高质量的论文插图，采用多智能体管道和迭代优化，提供CLI、Python API和MCP服务器等多种使用方式。
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。
一个无需安装Excel即可操作Excel文件的MCP服务，支持创建工作簿、读写数据、格式设置、图表生成等功能。
一个提供超过20万图标搜索和检索的MCP服务器和CLI工具，支持150多个图标库，帮助AI助手和开发者快速获取和使用图标。
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。
Unsplash图片搜索集成服务器
Security Detections MCP 是一个基于Model Context Protocol的服务器，允许LLM查询统一的安全检测规则数据库，涵盖Sigma、Splunk ESCU、Elastic和KQL格式。最新3.0版本升级为自主检测工程平台，可自动从威胁情报中提取TTPs、分析覆盖差距、生成SIEM原生格式检测规则、运行测试并验证。项目包含71+工具、11个预构建工作流提示和知识图谱系统，支持多SIEM平台。
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。
Blueprint MCP是一个基于Arcade生态的图表生成工具，利用Nano Banana Pro等技术，通过分析代码库和系统架构自动生成架构图、流程图等可视化图表，帮助开发者理解复杂系统。
一个用于集成微软Bing搜索API的MCP服务器，支持网页、新闻和图片搜索功能，为AI助手提供网络搜索能力。
MemoryMesh是一个为AI模型设计的知识图谱服务器，专注于文本RPG和互动叙事，帮助AI维护跨对话的结构化记忆。
%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)
VIP会员
