AI绘画资讯

9月28日，腾讯发布并开源了混元图像3.0。官方给出的三个关键信息是：参数规模800亿，是当前体量最大的开源生图模型之一；采用混合专家架构，单次推理只激活其中约130亿参数；架构上把图像理解与图像生成放进同一套自回归框架，而不是让一个模型负责读懂提示词、另一个模型负责把画面画出来。腾讯方面称这是首个工业级原生多模态生图模型，并同步开放了模型权重、训练代码、数据清洗脚本与量化部署工具链。对一个仍在快速迭代的赛道来说，一次把底座白送出去的开源动作，比单纯的参数数字更值得拆解。

9月下旬，模型效率公司Pruna开源了一组名为Pruna-Qwen-Image-2.1的LoRA适配器，把阿里Qwen-Image-2.1的图像生成与编辑步数从常规的40步压到5步或8步，官方给出的最高提速为6.3倍，配套的在线试玩页面与工作流同步放出。这条消息在生图开发者圈子里传播得很快，因为它触碰的是图像服务成本结构里最直接的一个变量：每一步去噪都要跑一次网络前向，步数少了，单位成本就跟着下来。

当图像生成模型在画质上逐渐拉开不差距，设计工具的竞争重点开始从画得好不好看，转向能不能直接交付。9月下旬，设计协作工具Pixso发布2.0版本，把多项AI能力打包进设计工作流：用户输入需求描述，即可生成带有完整布局与交互组件的设计初稿；系统支持按文字或已有元素搜索相似匹配的组件模板；设计稿还能一键转换为生产级代码。官方同时提到，本次更新在性能与稳定性上做了较大调整，目标是让AI不只是生成素材，而是参与从构思到落地的完整链路，减少设计与开发之间的反复交接。

Adobe完成了对Topaz Labs的收购，后者是图像与视频增强神经网络模型的开发商。双方在6月底签署协议，在走完监管流程后，交易于9月23日完成。Adobe未在公告中披露交易金额，但据公司研究资料显示，这笔交易对价约为3.4亿美元，且主要以现金支付。Topaz Labs品牌得以保留，其应用和模型继续作为独立产品存在，公司负责人Eric Yang转入Adobe的数字视频与音频部门。Topaz的技术曾获得2025年视频技术领域的艾美奖。

9月23日，图像生成公司Recraft发布文生图模型V4.1 Flash。按官方公布的数据，它生成一张约1000像素的图片大约需要1.3秒，单张价格0.007美元，约为上一代V4.1的五分之一。Recraft把它定位成整个V4.1家族里的速度与成本档，主打的是等待时间而不是画质上限。官方给出的理由很直白：十秒钟足够让人忘掉按下生成键时脑子里的那个想法。

9月22日，腾讯混元发布图像生成模型Hy Image3.5 preview。这款模型支持文生图、图生图与多轮对话创作，单次最多可上传5张图片作为参考，支持多种尺寸比例输出，最高实现2K分辨率。真正让它在发布当天就被大量讨论的，是价格：腾讯云API的2K图像定价为0.15元一张，且只对最终输出的图片收费。

做界面设计这件事，大模型一直不太擅长。参数堆到几百亿，生成的界面仍然像上个时代的网页，按钮错位、文字糊成一团。9月22日，蚂蚁百灵把Ming-Image-0.1-Design系列放上Hugging Face，用6B的体量拿下了UI与UX设计榜单的开放权重第一，给这条路线提供了一个反例。

AI画图这件事，前半段的门槛已经被拉得很低，后半段的麻烦才刚刚开始。把网络上的原创美术作品丢进AI工具，换色、微调、改几个局部，然后当作自己的作品拿去卖货、做广告、做文创，这样的操作在电商与自媒体圈并不罕见。9月21日，检察机关在普法节目中给出明确判断：AI只是技术工具，不能规避著作权侵权责任。与此同时，法院系统也用一批案例把边界画了出来。

AI生图的瓶颈早就不在画得好不好看。对设计师、电商运营和内容创作者来说，真正的卡点是一张图能不能被继续修改：人物要抠出来、素材要改字、商品摆放要调整而包装上的字和瓶身形状不能跟着变。每一次修改指令能否被准确执行，决定了AI生成的内容能不能进入真正的创作流程。9月20日，阿里千问开源了图像模型Qwen-Image-2.1，正面回答的就是这个问题。

用AI生成一张海报，第一版往往足够惊艳，但只要运营说要改价格、品牌方要求把标志往右挪一点，麻烦就来了。画面里的文字、插画和背景早已压在同一张位图上，改一个局部常常意味着整张重来，而重新生成的结果即使修好了错字，也可能顺手改掉原本满意的构图。9月中旬，腾讯混元联合中山大学、清华大学、香港中文大学、上海交通大学提出Editable Visual Design方法，并开源了配套项目与代码，试图解决好看和好改只能二选一这个尴尬问题。

动漫风格的AI绘画工具，正在从"生成一张好看的图"转向"把一个角色用到底"。东京团队Metanomaly运营的PixAI在经历约一个月的早期体验后，于9月18日正式发布新一代动漫图像模型Tsubaki.3，同时推出Tsubaki Video与Tsubaki Video Flash两款视频模型。官方把这一代的核心概括为"参考、编辑、发展"三步：先参考已有形象，再局部修改，最后扩展到新场景、新分镜与新格式。发布同期还启动了面向全球的创作比赛，持续到10月20日。

9月15日，创意平台OpenArt推出名为Arena的图像与视频模型评测榜单，试图回答一个技术榜单长期答不好的问题：做广告的、拍电影的、做平面设计的、剪视频的，到底该选哪个模型。与以往给出单一总分的做法不同，Arena按具体生产任务拆出十二张榜单，图像侧包括总榜、电商、电影、平面设计与图像编辑，视频侧包括总榜、广告、电影、动画、动效设计、视频剪辑与唇形同步，用户可以先找到与自己活儿最接近的那张榜再看排名。

在生成式AI把出图门槛拉到极低之后，专业设计软件的反应速度一度被认为偏慢。9月15日，CorelDRAW Graphics Suite发布了2026年9月更新，把一批AI原生工具直接装进了这款面向印刷厂、标识制作商、服装装饰商与专业设计师的老牌软件里。更新的核心不是生成一张好看的图，而是把AI放在生产流程的前段，让生成结果能继续被专业工具修改。

做设计的人对图里那行字大概都有过怨气：排版位置对不对、字号会不会糊、中文会不会变成鬼画符，往往要重生成十几次才勉强能用。2026年6月3日，Ideogram发布4.0版本，第一次把模型权重与推理代码公开出来，让这类工作有机会从按张付费的接口调用，变成可以自己部署的能力。这是一款9.3B参数的单流扩散变压器，NF4量化版本能在单张24GB显卡上运行，原生输出2K图像，并接受结构化的JSON提示。对长期依赖反复重生成来碰排版的设计流程来说，这相当于把可控性重新交回创作者手里，也让…

字节跳动Seed团队在9月11日公开的论文中提出了一种名为VoT的视觉思维层，在视觉语言模型与扩散解码器之间插入一层离散的视觉token，让模型先自回归地规划要画什么，再去渲染像素。论文题为《VoT: Vision-of-Thought for Unified Multimodal Representation Alignment》，目前代码尚未开源。

第三方盲测平台在9月12日同步的榜单数据显示，图像编辑榜前两名被OpenAI的GPT Image 2.5两个版本占据，Sunburst以1520分居首，Flare以1491分紧随其后，两者累计票数分别为6704与5676；上一代GPT Image 2以1461分位列第三，票数超过23.5万。同一家公司的三个模型版本连续占据编辑榜前三，这种集中度在图像模型榜单上并不常见，出现在编辑这个细分维度上更是第一次。与之形成对照的是，文生图榜的第一名是上一代GPT Image 2，编辑榜…

谷歌近期把图像生成模型Nano Banana Pro接入了Google Ads。这个基于Gemini 3 Pro的模型不再只是Gemini应用里的创作玩具，而是直接出现在广告主的素材库与投放流程中：可以在Asset Studio里生成高分辨率图片，调整光照与相机角度，把多件商品摆进同一个画面，并保持品牌视觉的一致性。同期，谷歌把Gemini应用里免费用户的Nano Banana Pro额度从每天3张收紧到2张，用完后自动回落到旧版Nano Banana。一边是生图能力正式进入…

9月上旬，字节跳动旗下剪映CapCut在新加坡举办了首次CapCut World活动，全球负责人肖琪在开场宣布，平台用户规模已突破6.6亿，覆盖170多个市场与30种语言，横跨东南亚、美洲、欧洲、非洲与中东。与用户数字同时公布的还有一组更值得注意的数据：平台已集成超过85款AI工具，2026年至今累计生成超过60亿条图像、视频与特效素材，每天有超过700万创作者在使用AI功能。这场活动释放的信号很明确，剪映正在从一款视频剪辑工具，转向覆盖编辑、图像与设计的全能AI创作平台。

想让视频里的主角换成自己设计的角色，过去意味着繁琐的姿态估计、蒙版绘制与逐帧追踪，如今这套流程被大幅压缩。Viggle AI近日开源了角色替换动画模型Viggle-Animate，创作者只需要准备一段驱动视频和一张来自同一视频的改绘帧，模型就能在本地PC上以四步推理完成角色替换，让新角色复刻原视频里的一举一动。权重上线Hugging Face并适配了社区版ComfyUI节点，开源圈迅速跟进测试，社区反馈其口型同步与面部表情表现超出预期，原本持怀疑态度的测试者也改变了看法。