Skip to main content

Image Generation Awesome

图像生成、图像编辑、修复、放大和扩散模型资源索引。

能力范围​

  • Image Generation / Text-to-Image（T2I）
  • Image Editing / Image-to-Image（I2I）
  • Image Inpainting / Outpainting
  • Image Upscaling / Super Resolution
  • Image Variation
  • Multimodal Understanding
  • 风格、角色、姿态和多图一致性

2026 重点模型​

查证截至 2026-10-06。重点补充 2026-02 以后的发布，同时保留 1 月的重要基线。日期优先采用官方权重发布记录；只列月份的条目不推断具体发布日。

这里的“开放权重”表示可以下载并自行部署；研究许可、非商业许可和社区许可需分别看条款。表中的许可指权重，项目条目另列代码许可。规模采用作者口径，独立文本编码器、Prompt Enhancer、VAE 等不一定计入 DiT 参数量。

datemodelsizeauthor权重许可关注点
2026-09-20Qwen-Image-2.17B DiTQwenQwen Research License，非商业统一生成与编辑、原生 2K/RGBA、最多 10 张参考图、局部标注和 Mask 编辑
2026-09Ming-Image-0.1-Design6BinclusionAIMITUI、信息图、海报、密集文字、透明背景；另有 Design-Layer 图层分解模型
2026-07-20Cosmos3-Super-Text2Image-4Step64B MoTNVIDIAOpenMDW-1.14 步蒸馏、Physical AI、合成数据；完整步数版于 05-31 发布，部署成本较高
2026-06-22Krea 2 Raw / Turbo12BKreaKrea 2 Community License从头训练、审美与风格多样性；Raw 用于 LoRA/后训练，Turbo 用于 8 步推理
2026-05Lens / Lens-Turbo3.8B DiTMicrosoftMIT训练效率、最高 1440×1440；Lens 为 20 步，Turbo 为 4 步，Base 为 50 步
2026-05-08HiDream-O1-Image8BHiDreamMITPixel-level UiT，无外部 VAE 或独立文本编码器；生成、编辑、主体个性化、2K
2026-04ERNIE-Image / Turbo8B DiTBaiduApache-2.0中英文长文字、版式与结构化生成；SFT 为 50 步，Turbo 为 8 步，配套 Prompt Enhancer
2026-01-27Z-Image6B DiTTongyi-MAIApache-2.0非蒸馏基础版，50 步、负面提示词、微调与多样性；区别于 2025 年的 Turbo
2026-01-26HunyuanImage-3.0-Instruct80B MoE / 13B activeTencentTencent Hunyuan Community原生多模态、推理与提示词增强、多图编辑；另有 Instruct-Distil
2026-01-15FLUX.2 klein4B / 9B DiTBlack Forest Labs4B 为 Apache-2.0；9B 为非商业许可生成与多参考编辑，蒸馏版 4 步；Base 用于训练与 LoRA

官方项目与版本区别​

  • QwenLM/Qwen-Image-2.1
    • Qwen Research License, Python, DiT
    • 7B 指视觉生成主干；另有 Qwen3.5-VL 9B 的 T2I/I2I Prompt Rewriter。生成、编辑、RGBA 使用同一模型。
    • 权重 LICENSE：仅研究/评估等非商业用途，商业使用需另获许可；不能沿用早期 Qwen-Image 的 Apache-2.0 标注。
  • inclusionAI/Ming-Image
    • MIT, Python, Image Generation
    • Design 与 Design-Layer 是两个 6B 模型；前者生成设计稿，后者把已有设计拆为可编辑透明图层。官方验证的 BF16 部署使用至少 80 GiB 显存，6B 不代表完整管线显存很小。
  • NVIDIA/cosmos
    • Cosmos 3 面向世界模拟、机器人和合成数据；Super 为 64B MoT，包含 32B Reasoner 与 32B Generator。Nano 为 16B，Edge 为 4B，能力需按具体模型卡判断。
    • Super Text2Image 于 2026-05-31 发布；4Step 于 07-20 发布。4 步减少采样计算，不改变 64B 模型的显存需求。
  • krea-ai/krea-2
    • Apache-2.0, Python, DiT
    • 代码为 Apache-2.0，两个开放 checkpoint 的权重采用 Krea 2 Community License。开放的 12B Raw/Turbo 与托管的 Krea 2 Large 不应混为同一版本。
    • 模型卡记权重发布于 06-22，技术报告 发布于 06-23；建议在 Raw 训练 LoRA、在 Turbo 推理。
  • microsoft/Lens
    • MIT, Python, MMDiT
    • 组合 GPT-OSS 多层文本特征与 FLUX.2 semantic VAE；基座、RL 与 Turbo 三种 checkpoint 分别适合训练、质量与速度需求，外部组件许可另看各自模型卡。
  • HiDream-ai/HiDream-O1-Image
    • MIT, Python, Pixel-level UiT
    • Full 与 Dev 于 05-08 开放；05-14 的 Dev-2604 专门优化 T2I。Dev-2604 不支持 Full 的全部编辑任务；编辑优先看 Full。
  • baidu/ERNIE-Image
    • Apache-2.0, Python, Single-stream DiT
    • Turbo 使用 DMD 与 RL；长文字、复杂关系和多面板布局是重点。官方 GenEval、OneIG、LongTextBench 表格属于作者评测，Prompt Enhancer 的开关也是评测配置的一部分。
  • Tongyi-MAI/Z-Image
    • Apache-2.0, Python, S3-DiT
    • 已发布 Z-Image 与 Z-Image-Turbo；截至查证日，官方 Model Zoo 中 Omni-Base、Edit 仍标记待发布，不能把能力展示当成已开放 checkpoint。
  • Tencent-Hunyuan/HunyuanImage-3.0
    • Tencent Hunyuan Community License, Python, MoE
    • Instruct 是 2026 年更新，3.0 原始 T2I 基座是 2025 年模型。许可 有地域及规模限制，排除欧盟、英国、韩国。

商业模型参照​

用于理解当前生成质量、编辑与服务能力；以下版本通过产品/API 提供，不列入开放权重模型表。

datemodel关注点官方来源
2026-09-08GPT Image 2.5 Sunburst / FlareSunburst 重精细编辑，Flare 重速度；T2I、多轮编辑、参考图保持OpenAI 公告
2026-08 / 09MAI-Image-2.6 / 2.6-Flash生成、精确编辑、不同吞吐/成本档位；区别于 MIT 的 LensMicrosoft 模型页
2026-07-08Seedream 5.0 Pro设计理解、复杂布局、多语言文字与多图编辑ByteDance 公告
2026-02-26Nano Banana 2 / Gemini 3.1 Flash ImageFlash 速度、世界知识、主体一致性、图像生成与编辑Google 公告

SOTA 怎么看​

  • AA-Image-T2I v2.0 与 AA-Image-Editing v2.0 是不同任务的盲评榜单。2026-10-06 快照中，GPT Image 2.5 Sunburst/Flare 的 max 档位在两榜靠前；T2I 中 Qwen-Image-2.1 为 1036±10 Elo。这些结果要连同模型版本、质量档位与榜单版本一起看。
  • UI/文字排版、透明图层、主体一致性、微调成本与通用 T2I 偏好并非同一个目标。Ming 的设计任务、ERNIE 的长文字、HiDream 的原始像素架构、Krea 的审美与训练路径，各有收录价值，不能据此统一宣称“当前第一”。
  • 厂商 README 中的“发布时第一”、论文自测与独立榜单分别记录；不直接沿用历史排名。商业 API、社区许可权重、MIT/Apache-2.0 权重也分别判断。

Diffusion / Image Models​

datemodelsizeauthornotes
2026-01-14GLM-Image9B+7BZ.aiAR + Diffusion，T2I、I2I、文字渲染
2025-12-23Qwen-Image-Edit-2511AlibabaI2I、多图编辑
2025-11-26Z-Image-Turbo6BTongyi-MAIApache-2.0，8 NFE 快速生成
2025-11-25FLUX.2 dev32BBlack Forest LabsFLUX Non-Commercial License，多图编辑
2025-08-17Qwen-Image-EditAlibaba图像编辑、T2I、I2I
2025-08-04Qwen-Image20BAlibabaApache-2.0，MMDiT，T2I、Editing、Text
2025-07-16HiDream-E1-1Image Editing
2025-06-16OmniGen27BVectorSpaceLabT2I、Editing、Composing
2025-05-29FLUX.1 Kontextdev 12BBlack Forest Labs上下文图像生成
2025-04-07HiDream-I117BFast / Dev / Full
2025-01-25Lumina-Image 2.02BOpenGVLabApache-2.0
2024-10-22SD 3.52.5B / 8BStability AIturbo / large / medium
2024-08-01FLUX.112BBlack Forest Labsdev / schnell
2023-07SDXL 1.03.5BStable Diffusion XL
2022-10SD 1.5983MRunwayMLStable Diffusion

常用模型与工具​

FLUX​

Stable Diffusion​

Prompting​

[人物描述] [场景构建] [摄影参数] [氛围强化] [细节补充]

评估关注点​

  • Prompt adherence：提示词遵循度。
  • Generation quality：生成质量。
  • Consistency：风格、角色、场景和多图一致性。
  • Precise posing：角色和场景元素的精确姿态。
  • Compositing：多图、多层合成。
  • Relighting：重新打光。
  • Reference control：参考图、角色和风格控制。
  • Object insertion/deletion：对象插入、删除和替换。
  • Fine-tuning：是否适合针对业务数据进行微调。

相关资源​