Gemini 2.5 Flash Image
PulseAugur coverage of Gemini 2.5 Flash Image — every cluster mentioning Gemini 2.5 Flash Image across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Qwen Image Edit Plus 可通过文本命令编辑图像中的文本
“Jimniting”（源自Gemini）已成为通过文本命令编辑图像的热门俚语，尤其用于更改图像内的文本。阿里巴巴的开源模型Qwen Image Edit Plus被重点介绍，它能够添加、删除和替换图像中的文本，并旨在保留原始字体、大小和样式。虽然Qwen Image Edit在中文和英文文本编辑的基准测试中表现强劲，但其对西里尔文文本的有效性仍未经验证，并且中国大陆以外的用户可能需要通过变通方法才能访问。
-
DIY AI 图像生成：GPU 架构决定成本节约效果
一位个人用户试图通过使用开源模型和租用 GPU 来降低图像生成成本，而不是使用付费 API。虽然阿里巴巴的 Qwen-Image-Edit 被证明是一个合适的开源模型，但主要挑战和成本在于选择正确的 NVIDIA GPU。作者发现，GPU 架构（由其名称指示）决定了对 FP8 等特定数值格式的支持，而这些格式对于高效且经济的模型执行至关重要。最终，尽管最初对其功能感到困惑，但 NVIDIA RTX 4090 因其支持 FP8 张量核心…
-
新分类法区分图像到图像AI模型训练范式
一篇新的研究论文介绍了一种基于其训练范式对图像到图像生成模型进行分类的方法。通过分析包括GPT-image-1、Gemini 2.5 Flash Image和SDXL img2img在内的六种商业API的行为指纹，该研究发现，使用基于编辑的方法训练的模型与在采样时（文本到图像基础模型）进行适应的模型在聚类上有所区别。这种分类是通过使用内容自适应对抗性扰动管道，并使用冻结的DINOv2 ViT-B/14令牌距离对输出与干净参考进行评分来实现的。
-
Google DeepMind发布Nano Banana Pro，用于高级图像生成和编辑
Google DeepMind 推出了 Nano Banana Pro，这是一个基于其 Gemini 3 Pro 构建的高级图像生成和编辑模型。这个新模型在创建带有准确、可读文本（支持多种语言）的视觉内容方面表现出色，并且可以整合来自 Google Search 的实时信息。Nano Banana Pro 旨在帮助用户可视化创意，从原型和信息图到故事板和本地化内容。
-
使用 Nano Banana Pro，我们的 Gemini 3 Pro 图像模型进行构建
Google DeepMind 推出了 Nano Banana Pro，一个基于 Gemini 3 Pro 构建的高保真图像生成模型，现已开放付费预览。该模型提供工作室级输出，具有增强的文本渲染、2K/4K 分辨率，并能精确控制图像构图和物理效果。它集成了 Google 的 Antigravity 平台，并已被 Adobe 和 Figma 采用，旨在赋能新一代智能、多模态应用。