Black Forest Labs 发布 FLUX.3 Image Klein，并在发布首日接入 Diffusers。该模型用同一个模型完成文生图、多参考图生图和新增的布局控制，可在提示词中写入 bounding box 指定画面各部分的摆放位置，或指定参考图中哪些部分需要移动。
推荐理由：Hugging Face 官方给出 FLUX.3 在 Diffusers 中的完整用法，包括布局控制、量化权重与 LoRA 训练脚本，可直接上手复现。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者将创意转化为精细图像和电影级视频广告。
Google Research 提出 Diffusion Controller 框架，将扩散模型的去噪过程重构为连续控制问题，用轻量附加网络在不改动基座模型权重的前提下引导生成。
Hugging Face 发布 Workflow1111，用 Gradio Workflow 把 AUTOMATIC1111 的大部分功能重建为一张工作流画布，由 11 条媒体管线和 73 个节点组成，覆盖文生图、高清修复、图生图、提示词矩阵、VLM 反推、检测生成 inpaint 掩码、ControlNet 风格标注器、背景移除、PNG Info 存储和图生视频。
推荐理由：原文展示了用 73 个节点重建 A1111 全部媒体管线，并说明每个输出节点自动变成 REST 端点和 MCP 工具。
OpenAI 发布 ChatGPT Images 2.5，可将想法、草图和参考照片转化为更个性化、更精致的图像，更贴近用户原本的构想。
推荐理由：官方给出 ChatGPT Images 2.5 的定位，读者可据此了解它在个性化图像生成上的能力方向。
Diffusers 现已原生支持 Nunchaku 的 SVDQuant 4-bit 推理，加载量化 checkpoint 只需调用 from_pretrained()，无需自定义 pipeline 或本地编译 CUDA。
推荐理由：Diffusers 原生接入 Nunchaku 4-bit 推理，给出显存与延迟对比数据，可据此判断消费级 GPU 跑扩散模型的门槛变化。
Google Research 在 ICLR 2026 论文中揭示，扩散模型的创造力源于神经网络训练中的 score smoothing——正则化使学到的 score function 变平滑，让去噪过程在训练数据点之间插值，从而生成新样本。
Google DeepMind 发布 Nano Banana 2 Lite（gemini-3.1-flash-lite-image）与 Gemini Omni Flash（gemini-omni-flash-preview）。
推荐理由：两款模型同时开放开发者入口，并给出延迟、单价与视频时长等具体参数，便于判断多模态流水线的成本与可用性。
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种新方法，可在照片拍摄后调整相机位置与焦距，生成新的视角。该方法分两步：先用内部 3D 点图估计模型重建场景并估算原相机焦距，再用生成式潜在扩散模型补全新视角下露出的空白区域。该功能已作为 Auto frame 的第二个候选版本上线，可自动处理含人物的照片，并修正广角前置摄像头造成的透视畸变。
推荐理由：Google Photos 把 3D 场景估计与生成式补全结合，读者可了解自动重构拍摄视角的技术路径。
OpenAI 发布 ChatGPT Images 2.0，改进了文字渲染、多语言支持和视觉推理能力。官方同时提到 Images 2.5 的新变化。
推荐理由：OpenAI 官方公布 ChatGPT Images 2.0 的三项能力变化，可据此判断图像生成在文字渲染与多语言上的进展。
ChatGPT 支持通过清晰的提示词生成图像，并可对设计进行迭代优化，在几分钟内产出高质量视觉内容。
Google 开源的 SpeciesNet 模型可对相机陷阱图像分类近 2,500 个动物类别，训练数据达 6,500 万张标注图像。该模型在标准笔记本上每天可处理约 3 万张图像，低端游戏 GPU 上可达 25 万张以上，识别含动物图像的召回率为 99.4%，83% 的情况下能细分到物种且其中 94.5% 预测正确。
Hugging Face 发布 Modular Diffusers，用可复用的 block 组合扩散流水线，作为现有 DiffusionPipeline 类的补充方案。
推荐理由：原文给出可组合的扩散流水线模块与自定义 block 的完整示例，读者可据此判断现有 Diffusers 工作流能否拆解复用。
Photoroom 在 Hugging Face 博客发布 PRX 系列第三篇，用 32 张 H200、约 1500 美元预算在 24 小时内训练出一个文生图扩散模型。
推荐理由：Photoroom 公开了 24 小时训练文生图模型的完整配方与代码，读者可据此复现并调整各组件。
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），把 Nano Banana Pro 的世界知识、画质与推理能力带到 Flash 速度。
推荐理由：官方给出 Nano Banana 2 与 Pro 的能力分工和上线范围，读者可据此判断该选哪个模型。
Hugging Face 发布系列第二篇博客，记录从零训练文生图基础模型 PRX 的训练设计经验，围绕表征对齐、训练目标、Token 路由与稀疏化、数据四类方法做消融实验。
伯克利 AI 研究团队提出一套基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力，无需重建算法或任务专用解码器。该信息指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测下游解码性能，优化后的设计可媲美 SOTA 端到端方法，且内存和算力需求更低。相关成果发表于 NeurIPS 2025 论文。
OpenAI 发布 ChatGPT Images 与 GPT-Image-1.5，前者带来更快的图像生成体验，后者通过 API 提供。原文还提到可了解最新的 ChatGPT Images 2.5。
推荐理由：OpenAI 在 API 中上线 GPT-Image-1.5，并同步更新 ChatGPT 图像生成体验。
Hugging Face Diffusers 宣布支持 FLUX.2，并给出使用 Flux2Pipeline 与 Flux2Transformer2DModel 的推理代码示例。
推荐理由：Diffusers 官方给出 FLUX.2 的加载与推理代码，读者可据此了解该模型在库中的接入方式。
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），一个基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 以付费预览形式通过 Gemini API 逐步开放。
推荐理由：官方给出新图像模型的分辨率、文字渲染与搜索接地等能力细节，可据此判断多模态应用的选型与成本取舍。
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，主打图像生成与编辑，支持在图中直接渲染多语言文字、接入 Google Search 实时信息，并可混合最多 14 张图像、保持最多 5 人的一致性，提供 2K 和 4K 分辨率。
推荐理由：官方给出 Nano Banana Pro 在文字渲染、多图合成与分辨率上的具体升级，以及各产品线的开放节奏。
SchoolAI 基于 GPT-4.1、图像生成和 TTS 构建安全、教师引导的 AI 工具，已服务超 100 万个课堂，提升参与度、监督能力和个性化学习。
Hugging Face 在 Gradio 中推出可见水印功能，只需一条命令即可为 AI 生成的图像、视频和文本添加水印。图像和视频通过 watermark 参数指定水印文件，文本则在 Chatbot 组件中设置水印，用户复制 AI 回复时自动附带署名。水印支持文件名、图像及 numpy 数组，还可使用 QR 水印承载更多信息。
将 Claude 连接 Hugging Face MCP Server 后，可直接调用 ZeroGPU Spaces 上的图像生成模型。FLUX.1 Krea [dev] 主打消除"AI 感"，输出更接近专业摄影的真实质感；Qwen-Image 擅长遵循提示词与准确渲染文字，适合海报、标牌等信息图设计。用户可在 MCP 设置中添加对应 Space 工具，并同时启用两者对比效果。
Arm 面向图形与游戏开发者发布 AI 超采样方案 Neural Super Sampling（NSS），基于 Arm Neural Technology 面向未来移动设备实时渲染。
Hugging Face 博客演示了如何用 Gradio 的 MCP 集成在 Python 中搭建 AI 购物助手，将函数自动转换为 LLM 可调用的 MCP 工具。该助手结合 IDM-VTON 扩散模型实现虚拟试穿，并通过 VS Code AI Chat 接入 vton 与 playwright 两个 MCP 服务器，让 LLM 能浏览线上服装店并生成试穿效果图。
Hugging Face 发布教程，介绍如何用 Diffusers 和 PEFT 优化 Flux.1-Dev 的 LoRA 推理速度，在 H100 上通过 Flash Attention 3、torch.compile 和 FP8 量化实现约 2.23 倍加速，并借助 hotswap 避免重新编译。
推荐理由：原文给出 Flux LoRA 推理的完整优化配方与实测数据，读者可据此在 H100 或消费级 GPU 上复现加速。
Hugging Face 发布教程，介绍如何用 QLoRA 配合 diffusers 在单张 GPU 上微调 FLUX.1-dev，峰值显存约 10GB 以内。
推荐理由：给出在单张消费级 GPU 上微调 FLUX.1-dev 的完整配置与显存实测数据，方法可直接复用。
Hugging Face Diffusers 现已集成 bitsandbytes、GGUF、torchao、Quanto 和原生 FP8 等多种量化后端，并以 Flux-dev 为例展示效果。
ChatGPT 图像生成支持从提示词、草图或上传图片创建品牌视觉与产品效果图。该功能可帮助制作品牌风格一致的视觉素材和产品 mockup。
ChatGPT for Business 迎来 4 月更新，新增 o3 模型、图像生成、增强记忆以及内部知识接入能力。官方同步放出了这些新功能的实操演示。
OpenAI 将最新图像生成模型以 gpt-image-1 的形式开放到 API，开发者和企业可将其接入自有工具与平台，构建专业级、可定制的视觉内容。
推荐理由：OpenAI 将最新图像生成模型以 gpt-image-1 开放到 API，开发者可据此评估接入自有产品的路径。
OpenAI 在 GPT-4o 中推出原生图像生成能力，文本渲染和指令跟随表现更强。该功能于 2025 年上线，官方同时引导用户了解 ChatGPT Images 2.5。
推荐理由：GPT-4o 原生图像生成上线，文本渲染与指令跟随能力增强，可据此判断多模态生成的新基线。
OpenAI 发布 GPT-4o 系统卡补充说明，介绍 4o 图像生成。该能力比此前的 DALL·E 3 系列模型显著更强，可生成照片级写实输出，并能接收图像作为输入并进行转换。
推荐理由：OpenAI 官方补充说明 GPT-4o 图像生成能力，读者可了解它相对 DALL·E 3 在写实与图像输入上的变化。
Hugging Face Diffusers 团队实验性推出 Remote VAE，将扩散模型的 VAE 解码过程委托给远程 Inference Endpoints 执行，以降低高分辨率图像和视频生成对消费级 GPU 的显存压力。
Mistral AI 发布新版 le Chat，定位覆盖生活与工作的综合 AI 助手，同时上线 iOS、Android，并推出 Pro 和 Team 订阅以及处于私有预览的 Enterprise 版本。
推荐理由：官方一次性给出 le Chat 的移动端、Flash Answers 速度指标与 Pro 定价，可据此判断其与现有助手的差异。
Hugging Face 发布首期 AI 艺术工具通讯，回顾 2024 年创意 AI 关键进展。图像生成领域从 Unet 转向 DiT 架构与 flow matching。
Hugging Face 的 Data is Better Together 社区发布 Apache 2.0 许可的文本生成图像偏好数据集，覆盖多种图像生成类别，混合不同模型家族与不同复杂度的提示词。数据集基于 Flux 和 Stable Diffusion 模型生成图像，并附带可直接使用的偏好数据集与 flux-dev-lora-finetune。
OpenAI 简化、稳定并扩展了连续时间一致性模型，仅用两步采样即可达到与领先扩散模型相当的样本质量。
Stability AI 发布 Stable Diffusion 3.5，模型已上线 Hugging Face Hub 并可在 Diffusers 中使用，包含 8B 的 Large 模型和 8B 的 timestep-distilled 模型，后者支持 4-8 步少步推理。
推荐理由：原文给出 SD3.5 Large 在 Diffusers 中的推理、量化与 LoRA 训练路径，读者可据此评估消费级显卡上的可用性。