- 综合排序
- 最热优先
- 最新优先
AGI-Eval 实测：NanoBanana Pro 综合实力稳居第一梯队，图像编辑进入精细化时代
（难易度：易）生成效果：Seedream4.0＞Qwen-image-edit=FLUX.1-Kontext Pro=Nanobanana pro原图:NanoBanana Pro ：Qwen-image-edit （难易度：易）生成效果：Nanobanana pro＞Seedream4.0＞Qwen-image-edit ＞FLUX.1-Kontext Pro原图：NanoBanana Pro：Qwen-image-edit （难易度：中）生成效果：Nanobanana pro＞Qwen-image-edit =Seedream4.0=FLUX.1-Kontext Pro原图：NanoBanana Pro ：Qwen-image-edit （难易度：难）生成效果：Nanobanana pro＞Seedream4.0＞FLUX.1-Kontext Pro＞Qwen-image-edit 原图：NanoBanana Pro：Qwen-image-edit （难易度：难）生成效果：Nanobanana pro＞Qwen-image-edit ＞Seedream4.0＞FLUX.1-Kontext Pro原图：NanoBanana Pro：Qwen-image-edit
63310编辑于 2025-12-11- 来自专栏wayn的程序开发
Qwen-Image-Edit：千问编图，这次真的很强
比如上周刚发布的 Qwen-Image-Edit 真的很强！ 语义与外观双重编辑 Qwen-Image-Edit 最大的亮点，就是同时兼具“语义”和“外观”的双重编辑能力。语义编辑意味着它可以在保持图像语义不变的前提下，重新生成一个完全不同的画面。 但 Qwen-Image-Edit 在文字渲染方面有着深厚积累，可以在保持原有 字体、字号、排版风格的前提下，对文字进行增删改。 更重要的是，Qwen-Image-Edit 同时支持 中文和英文，这对于中文用户来说尤其友好。 最后 在多个公开基准测试中，Qwen-Image-Edit 已展现出 SOTA（state-of-the-art）性能，成为当下图像编辑领域的一股强大力量。
1.4K10编辑于 2025-11-13 Open-Sora-Plan团队最新力作UniWorld-V2：图像编辑涨点神器，旧模型也能秒变SoTA！
实证性能突破：实验表明，该方法显著提升UniWorld-V2、Qwen-Image-Edit和FLUX.1-Kontext等模型在多样化编辑基准上的性能表现。 该框架与模型无关，展示了在不同基础模型（如Qwen-Image-Edit和FLUX-Kontext）上的显著性能提升，证明了其广泛适用性。 方法 初步准备 流匹配。 训练 本文使用 FLUX.1-Kontext [Dev]、Qwen-Image-Edit [2509] 和 UniWorld-V2 作为基础模型。 同时，UniWorld-V2在这一基准测试中建立了新的最先进水平，超越了所有列出的模型，包括 Qwen-Image-Edit（7.56）和 GPT-Image-1（7.53）。 为了评估奖励模型扩展对策略模型性能的影响，本文在相同步数下使用不同参数规模的奖励模型对 Qwen-Image-Edit 进行微调，以便进行公平比较。
31910编辑于 2025-11-17- 来自专栏AgenticAI
谷歌nana-banana平替来了？字节开源 USO：人物和画风，我全都要！
最近 AI 绘画的进展一个接一个：前有 Qwen-Image-Edit 带来了更自然的图像编辑体验，后有 Google 的 nana-banana，把“人物一致性 + 风格迁移”结合到了一起。 庖丁解牛 相比 Qwen-Image-Edit 的“编辑场景更灵活”、nana-banana 的“人物和风格两手抓”，USO走的是更彻底的一步——它要把这两类问题统一在一套框架里解决。 总结 我个人感觉，最近绘画方面的进展非常大，前有Qwen-Image-Edit，后有Google nana-banana，现在字节给出了新的解答。
68010编辑于 2025-09-02 - 来自专栏AgenticAI
每日HuggingFace Top20热门大模型(0824)
Qwen/Qwen-Image-Edit 多模态图像编辑利器。Qwen/Qwen-Image-Edit 是一款专注于图像编辑的多模态模型，基于 20B Qwen-Image 模型构建。 原文链接:https://huggingface.co/Qwen/Qwen-Image-Edit 2. deepseek-ai/DeepSeek-V3.1-Base 混合模式通用大模型。 QuantStack/Qwen-Image-Edit-GGUF 是一款基于 Qwen/Qwen-Image-Edit 的图像编辑模型，定位为多模态模型。
1K10编辑于 2025-08-25 北航&美团等最新EditThinker：给AI修图装上“大脑”，Flux、OmniGen2瞬间智商暴涨！
本文的框架将编辑工作流明确地解耦为两个不同的角色：一个用于判断和推理的思考者，一个用于执行的编辑器，其中思考者通过 SFT 和 RL 进行训练，编辑器是任何现有的图像编辑模型（例如，Qwen-Image-Edit 因此，对于 SFT 模型来说，一个看似最优的指令 在由实际编辑器（如 Qwen-Image-Edit）执行时仍然可能失败。这在理想推理和实际执行之间造成了差距。 在推理阶段，本文的“思考即编辑”范式与 OmniGen2、Flux Kontext [dev]和 Qwen-Image-Edit结合使用。 在 ImgEdit-Bench 上，EditThinker 将 FLUX.1-Kontext [Dev] 的总体分数从 3.44 提高到 3.98，OmniGen2 从 3.4 提高到 3.5，Qwen-Image-Edit FLUX.1-Kontext [Dev] 从 5.8 提高到 14.4，OmniGen2 从 3.1 提高到 3.4，Qwen-Image-Edit 从 8.9 提高到 17.8。
23110编辑于 2025-12-21新加坡国立等发布WEAVE：首个上下文交错式跨模态理解与生成全套解决方案
值得注意的是，Qwen-Image-Edit表现出7.1%的显著提升，这可能源于其生成能力相对nano-banana[21]固有较弱。 序列输入优势。 例如图中左侧案例，OmniGen和Ovis未能正确执行生成；右侧案例第三列显示Qwen-Image-Edit仅生成塔楼而未包含任何人像。(ii) 基于weave数据集的微调催生了视觉记忆能力。 评判器使用的可靠性 为评估VLM-as-a-judge评分的可靠性，开展了专家评估研究，邀请三位人类专家对Nano-banana、Qwen-Image-Edit和SeeDream模型进行交叉评估，每个模型分析
26210编辑于 2025-11-29CVPR 2026｜“全能AI海报设计师”PosterOmni开源: 6大任务笑傲开源社区，媲美闭源商用
2) 定量对比：六项任务全线领先，开源里断层，闭源里逼近 在 PosterOmni-Bench 上，我们对比了主流开源系统（如 Qwen-Image-Edit、FLUX.1 Kontext、BAGEL、 对比 Qwen-Image-Edit：PosterOmni 在 Extend / Fill / Rescale / ID / Layout / Style 六项上均明显提升，尤其在 Layout-driven (a) 任务蒸馏 vs 直接混训： 我们对比了： 基座模型（如 Qwen-Image-Edit） 六任务直接混训（Mixed Training） 只训局部专家 / 只训全局专家 先训专家再蒸馏到学生（Task
26110编辑于 2026-02-28- 来自专栏机器之心
Snapchat提出Canvas-to-Image：一张画布集成 ID、姿态与布局
这些异构视觉符号中包含的空间关系、语义信息，都由 VLM-Diffusion（基于 Qwen-Image-Edit）直接解析。
13210编辑于 2025-12-24 - 来自专栏AI进修生
Seedream 4.0 登顶图像第一，实测+超详细教程来了！（对比nano banana）
，右边是Seedream4.0采用相同的提示词制作手办图片的效果： 新海诚风格转换 case1：这个西瓜原图也是我之前介绍的用谷歌4生成的 原图 flux-1-kontext-dev Vs qwen-image-edit VS Seedream4.0 case2：从左到右分别是原图、 flux-1-kontext-pro 、 Seedream4.0（p1、p2）、qwen-image-edit Seedream4.0生成的效果更加接近
1.9K10编辑于 2025-09-30 图文双指令开智能创作新纪元！DreamOmni2实现“意念级”P图，文字图片都是你的画笔！
虽然 Kontext和 Qwen-Image-Edit原生不支持多图像输入，本文应用了 Diffusers的方法，将多张图像合并为一个输入。
22110编辑于 2025-11-17每周AI论文速递（251201-251205）
一种常见的架构设计是将多模态大语言模型 (Multimodal Large Language Model, MLLM) 编码器与扩散解码器相结合，例如 Step1X-Edit 和 Qwen-Image-Edit 此外，当与 Qwen-Image-Edit 结合构建 ReasonEdit-Q 时，其在 GEdit 和 Kris 基准上的表现也超越了此前所有的开源方法。
29010编辑于 2025-12-21AI合影毫无违和感！复旦&阶跃星辰重磅开源WithAnyone:可控、高保真多身份生成SOTA!
通用定制模型包括 OmniGen、OmniGen2、Qwen-Image-Edit、FLUX.1 Kontext、UNO、USO、UMO 和本机 GPT-4o-Image。
26210编辑于 2025-11-17- 来自专栏golang与云原生
【翻译】2025年：大语言模型年度回顾
这方面最著名的开放权重竞争对手来自 Qwen，他们在 8 月 4 日推出了 Qwen-Image 生成模型，随后在 8 月 19 日推出了 Qwen-Image-Edit。
85010编辑于 2026-01-09 2025：LLMs（大语言模型）的元年（译）
最值得关注的开放权重竞品来自 Qwen：他们在 8 月 4 日发布 Qwen-Image 生成模型，8 月 19 日又发布 Qwen-Image-Edit。
41710编辑于 2026-02-04每周AI论文速递（260209-260213）
1.0 在多项基准测试中均取得了领先的性能表现，其在 WISE 基准上超越了 800亿 参数的 HunyuanImage 达 28%，在 UniREditBench 基准上超越了 270亿 参数的 Qwen-Image-Edit
38810编辑于 2026-03-02
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号