谷歌DeepMind推出Gemini 2.5 Flash Image图像模型

谷歌DeepMind正式推出Gemini 2.5 Flash Image图像模型，优化了速度与上下文理解，支持基于文本提示的精准编辑。该模型在LMArena基准测试中表现领先，提供安全机制，开发者可通过Gemini API等访问，输出定价为每百万token 30美元。

阿里通义千问团队推出基于20B参数的Qwen-Image-Edit模型，通过双通道架构实现语义与外观双重控制，在公开基准测试中展现当前最优性能。尽管国内厂商加速布局多模态领域，但技术仍面临表征复杂度与空间推理能力等关键挑战。

Midjourney创始人David Holz近日在Discord活动中透露，7.0版本将在未来1-2个月内发布，此外公司正在开发新图像编辑器与3D系统。Holz还表示，Midjourney正致力于提升现有技术的易用性，并计划涉足视频生成领域。