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。

date	model	size	author	权重许可	关注点
2026-09-20	Qwen-Image-2.1HuggingFaceHF:Qwen/Qwen-Image-2.1huggingface.co · huggingface.co/Qwen/Qwen-Image-2.1	7B DiT	Qwen	Qwen 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
2026-09	Ming-Image-0.1-DesignHuggingFaceHF:inclusionAI/Ming-Image-0.1-Designhuggingface.co · huggingface.co/inclusionAI/Ming-Image-0.1-Design	6B	inclusionAI	MIT	UI、信息图、海报、密集文字、透明背景；另有 Design-Layer 图层分解模型
2026-07-20	Cosmos3-Super-Text2Image-4StepHuggingFaceHF:nvidia/Cosmos3-Super-Text2Image-4Stephuggingface.co · huggingface.co/nvidia/Cosmos3-Super-Text2Image-4Step	64B MoT	NVIDIA	OpenMDW-1.1	4 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
2026-06-22	Krea 2 Raw / TurboHuggingFaceHF:krea/Krea-2-Turbohuggingface.co · huggingface.co/krea/Krea-2-Turbo	12B	Krea	Krea 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
2026-05	Lens / Lens-TurboHuggingFaceHF:microsoft/Lenshuggingface.co · huggingface.co/microsoft/Lens	3.8B DiT	Microsoft	MIT	训练效率、最高 1440×1440；Lens 为 20 步，Turbo 为 4 步，Base 为 50 步
2026-05-08	HiDream-O1-ImageHuggingFaceHF:HiDream-ai/HiDream-O1-Imagehuggingface.co · huggingface.co/HiDream-ai/HiDream-O1-Image	8B	HiDream	MIT	Pixel-level UiT，无外部 VAE 或独立文本编码器；生成、编辑、主体个性化、2K
2026-04	ERNIE-Image / TurboHuggingFaceHF:baidu/ERNIE-Imagehuggingface.co · huggingface.co/baidu/ERNIE-Image	8B DiT	Baidu	Apache-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
2026-01-27	Z-ImageHuggingFaceHF:Tongyi-MAI/Z-Imagehuggingface.co · huggingface.co/Tongyi-MAI/Z-Image	6B DiT	Tongyi-MAI	Apache-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
2026-01-26	HunyuanImage-3.0-InstructHuggingFaceHF:tencent/HunyuanImage-3.0-Instructhuggingface.co · huggingface.co/tencent/HunyuanImage-3.0-Instruct	80B MoE / 13B active	Tencent	Tencent Hunyuan Community	原生多模态、推理与提示词增强、多图编辑；另有 Instruct-Distil
2026-01-15	FLUX.2 kleinGitHubblack-forest-labs/flux2	4B / 9B DiT	Black Forest Labs	4B 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-2.1GitHubQwenLM/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 LICENSEHuggingFaceHF:Qwen/Qwen-Image-2.1huggingface.co · huggingface.co/Qwen/Qwen-Image-2.1/blob/main/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-ImageGitHubinclusionAI/Ming-Image
  • MIT, Python, Image Generation
  • Design 与 Design-LayerHuggingFaceHF:inclusionAI/Ming-Image-0.1-Design-Layerhuggingface.co · huggingface.co/inclusionAI/Ming-Image-0.1-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/cosmosGitHubNVIDIA/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 Text2ImageHuggingFaceHF:nvidia/Cosmos3-Super-Text2Imagehuggingface.co · huggingface.co/nvidia/Cosmos3-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-2GitHubkrea-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 LicenseHuggingFaceHF:krea/Krea-2-Turbohuggingface.co · huggingface.co/krea/Krea-2-Turbo/blob/main/README.md。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/LensGitHubmicrosoft/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-ImageGitHubHiDream-ai/HiDream-O1-Image
  • MIT, Python, Pixel-level UiT
  • Full 与 Dev 于 05-08 开放；05-14 的 Dev-2604HuggingFaceHF:HiDream-ai/HiDream-O1-Image-Dev-2604huggingface.co · huggingface.co/HiDream-ai/HiDream-O1-Image-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-ImageGitHubbaidu/ERNIE-Image
  • Apache-2.0, Python, Single-stream DiT
  • TurboHuggingFaceHF:baidu/ERNIE-Image-Turbohuggingface.co · huggingface.co/baidu/ERNIE-Image-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-ImageGitHubTongyi-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-3.0GitHubTencent-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HuggingFaceHF:tencent/HunyuanImage-3.0-Instructhuggingface.co · huggingface.co/tencent/HunyuanImage-3.0-Instruct/blob/main/LICENSE 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。

date	model	关注点	官方来源
2026-09-08	GPT Image 2.5 Sunburst / Flare	Sunburst 重精细编辑，Flare 重速度；T2I、多轮编辑、参考图保持	OpenAI 公告
2026-08 / 09	MAI-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 Lens	Microsoft 模型页
2026-07-08	Seedream 5.0 Pro	设计理解、复杂布局、多语言文字与多图编辑	ByteDance 公告
2026-02-26	Nano Banana 2 / Gemini 3.1 Flash Image	Flash 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

date	model	size	author	notes
2026-01-14	GLM-ImageHuggingFaceHF:zai-org/GLM-Imagehuggingface.co · huggingface.co/zai-org/GLM-Image	9B+7B	Z.ai	AR + Diffusion，T2I、I2I、文字渲染
2025-12-23	Qwen-Image-Edit-2511HuggingFaceHF:Qwen/Qwen-Image-Edit-2511huggingface.co · huggingface.co/Qwen/Qwen-Image-Edit-2511		Alibaba	I2I、多图编辑
2025-11-26	Z-Image-Turbo	6B	Tongyi-MAI	Apache-2.0，8 NFE 快速生成
2025-11-25	FLUX.2 dev	32B	Black Forest Labs	FLUX Non-Commercial License，多图编辑
2025-08-17	Qwen-Image-Edit		Alibaba	图像编辑、T2I、I2I
2025-08-04	Qwen-ImageHuggingFaceHF:Qwen/Qwen-Imagehuggingface.co · huggingface.co/Qwen/Qwen-Image	20B	Alibaba	Apache-2.0，MMDiT，T2I、Editing、Text
2025-07-16	HiDream-E1-1			Image Editing
2025-06-16	OmniGen2	7B	VectorSpaceLab	T2I、Editing、Composing
2025-05-29	FLUX.1 Kontext	dev 12B	Black Forest Labs	上下文图像生成
2025-04-07	HiDream-I1	17B		Fast / Dev / Full
2025-01-25	Lumina-Image 2.0	2B	OpenGVLab	Apache-2.0
2024-10-22	SD 3.5	2.5B / 8B	Stability AI	turbo / large / medium
2024-08-01	FLUX.1	12B	Black Forest Labs	dev / schnell
2023-07	SDXL 1.0	3.5B		Stable Diffusion XL
2022-10	SD 1.5	983M	RunwayML	Stable Diffusion

常用模型与工具

• huggingface/diffusersGitHubhuggingface/diffusers
  • Diffusion 模型推理与训练生态。
  • bghira/SimpleTunerGitHubbghira/SimpleTuner
  • ostris/ai-toolkitGitHubostris/ai-toolkit
• advimman/lamaGitHubadvimman/lama
  • Resolution-robust Large Mask Inpainting。
• ByteDance/XVerseHuggingFaceHF:ByteDance/XVersehuggingface.co · huggingface.co/ByteDance/XVerse
  • 多主体身份与语义属性一致性控制。
• Alpha-VLLM/Lumina-Image-2.0GitHubAlpha-VLLM/Lumina-Image-2.0
• VectorSpaceLab/OmniGen2GitHubVectorSpaceLab/OmniGen2
  • 基于 Qwen-VL-2.5，支持组合和编辑。
• huanngzh/mv-adapterHuggingFaceHF:huanngzh/mv-adapterhuggingface.co · huggingface.co/huanngzh/mv-adapter
  • 多视角生成与一致性适配。

FLUX

• black-forest-labs/fluxGitHubblack-forest-labs/flux
  • FLUX.1-dev 为 Non-Commercial License；FLUX.1-schnell 为 Apache-2.0。
  • FLUX.1-devHuggingFaceHF:black-forest-labs/FLUX.1-devhuggingface.co · huggingface.co/black-forest-labs/FLUX.1-dev：质量、guidance distillation。
  • FLUX.1-schnellHuggingFaceHF:black-forest-labs/FLUX.1-schnellhuggingface.co · huggingface.co/black-forest-labs/FLUX.1-schnell：1-4 步快速生成、支持 Fine-tune/LoRA。
  • FLUX.1-Kontext-devHuggingFaceHF:black-forest-labs/FLUX.1-Kontext-devhuggingface.co · huggingface.co/black-forest-labs/FLUX.1-Kontext-dev：in-context image generation。
• black-forest-labs/flux2GitHubblack-forest-labs/flux2
  • Apache-2.0, Python, Flow Matching
  • klein 4B / 4B Base 权重为 Apache-2.0；klein 9B / 9B Base / 9B KV、dev 为 FLUX Non-Commercial LicenseGitHubblack-forest-labs/flux2。pro、flex 等托管版本另看商业服务条款。
  • 9B KV 通过 KV cache 加速多参考编辑；Base 保留非蒸馏 checkpoint，适合 LoRA 与后训练。
• lodestones/ChromaHuggingFaceHF:lodestones/Chromahuggingface.co · huggingface.co/lodestones/Chroma
  • 基于 FLUX.1-schnell 微调，Apache-2.0。
• HiDream-I1-FullHuggingFaceHF:HiDream-ai/HiDream-I1-Fullhuggingface.co · huggingface.co/HiDream-ai/HiDream-I1-Full
  • 17B，使用 FLUX.1 schnell VAE。

Stable Diffusion

• Stable Diffusion 1.x / 2.x / SDXL / SD 3.5。
• Stability-AI/stable-diffusion-3.5GitHubStability-AI/stable-diffusion-3.5
  • MMDiT；使用 OpenAI CLIP-L、OpenCLIP bigG 和 Google T5-XXL。
• SD 3.5 Medium：2.5B，MMDiT-X；官方发布说明。
• SD 3.5 Large-Turbo：MMDiT + ADD，约 4 步生成。
• TMElyralab/lyraDiffGitHubTMElyralab/lyraDiff
  • Diffusion / DiT 推理加速引擎。

Prompting

[人物描述] [场景构建] [摄影参数] [氛围强化] [细节补充]

• 场景构建：服装细节、动态姿势、光影氛围。
• 摄影参数：镜头、光圈、景深、画面比例和视觉风格。
• 质量：photorealistic、ultra detailed、natural skin texture、soft film grain。
• 负面提示词通常关注：lowres、text、watermark、bad anatomy、extra fingers、deformed。
• FLUX Prompt GeneratorHuggingFaceHF Space:gokaygokay/FLUX-Prompt-Generatorhuggingface.co · huggingface.co/spaces/gokaygokay/FLUX-Prompt-Generator
• dagthomas/comfyui_dagthomasGitHubdagthomas/comfyui_dagthomas
• microsoft/PromptistHuggingFaceHF:microsoft/Promptisthuggingface.co · huggingface.co/microsoft/Promptist
• Gustavosta/MagicPrompt-Stable-DiffusionHuggingFaceHF:Gustavosta/MagicPrompt-Stable-Diffusionhuggingface.co · huggingface.co/Gustavosta/MagicPrompt-Stable-Diffusion

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

• Artificial Analysis Image Leaderboards
  • 当前榜单入口；分别查看生成、编辑与设计任务，不把历史榜单分数横向混用。
• ArtificialAnalysis Text-to-Image LeaderboardHuggingFaceHF Space:ArtificialAnalysis/Text-to-Image-Leaderboardhuggingface.co · huggingface.co/spaces/ArtificialAnalysis/Text-to-Image-Leaderboard
• genai-showdown.specr.net
• civitai.com
• OpenModelDB
• RunningHub