图像生成
图像生成 （21 个模型）
Qwen Image Plus
Qwen-image-plus 是阿里云通义千问系列的文生图模型，属 Qwen-Image 专业版，擅长复杂文本渲染，支持中英双语及多行布局，适用于海报、对联等需精准文字生成场景。
Wan2.5 I2I Preview
Wan2.5-i2i-preview 是一款图像生成模型，支持图像编辑功能，属于阿里云图像生成服务，适用于图像创作与编辑场景。
Qwen Image Edit
Qwen-Image-Edit 是阿里开源的 Omni 产品级扩散模型，基于 200 亿参数 Qwen-Image 构建，支持语义与外观双重编辑，可精准中英文字编辑并保留字体样式。
Wan2.5 T2I Preview
Wan2.5-t2i-preview 是阿里通义万相系列文生图模型，支持写实场景和摄影风格，注重图像质量与响应速度平衡，可用于广告、电商领域。
Doubao - Seedream - 4.0
Doubao - Seedream - 4.0 是国产多模态生图模型，支持文本与图像组合输入，能深度理解提示词，避免元素分离与拼凑问题，可生成 4K 高清图像。适用于设计师、插画师、广告及影视分镜创作等场景。
Doubao - Seedream - 3.0 - t2i
Doubao - Seedream - 3.0 - t2i 是字节跳动推出的中英双语图像生成基础模型，属文生图第一梯队。特点：2k 原生高分辨率，小字生成准、排版优，指令遵循力强，美感与结构佳，响应速度快，EvalMuse 等多测试排名第一。适用于设计、创意等场景。
Doubao-SeedEdit-3.0-i2i
Doubao-SeedEdit-3.0-i2i 是图像编辑模型，支持通过自然语言提示进行复杂视觉操作，如背景移除、光线调整和姿势改变，具备随机数种子控制生成随机性的特点，专为商业用途设计，应用于广告、内容创作和电子商务领域。
qwen-mt-image
Qwen-MT-Image 是通义千问系列图像翻译模型，可精准翻译图像中的文字并保留原始排版，支持领域提示、敏感词过滤、术语干预等自定义功能。适用于多语言图像内容本地化、跨语言图文信息处理等场景。
Qwen-Image
Qwen-Image 是阿里巴巴通义千问团队 2025 年 8 月开源的 20B 参数 MMDiT 图像生成基础模型，以中文文本渲染和精准图像编辑为核心优势，支持多风格生成与编辑闭环，适用于设计工具、电商图生成、多模态助手等场景，可嵌入产品线作为基础设施。
Pangu-MM-M1-Txt2Img-1.0.0
Pangu-MM-M1-Txt2Img-1.0.0 是 2025 年 4 月发布的文本生成图像模型，支持 1024*1024 分辨率，涵盖写实、油画、动漫等数十种风格，需 8 个推理单元部署。
CogView-4
CogView-4 是智谱 2025 年发布的开源文生图模型，支持中英双语输入与任意分辨率图像生成，采用 GLM-4 encoder 提升中文语义理解，在 DPG-Bench 测试中综合评分第一，达开源 SOTA 水平，遵循 Apache 2.0 协议，适用于广告设计、教育插图等场景。
SenseNova V6.5 Miaohua基础版
SenseNova V6.5 Miaohua 基础版（商汤-日日新 V6.5 妙画基础版）是商汤科技(SenseTime) 日日新(SenseNova) 大模型体系下，专用于图像生成（文生图/图生图）的一个入门级、高性价比的模型版本。
SenseNova V6.5 Miaohua高级版
SenseNova V6.5 Miaohua 高级版（商汤-日日新 V6.5 妙画高级版）是商汤科技(SenseTime) 发布的日日新(SenseNova) 大模型体系下，专用于**图像生成（文生图/图生图）**的一个高性能版本。
MiniMax Image-01-live
Minimax Image 01 Live（I2V-01-Live）是 MiniMax（月之暗面）推出的一款强大的图生视频（Image-to-Video, I2V）模型。
MiniMax Image-01
MiniMax Image-01 是上海稀宇科技开发的图像生成模型，属 MiniMax-01 系列。支持多尺寸创作，批处理高效，每分钟可生成 60token，单次请求最多 9 幅图，成本仅为同类产品十分之一，适用于社交媒体内容创作与商业项目。
Step-1X
Step-1X 是阶跃星辰发布的图像生成大模型，有 600M、2B、8B 三种参数量，分别适用于速度敏感、平衡效果速度、高效极致场景。采用自研 DiT 架构，语义对齐和指令跟随能力强，深度优化中国元素，符合国人审美。
腾讯混元生图（多轮对话）
腾讯混元生图（多轮对话）是腾讯推出的 AI 图像生成模型，属多模态大模型。具备常识推理与精准语义理解能力，能生成高质感图像，支持中英文及长文本渲染。当前版本开放文生图，多轮交互等功能后续发布，适用于设计、教育、营销等场景。
文生图轻量版
文生图轻量版是腾讯云推出的文本生成图像 API 接口（TextToImageLite），基于深度学习模型实现文本到图像的智能转换。该接口默认支持 3 个并发任务处理，需通过腾讯云 API 平台调用，当前仅开放广州地域（ap-guangzhou）接入。其核心功能为根据输入文本描述生成相关图像，适用于轻量化图像生成场景的开发者集成，但公开资料未提及具体风格支持、分辨率等技术参数及实际应用案例。
CogView-3-Plus
CogView-3-Plus 是智谱推出的文本生成图像模型，为 CogView3 的 DiT 版本，性能达领先 T2I 模型水平。采用 DiT 框架、Zero-SNR 调度及文本-图像联合注意力机制，支持 512 - 2048 像素生成，兼顾效果与成本。可用于广告设计、新闻配图、出版物插画等场景。
CogView-3-Flash
CogView-3-Flash 是智谱推出的免费 AI 图像生成模型，支持文本生成高质量图像，具备多分辨率（如 1024x1024 等）、快速推理及创意多样性特点，适用于广告设计、艺术创作、教育等场景。
CogView-3
CogView-3 是智谱 AI 开发的级联扩散文本生成图像模型，基于 GLM 技术栈，分三阶段生成高分辨率图像，较 SDXL 人工评估优 77%且推理时间仅为其 1/10，支持 1024x1024 等多分辨率，适用于设计、广告、艺术创作等场景，已开源并上线“智谱清言”平台。