本文へスキップ

#画像生成

本日0件
10月19日月
10月15日木
  1. Hugging Face Blog60

    Black Forest Labs、FLUX.3 Image Kleinを公開 Diffusersで初日から利用可能

    Black Forest LabsのFLUX.3 Image Kleinが公開され、Diffusersで初日から動作する。1つのモデルでtext-to-image、複数参照のimage-to-image、バウンディングボックスによるレイアウト制御に対応する。蒸留版は16ステップでCFGなし、H100で1024 × 1024の画像を約2秒で生成する。NVFP4とFP8の重み、LoRA学習スクリプト、Modular Diffusersパイプラインも提供される。

    選定理由：bboxをプロンプトに書いて配置や移動を指定する操作法と、H100での速度やメモリの実測値が併記されており、導入時の負荷を見積もりやすい。

10月9日金
  1. Qwen56

    QwenはQwen-Image-2.1-Turboのオープンウェイトを公開した。Qwen-Image-2.1と同じ7Bアーキテクチャの高速化チェックポイントで、8 denoising stepsで画像の生成と編集ができる。Qwen-Image-2.1 ProとTurboのAPIも正式に提供されている。

    引用元Qwen@Alibaba_Qwen

    Meet Qwen-Image-2.1, the most balanced and cost-effective image generation model in the Qwen-Image series! Now open weights! 🎨 A unified model for both generation and editing, delivering top-tier quality in a lightweight package. Highlights: 👀 - Compact & exceptionally fast: A lightweight 7B architecture that outperforms most closed-source models, with drastically accelerated inference for multi-image inputs. - Native transparency: Natively generates and edits RGBA layers, enabling seamless compositing and text editing within transparent images. - Versatile, high-fidelity editing: Supports up to 10 reference images and precise local control while preserving strict fidelity for portraits and products. - Broad coverage & stunning aesthetics: Excels at panoramas, infographics, and virtual try-ons, delivering realistic textures and elegant typography. Start to create your next masterpiece with Qwen-Image-2.1! 🖼️ - Blog: https://qwen.ai/blog?id=qwen-image-2.1 - GitHub: https://github.com/QwenLM/Qwen-Image-2.1 - Model Scope: https://www.modelscope.cn/models/Qwen/Qwen-Image-2.1 - Hugging Face: https://huggingface.co/Qwen/Qwen-Image-2.1

9月23日水
  1. Qwen31

    @arena の評価に感謝！🏆 Qwen-Image-2.1は、Image EditとText-to-Imageの両Arenaで、オープンソースモデルとして1位になった。ぜひ試して、作ったものを見せてほしい！🎨

    引用元Arena.ai@arena

    Qwen-Image-2.1 by @Alibaba_Qwen just landed as the #1 open source model in the Image Edit Arena and Text-to-Image Arena! With 1367 pts in the Image Edit Arena, Qwen-Image-2.1 took the #1 spot among open. It landed #16 overall, just 3 pts from GPT-Image-1.5-high-fidelity at #15. See the leaderboard for the Text-to-Image arena below. Congrats to the @Alibaba_Qwen team on this contribution to the open source ecosystem!

9月22日火
  1. Qwen26

    @inteldevs によるOpenVINOのDay-0サポート！🥳 Qwen-Image-2.1はIntelハードウェア上で最適化された状態で動作する。生成と編集の両方に対応する、1つのオープンウェイトのチェックポイント。👇

    引用元Intel Devs@inteldevs

    We're excited to offer Day0 OpenVINO support for Qwen-Image-2.1 Read more about what you can accomplish here: https://ms.spr.ly/6019a5nm5

9月5日土
  1. Microsoft AI (MAI) News50

    Microsoft、MAI-Image-2.6をFoundryで提供開始、高速版MAI-Image-2.6-Flashも追加

    Microsoftは画像モデルMAI-Image-2.6をMicrosoft Foundryの開発者向けに提供し、低遅延向けのMAI-Image-2.6-Flashを加えた。MAI-Image-2.6はArenaでtext to imageと画像編集がともにNo. 2、Artificial Analysisではtext-to-imageがNo. 2、画像編集がNo. 1である。Flashは GPT-Image-2-Mediumより2.8倍高速で、効率は72%高いとしている。

9月4日金
  1. SB Intuitions ブログ34

    SB Intuitions、日本語に強い画像生成基盤モデルSarashina Image 2.6Bを開発

    SB Intuitionsは、日本語および英語のプロンプトから高解像度画像を生成する画像生成基盤モデル「Sarashina Image 2.6B」を開発した。26億パラメータのDiffusion Transformer（DiT）を既存モデルのファインチューニングではなくフルスクラッチで訓練し、Text Encoderには自社のSarashina2.2-Vision-3Bを採用している。学習データは自社購入の大規模ストックフォトを中核に、ライセンスや利用規約を遵守したオープンデータセットを組み合わせて構築した。

8月11日火
  1. Microsoft AI (MAI) News48

    MAI-Image-2.6、Arenaのtext-to-imageで2位。Google・Meta・xAIのモデルを上回る

    MicrosoftはMAI-Image-2.6を発表し、Arenaのtext-to-imageリーダーボードで2位となった。MAI-Image-2.5からは総合で+79 Elo、テキスト描画では+91 Eloの向上で、全カテゴリーで改善した。Arenaで利用可能で、MAI Playgroundには今週後半に追加され、Microsoft Foundryなどにも順次展開される予定である。

7月24日金
  1. Microsoft AI (MAI) News59

    Microsoft AI、MAI-Image-2.5-ProとMAI-Voice-2-Flashをパブリックプレビューで公開

    Microsoft AIは画像生成モデルMAI-Image-2.5-Proと音声モデルMAI-Voice-2-Flashをパブリックプレビューとして公開した。Proは同社最高忠実度の画像モデルで、Flashは MAI-Voice-2より2倍高速で32%安価、価格は100万文字あたり$15である。両モデルはFoundryやMAI Playgroundで試せる。

7月1日水
  1. Google DeepMind Blog65

    Google DeepMind、Nano Banana 2 LiteとGemini Omni Flashを開発者向けに提供開始

    Google DeepMindは、最速かつ低コストの画像モデルNano Banana 2 Liteと、動画生成・対話型編集モデルGemini Omni Flashを開発者向けに提供開始した。Nano Banana 2 Liteは1K画像あたり$0.034、text-to-imageの出力は4秒で、Omni Flashは動画出力1秒あたり$0.10である。どちらもGoogle AI Studioとgemini APIから利用できる。

    選定理由：画像生成と動画生成の2モデルを連結する使い方と、価格や制限事項が具体的に示されており、開発での採用判断の材料になる。

6月3日水
  1. Microsoft AI (MAI) News42

    Microsoft、画像モデル「MAI-Image-2.5」を公開 Arena画像編集ランキングで2位

    Microsoft AI（MAI）が画像モデル「MAI-Image-2.5」を公開し、Arenaの画像編集リーダーボードで2位にランクインした。高速版の「MAI-Image-2.5-Flash」も同時に提供され、両モデルは開発者向けにFoundryで利用できる。料金はMAI-Image-2.5が1Mテキスト入力トークンあたり5ドル、1M画像入力トークンあたり8ドル、1M画像出力トークンあたり47ドルで、MAI-Image-2.5-Flashはそれぞれ1.75ドル、1.75ドル、19.50ドルである。

6月2日火
  1. Microsoft AI (MAI) News58

    Microsoft Build 2026、MAIが画像・音声・推論・コーディングの新モデル7種を発表

    Microsoft AI（MAI）はBuild 2026の基調講演で、画像、音声、文字起こし、推論、コーディングにわたる7つの新モデルを発表した。初の推論モデルMAI-Thinking-1は35B active parameterのMoEで256Kコンテキストウィンドウを持ち、SWE Bench Proで53%、AIME 25で97%と説明されている。モデルはFoundryに加え、Open Router、Fireworks、Basetenでも提供される予定である。

4月24日金
  1. One Useful Thing (Ethan Mollick)80

    Ethan Mollick、GPT-5.5を早期アクセスで実測し進歩と残る凹凸を評価

    Ethan MollickはGPT-5.5に早期アクセスし、AIの急速な改善が続いていると評価した。GPT-5.5 Proは3Dの港町シミュレーションで町の進化を実際にモデル化できた唯一のモデルで、所要時間もGPT-5.4 Proの33分から20分に短縮した。一方、長編フィクションの質など能力の凹凸は残っている。

    選定理由：早期アクセスで実際にタスクを走らせた体験記であり、モデル、アプリ、ハーネスの三層で進歩を捉える見方と、残る弱点が具体例で確認できる。

4月15日水
4月2日木
  1. Microsoft AI (MAI) News52

    Microsoft AI、MAI-Transcribe-1など3つのMAIモデルをFoundryで提供開始

    Microsoft AIは、MAI-Transcribe-1、MAI-Voice-1、MAI-Image-2の3モデルをMicrosoft FoundryとMAI Playgroundで提供開始した。料金はMAI-Transcribe-1が1時間あたり$0.36から、MAI-Voice-1が100万文字あたり$22から、MAI-Image-2がテキスト入力100万トークンあたり$5、画像出力100万トークンあたり$33からである。

3月20日金