GPT Image 2（gpt-image-2）是 OpenAI 于 2026 年 4 月 21 日发布的旗舰图像生成与编辑模型，作为 ChatGPT Images 2.0 的底层引擎全面替代 DALL·E 3 与 GPT Image 1.5。它是 OpenAI 首个引入'...

FLUX.2 是 Black Forest Labs（BFL） 于 2026 年 1 月发布、覆盖全场景的旗舰图像生成与编辑模型族，由 Stability AI 前核心团队（构建了原版 Stable Diffusion 架构）创立，公司 2025 年底完成...

核心能力 HiDream-O1-Image 是由 HiDream-ai 在 2026 年 5 月 8 日以 MIT 协议开源的 8B 参数图像生成模型。它最关键的差异化是把 VAE、文本编码器、扩散主干三件套压缩进一个Pixel-level Unifi...

通义万相（Tongyi Wanxiang / Wan）是阿里巴巴通义实验室（Tongyi Lab of Alibaba Group）推出的 AI 视觉生成套件，也是目前业内首个以 Apache 2.0 协议开源的视频生成大模型系列，GitHub 累计 ...

混元（Hunyuan）是腾讯公司全链路自研的通用人工智能大模型系列，涵盖文本、图像、视频与 3D 多模态生成与理解能力，2026 年 7 月 6 日正式发布最新版本 Hy3 正式版。Hy3 采用混合专家（MoE）架...

海螺AI（Hailuo AI）是国产 AI 公司 MiniMax（稀宇科技）推出的 AI 视频创作平台，也是国内最早将文本/图片一键转化为高质量视频的消费级产品之一。它背后是 MiniMax 自研的 Hailuo 视频大模型...

Vidu 是北京生数科技联合清华大学于 2024 年发布的中国首个长时长、高一致性、高动态性视频大模型，由清华大学计算机系教授、IEEE Fellow 朱军领衔创立。它基于全球首创的 U-ViT 融合架构（Diff...

Sora 2 是 OpenAI 于 2025 年底推出的旗舰级 AI 视频生成模型，最大突破在于原生同步音频——在同一次生成中同时产出画面、对话、音效与环境配乐，无需任何后期配音。它建立在 Diffusion Transf...

Gen-4.5 是 Runway 于 2025 年 12 月推出的旗舰级 AI 视频生成模型，目前（2026）在 Artificial Analysis 文本生成视频榜单以 1,247 Elo 稳居第一，超越 Kling、Veo、Pika 等主流对手。Runway ...

Veo 3 是 Google DeepMind 推出的旗舰级 AI 视频生成模型，于 2026 年初发布，首次在主流视频模型中实现'原生音频'——在同一生成过程中同步产出画面、环境音效、配乐与对口型台词，无需后期配...