商汤推出了开源图像生成模型SenseNova-U1，具备高效的图文创作能力，支持复杂信息图和连贯的图文输出。其底层架构NEO-unify提升了创作效率。尽管存在局限，商汤将持续改进并已向公众开放该模型。

Alec Radford因其DCGAN论文获得ICLR 2026时间检验奖，该论文在机器学习领域具有深远影响，奠定了图像生成研究的基础。三位作者均非博士生，来自不同背景。DCGAN推动了生成对抗网络的发展，至今仍具重要意义。

OpenClaw 2026.4.23版本接入GPT-5.5，提升了图像生成能力和智能体上下文机制。新增Codex OAuth和OpenRouter双通道，简化API管理。分支上下文机制允许子智能体继承主会话历史，避免信息丢失。超时控制和本地嵌入模型长度可调，适应不同资源环境。集成Telegram、Slack和WhatsApp优化了消息稳定性，提升用户体验。

GPT-image-2是一款先进的图像生成模型，具备强大的中文理解能力，能够将语言中的情感和风格转化为生动图像。它在细节表现、风格控制和创作自由度上有显著提升，适用于设计、写作和内容创作等领域。用户可通过优化的中文提示词轻松生成高质量图像。

GPT Image 2的底层架构已彻底重构，研究负责人陈博远称其为“通用模型”。团队仅13人，快速取得显著进展，新模型在指令遵循和空间布局方面表现出色，能够精准生成复杂图像。团队成员背景多样，涵盖计算机视觉和机器学习等领域，OpenAI持续吸引跨界人才，推动技术创新。

OpenClaw v2026.4.21更新了图像生成默认模型为gpt-image-2，支持2K/4K输出，并修复了插件依赖问题。权限命令安全逻辑收紧，确保只有拥有者可以访问特定命令。同时，Slack线程消息发送和浏览器无障碍引用处理也得到了优化。

最新的「Image-2」图像模型已在椒图AI上线，功能超越前作，用户可通过提示词生成海报、直播截图和热搜截图等多种图像，提供丰富的设计体验，鼓励用户发挥想象力。

OpenAI推出的ChatGPT Images 2.0标志着图像生成技术的重大进步。该模型具备推理能力，能够从单一提示生成多达八幅图像，并进行自我验证。它支持多种语言，尤其在处理非拉丁文本方面表现出色，尽管在某些复杂任务上仍有局限，但为创意工作提供了更高的准确性和一致性。

OpenAI推出了更新版的图像生成器ChatGPT Images 2.0，具备新的思考能力，能够从网络获取信息，并基于单一提示生成多幅图像。该版本支持更高分辨率和多种图像比例，提升了细节把握和文本生成能力，适用于多种语言。用户可同时生成最多八幅图像，适合漫画和社交图形等创作。

OpenAI发布了GPT Image 2，支持详细指令、物体关系和多种比例的文本渲染。该模型可生成高达2K分辨率的图像，适用于游戏原型、故事板和市场创意等工作流程。用户可通过AI SDK使用该模型。

阿里巴巴发布了图像生成与编辑模型Wan2.7-Image，解决了AI生图的审美疲劳和色彩控制问题。该模型支持文生图、图生组图及交互式编辑，适用于影视、自媒体和电商等多个行业，用户可通过调色盘功能精准控制色彩，实现个性化定制，提升创作效率。

OpenAI最新的图像生成模型GPT Image 2已达到以假乱真的水平，生成的图片和文字几乎无法辨别真假。这一技术进步可能会对设计行业产生重大影响，降低创作门槛，同时也引发了对虚拟与现实融合的担忧，可能导致信息安全问题。

OpenAI更新了Codex，使其能够在macOS上控制桌面应用程序、生成图像并记住用户的过去经验。新功能包括后台操作、并行工作、图像生成、插件支持和内置浏览器，旨在提升用户效率并增强与谷歌和Anthropic的竞争力。

谷歌推出了适用于Mac的Gemini AI应用程序，用户可以通过桌面与AI助手互动。该应用支持快捷键调出聊天窗口，并需授权访问系统信息。Gemini能够生成图像、视频和音乐，并支持从Google Drive上传文件，旨在与OpenAI等竞争。

微软于4月2日发布了三款新模型：MAI-Transcribe-1、MAI-Voice-1和MAI-Image-2。MAI-Image-2在图像生成方面表现优异，适合设计与创意；MAI-Transcribe-1在嘈杂环境中稳定，适合会议与客服；MAI-Voice-1提供自然语音合成，情绪可控。这些模型在稳定性和实用性上有所提升。

Modular平台发布26.2版本，新增图像生成和编辑功能，支持FLUX.2模型，性能提升4倍。Mojo语言优化AI编程，简化GPU内核开发，支持CUDA转Mojo。此版本提升了图像生成速度，降低了总拥有成本，适用于云和企业用户。

扩散模型在图像生成方面取得了重要进展，但由于推理步骤多和分辨率限制，实际应用受到制约。为提高效率和图像保真度，提出了GenDR和GenDR-Pix模型，优化了VAE和UNet，支持高分辨率图像处理，增强了细节恢复效果，推动生成技术与实际业务的结合。