开源复现o3图像思考！快手让AI不再被动看图，模型自主生成代码调用工具
开源复现o3图像思考！快手让AI不再被动看图，模型自主生成代码调用工具在Openai 发布o3后，think with image功能得到了业界和学术界的广泛关注。
来自主题: AI技术研报
7315 点击 2025-08-21 15:25
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
在Openai 发布o3后，think with image功能得到了业界和学术界的广泛关注。
瞧，上面这套“哪里不对改哪里”的操作，就来自“凌晨战神”Qwen团队最新发布的——Qwen-Image-Edit。作为Qwen-Image20B的图像编辑版，Qwen-Image-Edit除了能做上面这种精准的文字修改，还能够新增、消除、重绘、修改元素，而且还支持IP编辑、视角切换、风格迁移等生成式玩法。
今天凌晨，阿里推出了最新图像编辑模型 Qwen-Image-Edit！该模型基于 200 亿参数的 Qwen-Image 架构构建，支持中英文双语精准文本编辑，在保持原有风格的同时完成修改。此外，Qwen-Image-Edit 将输⼊图像同时输⼊到 Qwen2.5-VL（实现视觉语义控制）和 VAE Encoder（实现视觉外观控制），兼具语义与外观的双重编辑能⼒。
“一句话做应用”，虽说这个概念已经并不新鲜。但说实话，市面上能真正达到交付标准的产品寥寥无几。
2025年被视为 AI Agent元年，各家科技巨头也纷纷出手，谁都不想错失这个火热的赛道。
近年来，强化学习（RL）在大型语言模型（LLM）的微调过程中，尤其是在推理能力提升方面，取得了显著的成效。传统的强化学习方法，如近端策略优化（Proximal Policy Optimization，PPO）及其变种，包括组相对策略优化（Group Relative Policy Optimization，GRPO），在处理复杂推理任务时表现出了强大的潜力。
MiniMax 现在正在主动加速「从功能到可流通生产力」的进程。他们正在举办一场总奖金高达 15 万美元的 AI Agent 全球挑战赛，核心理念是「让自己的 Idea + Agent 成为生产力，成为市场中的硬通货」。Remix 则是官方重点推荐的参赛入口之一。
近年来，文生图模型（Text-to-Image Models）飞速发展，从早期的 GAN 架构到如今的扩散和自回归模型，生成图像的质量和细节表现力实现了跨越式提升。这些模型大大降低了高质量图像创作的门槛，为设计、教育、艺术创作等领域带来了前所未有的便利。
一年前，X 还深陷泰勒·斯威夫特的深度伪造（Deepfake）不雅照风波中。一年后，它的老板马斯克，亲自为用户送来了生产这些「不雅照」的工具，并大肆宣传。xAI 的新功能 Grok Imagine，提供了一个名为「Spicy」的火辣模式，被媒体证实可以一键生成名人的部分裸露视频。
今天，MiniMax发布新一代语音生成模型Speech 2.5，再次刷新全球最强语音模型的上限。