前置知识
一、国内图片生成模型全景图
2025-2026 年，中国本土图片生成模型从技术跟进发展到局部领先，形成多元化竞争格局。
mindmap root((2026 国内图片生成格局)) 互联网大厂 阿里 通义万相 2.2 Qwen-Image 2.0 腾讯 混元图像 3.0 字节 豆包·图片生成 新兴力量 小红书 FireRed-Image-Edit 阶跃星辰 Step1X-Edit 智象未来 HiDream-E1.1 传统玩家 百度 文心一格 深度求索 DeepSeek Image
[!比喻] 国内图片生成竞争格局 就像”战国时代”——阿里腾讯是”齐楚”两大强国，小红书阶跃星辰是”秦赵”新贵，百度深度求索是”燕韩”老牌玩家。各有绝活，难分高下。
二、阿里巴巴：通义系列
2.1 通义万相系列
产品定位
通义万相是阿里巴巴通义实验室推出的 AI 图片生成模型，2026 年已迭代至 2.2 版本。
通义万相 2.2（2026）
| 特性 | 说明 |
|---|---|
| 能力 | 文生图、图生图、艺术风格化 |
| 开源 | 开源版本可用 |
| 特点 | 中文提示词理解强、多风格支持 |
核心功能：
- 多种艺术风格生成
- 中文语境理解优化
- 开源版本支持本地部署
通义万相 Wan2.1
- 阿里自研扩散模型
- 支持多种艺术风格
- 开源生态丰富
开源优势
通义万相的开源版本为研究者和开发者提供了宝贵的学习资源，可以在本地环境中进行微调和二次开发。
2.2 通义千问 Qwen-Image
Qwen-Image（2026 年 3 月）
- 通义千问系列首个图像生成基础模型
- 已开源
- 与 Qwen 语言模型协同
Qwen-Image 2.0（2026 年 3 月 13 日）
最新发布
千问 APP 于 2026 年 3 月 13 日正式上线 Qwen-Image 2.0，集生图和编辑于一体。
| 特性 | 说明 |
|---|---|
| 能力 | 文生图、基础编辑、多场景创作 |
| 文字渲染 | 复杂文字渲染全面升级 |
| 质感 | 真实质感表现提升 |
| 指令理解 | 全面升级 |
使用方式：
- 千问 APP 内”AI 生图”功能
- 支持选择 Qwen-Image 2.0 模型
三、腾讯：混元系列
3.1 混元图像 3.0（2026）
技术背景
腾讯混元是腾讯自研的大模型系列，2026 年在图像生成领域取得重要突破。
| 特性 | 说明 |
|---|---|
| 分辨率 | 2K |
| 速度 | 毫秒级实时生图 |
| 技术 | 功能性记忆新范式 |
3.2 核心创新：HY-WU（无相）
HY-WU 功能性记忆新范式：
传统模型：
输入 → 固定权重 → 输出
HY-WU 模型：
输入 → 实时生成个性化参数 → 动态调整权重 → 输出
↑
推理时计算
核心优势：
- 打破传统静态权重局限
- 推理时实时生成个性化参数
- 解决灾难性遗忘、性能跷跷板问题
800 亿参数图像编辑模型：
- 严苛评测中人类评价比肩闭源旗舰
- 多项权威自动化榜单开源模型第一
[!比喻] 功能性记忆 传统模型像一本固定答案的书，每次遇到问题都要翻书找答案。 功能性记忆则像一个聪明的助手，会根据你的具体问题现场思考，给出量身定制的回答。
3.3 腾讯元宝集成
- 2026 年正式上线图片 AI 编辑能力
- 与对话模型协同
- 企业级应用友好
四、小红书：FireRed 系列
4.1 FireRed-Image-Edit v1.1（2026 年 3 月）
发布信息
小红书 SuperIntelligence 团队于 2026 年 3 月 8 日发布 FireRed-Image-Edit 1.1 版本，距 1.0 版本发布不足一个月，快速迭代。
| 特性 | 说明 |
|---|---|
| ID 一致性 | 人物身份一致性编辑大幅提升 |
| 多元素融合 | 多元素自然融合 |
| 人像美妆 | 专业级美妆效果 |
| 字体风格参考 | 文字风格精准还原 |
| 老照片修复 | 历史照片增强 |
| 显存需求 | 30GB |
| 生成速度 | 4.5 秒端到端 |
4.2 核心优势
1. 骨干无关架构
- 可迁移至任意文生图基础模型
- 不依赖特定基座模型
2. 极致工程优化
- LoRA 训练生态开放
- 极限速度优化
- 智能 Agent 工作流
3. 开源全家桶
- 代码、技术报告、模型参数全开源
- 训练蒸馏推理框架完整提供
4. 自主创作 LoRA
makeuplora：人像美妆专用covercraftlora：封面制作专用
SOTA 水平
FireRed-Image-Edit v1.1 在多项图像编辑榜单中达到 SOTA（State Of The Art）水平，是 2026 年开源图像编辑模型的重要选择。
获取方式：
- 项目代码已开源
- 技术报告公开
- 模型参数可下载
五、字节跳动：豆包系列
5.1 豆包·图片生成
产品定位
豆包是字节跳动推出的 AI 助手，图片生成功能是其重要组成部分。
| 特性 | 说明 |
|---|---|
| 能力 | 文生图、图生图 |
| 特点 | 与对话模型协同、中文理解强 |
核心优势：
- 豆包生态一部分
- 与对话模型深度协同
- 中文提示词理解优秀
5.2 即梦 AI（视频为主）
虽然即梦 AI 主要聚焦视频生成，但其图片生成能力也值得关注：
- P/S 2.0 Pro 双版本（2026）
- 首帧一致性技术
- 提示词遵循能力强
六、其他国内模型
6.1 深度求索 DeepSeek Image
定位
DeepSeek 以开源大语言模型闻名，其图片生成能力是开源生态的延伸。
| 特性 | 说明 |
|---|---|
| 能力 | 文生图 |
| 特点 | 代码驱动生成、开源生态 |
优势：
- DeepSeek 开源生态延伸
- 适合开发者使用
- 与代码任务协同
6.2 百度 文心一格
产品背景
文心一格是百度文心大模型体系中的图片生成产品。
| 特性 | 说明 |
|---|---|
| 能力 | 文生图 |
| 特点 | 与文心大模型深度集成 |
核心优势：
- 中文提示词理解能力强
- 与百度生态协同
- 适合国内用户习惯
6.3 阶跃星辰 Step1X-Edit
发布信息
阶跃星辰开源的图像编辑大模型，总参数量 19B。
| 特性 | 说明 |
|---|---|
| 参数量 | 19B |
| 能力 | 图像编辑、一致性保持、区域级控制 |
| 特点 | 开源、媲美 GPT-4o |
核心能力：
- 一致性保持
- 区域级精确控制
- 自然语言图像编辑
6.4 智象未来 HiDream-E1.1
榜单表现
再登 Artificial Analysis 榜单，2026 年开源图像编辑模型重要选手。
| 特性 | 说明 |
|---|---|
| 能力 | 自然语言图像编辑 |
| 特点 | 开启图像编辑新时代 |
七、2026 年选型指南
flowchart TD A{你的需求} --> B[专业图像编辑] A --> C[开源研究] A --> D[实时交互] A --> E[日常创作] A --> F[生图 + 编辑] A --> G[企业级应用] B --> H[FireRed-Image-Edit v1.1] C --> I[通义万相 2.2<br/>Step1X-Edit] D --> J[混元图像 3.0] E --> K[豆包·图片生成] F --> L[Qwen-Image 2.0] G --> M[混元图像 3.0]
选型对比表
| 需求 | 首选 | 备选 | 理由 |
|---|---|---|---|
| 专业图像编辑 | FireRed-Image-Edit v1.1 | Step1X-Edit | SOTA 水平 |
| 开源研究 | 通义万相 2.2 | Qwen-Image | 文档完善 |
| 实时交互 | 混元图像 3.0 | - | 毫秒级生图 |
| 日常创作 | 豆包·图片生成 | 通义万相 | 易用性好 |
| 生图 + 编辑 | Qwen-Image 2.0 | FireRed | 一体化 |
| 企业级应用 | 混元图像 3.0 | 文心一格 | 企业集成 |
八、总结
国内模型三大特点
- 中文理解优势：针对中文提示词优化，理解更准确
- 开源生态崛起：通义、FireRed、Step1X 等纷纷开源
- 工程优化突出：生成速度、显存优化达到国际领先
一句话总结各玩家
- 阿里：通义万相 + Qwen-Image 双轮驱动，开源友好
- 腾讯：混元图像 3.0 功能性记忆，实时生图领先
- 小红书：FireRed-Image-Edit 快速迭代，编辑 SOTA
- 字节：豆包生态协同，日常创作便捷
- 阶跃星辰：Step1X-Edit 19B 开源，区域控制精准
选模型建议
- 专业编辑：FireRed-Image-Edit v1.1
- 开源学习：通义万相 2.2、Qwen-Image
- 企业应用：混元图像 3.0
- 日常使用：豆包·图片生成