万字盘点 2025 上半年，值得推荐的 AI 模型与产品清单

万字盘点 2025 上半年，值得推荐的 AI 模型与产品清单 万字盘点 2025 上半年，值得推荐的 AI 模型与产品清单 Modified July 9, 2025 体验渠道：https://flomoapp.com/ ，少楠周三晚直播，分享 AI 洞察的设计理念，正式版本该功能本周四上线。 Cherry Studio：本地 AI 对话与调试 本地多 API 集成的 AI 对话客户端、本地知识库，近 3w Github star。 可以自定义为你提供 AI 服务的云服务商： 如果需要： 1）一次性对比多 AI 的 Prompt 回应质量 2）无缝的本地 RAG 知识库体验 PS：甚至还有 MCP 体验（只不过我现在不推荐一般用户用 MCP） ——用它！ 体验渠道：https://www.cherry ai.com/ Prompt Pilot：提示词版本管理与效果评测（限国内模型） 字节做的一个 Prompt 工程工具，我最喜欢的是它的 Prompt 调优管理功能。如果是针对国内模型进行 Prompt 工程调优，非常好用。 在帮朋友的产品打磨封装功能所用的 Prompt 时，就用了 Prompt Pilot。 能够批量跑 Benchmark，批量评分 Prompt 结果的质量，很方便。 唯一的遗憾是只能用火山方舟提供的模型列表，包含 DS、豆包等模型。要是能支持国外模型测试就好了，出个海外版吧。 体验渠道：https://promptpilot.volcengine.com/tasklist Chat Memo：跨平台无感保存、导出各 AI 平台对话 一方面是在这个场景，确实没产品比 Chat Memo 做的体验更好、更无感；另一方面也是给自己的产品打个小广告（自家免费的广告位，当然要蹭（不是）） 这是一份在 AI 时代都用得上，在将来也许会发挥大价值的礼物。 能够帮你解决 AI 对话散落在各个 AI 平台，难以沉淀与搜索的问题。在浏览器上装上后就支持： • 实时保存每一次 AI 对话 • 搜索并找到历史 AI 对话中任何一个关键词 • 无限制导出全部 AI 聊天记录 而且默认数据存储在浏览器本地，你的数据只属于你。 详见：《Chat Memo：构建 AI 时代最重要的个人资产》 体验渠道： • 产品官网：chatmemo.ai • 直接在 Chrome 扩展商店，搜索「Chat Memo」 • 如果你在国内，无法访问 Chrome 商店，可参考本地安装教程：https://zkv549gmz8.feishu.cn/wiki/Pf0VwsQbkiDuDYkiwiLcZPBPnyf 附录：AI 日常推荐表 也附上一份我日常推荐朋友的 AI 模型&产品推荐表： 使用场景 主要推荐 备选推荐 一句话理由 大模型 API 豆包 Seed 1.6 Qwen 3（本地部署必选） Qwen VL 系列视觉模型（视觉任务） Gemini 2.5 系列（出海） 智谱（免费推理模型） 豆包均衡，Qwen开源，Gemini出海，覆盖国内、本地和海外场景的高性价比之选。 日常聊天 & 问答 Gemini 2.5 Pro（PC端） 豆包 APP（移动端） PC端：DeepSeek R1 (文哲类启发) 移动端：夸克 APP (学生党) Gemini 智力超群，上下文长；豆包在移动端交互便捷，语音/视频通话是绝活。 生成图片 豆包生图 Imagen (产品图设计) Midjourney (艺术/专业) Claude4 （可视化信息） 豆包免费、易用且效果好，适合日常；Imagen 产品图质感无敌；Midjourney 艺术性最强；Claude 直接用 Coding 方式做 PPT、做信息配图。 生成视频 可灵 Veo 3 (高上限、高价格) 可灵综合体验优秀，控制力强，国内可用； Veo 3 物理效果惊人但暂未大规模开放。 生成音频 Minimax、豆包 支持声音克隆，能快速满足基础配音需求，但情感真实度仍有提升空间。现在选型，可能价格是更关键因素。 《Chat Memo：构建 AI 时代最重要的个人资产》 体验渠道：https://flomoapp.com/ ，少楠周三晚直播，分享 AI 洞察的设计理念，正式版本该功能本周四上线。 Cherry Studio：本地 AI 对话与调试 本地多 API 集成的 AI 对话客户端、本地知识库，近 3w Github star。 可以自定义为你提供 AI 服务的云服务商： 如果需要： 1）一次性对比多 AI 的 Prompt 回应质量 2）无缝的本地 RAG 知识库体验 PS：甚至还有 MCP 体验（只不过我现在不推荐一般用户用 MCP） PS：甚至还有 MCP 体验（只不过我现在不推荐一般用户用 MCP） ——用它！ 体验渠道：https://www.cherry ai.com/ Prompt Pilot：提示词版本管理与效果评测（限国内模型） 字节做的一个 Prompt 工程工具，我最喜欢的是它的 Prompt 调优管理功能。如果是针对国内模型进行 Prompt 工程调优，非常好用。 在帮朋友的产品打磨封装功能所用的 Prompt 时，就用了 Prompt Pilot。 能够批量跑 Benchmark，批量评分 Prompt 结果的质量，很方便。 唯一的遗憾是只能用火山方舟提供的模型列表，包含 DS、豆包等模型。要是能支持国外模型测试就好了，出个海外版吧。 体验渠道：https://promptpilot.volcengine.com/tasklist Chat Memo：跨平台无感保存、导出各 AI 平台对话 一方面是在这个场景，确实没产品比 Chat Memo 做的体验更好、更无感；另一方面也是给自己的产品打个小广告（自家免费的广告位，当然要蹭（不是）） 一方面是在这个场景，确实没产品比 Chat Memo 做的体验更好、更无感；另一方面也是给自己的产品打个小广告（自家免费的广告位，当然要蹭（不是）） 这是一份在 AI 时代都用得上，在将来也许会发挥大价值的礼物。 能够帮你解决 AI 对话散落在各个 AI 平台，难以沉淀与搜索的问题。在浏览器上装上后就支持： • 实时保存每一次 AI 对话 • 搜索并找到历史 AI 对话中任何一个关键词 • 无限制导出全部 AI 聊天记录 而且默认数据存储在浏览器本地，你的数据只属于你。 详见：《Chat Memo：构建 AI 时代最重要的个人资产》 《Chat Memo：构建 AI 时代最重要的个人资产》 详见：《Chat Memo：构建 AI 时代最重要的个人资产》 《Chat Memo：构建 AI 时代最重要的个人资产》 体验渠道： • 产品官网：chatmemo.ai • 直接在 Chrome 扩展商店，搜索「Chat Memo」 • 如果你在国内，无法访问 Chrome 商店，可参考本地安装教程：https://zkv549gmz8.feishu.cn/wiki/Pf0VwsQbkiDuDYkiwiLcZPBPnyf 附录：AI 日常推荐表 也附上一份我日常推荐朋友的 AI 模型&产品推荐表： 使用场景 主要推荐 备选推荐 一句话理由 大模型 API 豆包 Seed 1.6 Qwen 3（本地部署必选） Qwen VL 系列视觉模型（视觉任务） Gemini 2.5 系列（出海） 智谱（免费推理模型） 豆包均衡，Qwen开源，Gemini出海，覆盖国内、本地和海外场景的高性价比之选。 日常聊天 & 问答 Gemini 2.5 Pro（PC端） 豆包 APP（移动端） PC端：DeepSeek R1 (文哲类启发) 移动端：夸克 APP (学生党) Gemini 智力超群，上下文长；豆包在移动端交互便捷，语音/视频通话是绝活。 生成图片 豆包生图 Imagen (产品图设计) Midjourney (艺术/专业) Claude4 （可视化信息） 豆包免费、易用且效果好，适合日常；Imagen 产品图质感无敌；Midjourney 艺术性最强；Claude 直接用 Coding 方式做 PPT、做信息配图。 生成视频 可灵 Veo 3 (高上限、高价格) 可灵综合体验优秀，控制力强，国内可用； Veo 3 物理效果惊人但暂未大规模开放。 生成音频 Minimax、豆包 支持声音克隆，能快速满足基础配音需求，但情感真实度仍有提升空间。现在选型，可能价格是更关键因素。 使用场景 使用场景 主要推荐 主要推荐 备选推荐 备选推荐 一句话理由 一句话理由 大模型 API 大模型 API 豆包 Seed 1.6 Qwen 3（本地部署必选） 豆包 Seed 1.6 Qwen 3（本地部署必选） Qwen VL 系列视觉模型（视觉任务） Gemini 2.5 系列（出海） 智谱（免费推理模型） Qwen VL 系列视觉模型（视觉任务） Gemini 2.5 系列（出海） 智谱（免费推理模型） 豆包均衡，Qwen开源，Gemini出海，覆盖国内、本地和海外场景的高性价比之选。 豆包均衡，Qwen开源，Gemini出海，覆盖国内、本地和海外场景的高性价比之选。 日常聊天 & 问答 日常聊天 & 问答 Gemini 2.5 Pro（PC端） 豆包 APP（移动端） Gemini 2.5 Pro（PC端） 豆包 APP（移动端） PC端：DeepSeek R1 (文哲类启发) 移动端：夸克 APP (学生党) PC端：DeepSeek R1 (文哲类启发) 移动端：夸克 APP (学生党) Gemini 智力超群，上下文长；豆包在移动端交互便捷，语音/视频通话是绝活。 Gemini 智力超群，上下文长；豆包在移动端交互便捷，语音/视频通话是绝活。 生成图片 生成图片 豆包生图 豆包生图 Imagen (产品图设计) Midjourney (艺术/专业) Claude4 （可视化信息） Imagen (产品图设计) Midjourney (艺术/专业) Claude4 （可视化信息） 豆包免费、易用且效果好，适合日常；Imagen 产品图质感无敌；Midjourney 艺术性最强；Claude 直接用 Coding 方式做 PPT、做信息配图。 豆包免费、易用且效果好，适合日常；Imagen 产品图质感无敌；Midjourney 艺术性最强；Claude 直接用 Coding 方式做 PPT、做信息配图。 生成视频 生成视频 可灵 可灵 Veo 3 (高上限、高价格) Veo 3 (高上限、高价格) 可灵综合体验优秀，控制力强，国内可用； Veo 3 物理效果惊人但暂未大规模开放。 可灵综合体验优秀，控制力强，国内可用； Veo 3 物理效果惊人但暂未大规模开放。 生成音频 生成音频 Minimax、豆包 Minimax、豆包 支持声音克隆，能快速满足基础配音需求，但情感真实度仍有提升空间。现在选型，可能价格是更关键因素。 支持声音克隆，能快速满足基础配音需求，但情感真实度仍有提升空间。现在选型，可能价格是更关键因素。 通用 Agent & 深度研究 Manus (通用任务) Kimi Researcher (中文信源) Gemini Deep Research (海外信源) Manus 作为通用 Agent，能直接操作电脑，想象力大；Kimi 与 Gemini 分别是中、英文深度信息调研的优选。 （预算足够也可以选 ChatGPT 的 Deep Research） 写代码/编程 Cursor (配合 Claude 模型) Trae (简单项目可用，订阅便宜) Augment (新晋选择) Code Rabbit (代码审查) Claude 是模型代码能力之王，无可争议的 Top 1； Cursor 是目前最主流的 AI Coding IDE。 个人笔记管理 Flomo AI 功能与笔记需求结合得最“爽”的产品，自然不打扰，能带来主动的启发。 本地 AI 对话 Cherry Studio 方便在本地对比测试多款模型，支持本地知识库，是 Prompt 工程师的好帮手。 提示词工程工具 Prompt Pilot 面向国内模型的 Prompt 批量测试与版本管理利器，适合工程化调优。 保存 AI 对话 Chat Memo 无感自动保存你在所有平台的 AI 对话，数据本地化，方便检索和沉淀。 🎐 写在最后：令人晕眩的上半年，以及两个趋势 写完才猛然发现，2025 年上半年就已经发生了这么多的变化。 这么多新产品，每个产品放在过去前 AI 时代，都是相当“炸裂”、“颠覆性”的存在。但它们确实都集中发生在短短半年内。 这半年变化实在是太快了。 DeepSeek R1 进一步确立了国际上中国 AI 的地位；Manus 则是率先带起了通用 Agent 的浪潮。 豆包生图、可灵 AI，则是进一步加速了 AIGC 应用的全民普及。Veo3 生视频更是宣告 AI 生成内容进一步达到了以假乱真，低维模拟高维世界物理效果的可行性。 而 Lovart、夸克高考志愿 Agent 在垂直场景的成功实践，又证明 AI 应用落地正在从浅水区，加速进入到各个垂直场景的深水区。 AI 百日，恍若数年。 在下半年，我直觉应用侧会有两个趋势： 1. Agent 开始在垂直领域卷数据、卷后训练：就像夸克高考志愿 Agent、Kimi Researcher，为了在垂直场景（高考志愿、DR）上获取更加稳定、可用的效果，纷纷开始对模型层下手优化，且以模型的进步得到了 Agent 整体效果的提升。 2. AI 记忆利用与 Context 构造：实话说，现在 AI 体验不行、麻烦的最大原因，不是 AI 智力不行。而是 AI 不够懂我们的意图，每次都要我们反复说明已经陈述过的 Context。上半年只有看到 OpenAI 在 ChatGPT 中优化了 Memory 的利用。当模型发展遇阻，应用层 Prompt 套壳玩的差不多的时候，最终还是要回到 Context 工程上来，这是每个好 AI 产品都逃不掉的任务。（不仅是行业趋势，也是我通过精进 Chat Memo、Context 工程实践，下半年会持续深耕的方向） 当然，我个人觉得前者可能下半年就能看到爆发期，后者估计到明年上半年才会有比较多的落地探索。 潮水仍在奔涌，探索永无止境。 以上便是 2025 年上半年，我在国内所见、当前推荐的 AI 模型与产品清单。 那么，你的上半年最爱又是什么？欢迎在评论区留下你的清单，让我们交换地图，继续前行。 感谢你的耐心阅读 🥰 You don't have permission to access this synced block. Please log in and try again. Log In 今年已经过去了一半，突然心血来潮，来更新一期「2025 年上半年，我最推荐的 AI 清单」了。 都是我半年使用的个人看法，不覆盖所有的产品，凭自己印象，直接码出这篇文章。 实在没记起来的好产品，也就不算“我的上半年推荐”，还请包容。 评选标准如下： • 类型划分：分为 模型 与 产品。部分品类，由于国内和国外还是存在代差，但在国内有做得很好，会按 国内、国外 分开推荐。 • 上榜的原因大致有四：「最常用」、「惊喜时刻」、「有印象」、「当前推荐」，按真实体感挑选。 • 文章最后，还会根据日常推荐朋友的情况，总结出「AI 日常推荐表」，方便大家对照选择使用。 接下来，是正式榜单： 📌 文章没有水字，但还是有点长，将依次盘点：大模型（LLM、文生图/视频/音频），AI 产品（Agent、Chat、Coding、其他），并在文末附上总结与趋势展望。 文章没有水字，但还是有点长，将依次盘点：大模型（LLM、文生图/视频/音频），AI 产品（Agent、Chat、Coding、其他），并在文末附上总结与趋势展望。 层出不穷的模型们 上半年，无论是国内还是国外，LLM 还是文生图、视频模型，都涌现出来了很多强劲的选手。 🤖 先说 LLM 模型 今年基本没咋用 ChatGPT 模型，也就不对 GPT、o 系列模型进行评价（主要感觉也没必须用的理由） 今年基本没咋用 ChatGPT 模型，也就不对 GPT、o 系列模型进行评价（主要感觉也没必须用的理由） • 最常用：Gemini 2.5 Pro • 惊喜时刻：DeepSeek R1 • 有印象：o3、QVQ Max • 当下推荐：Gemini 2.5 Pro、豆包 Seed 1.6、Qwen 3、Claude 4 sonnet Gemini 2.5 Pro：当之无愧的黑马，最常用的模型 今年最没想到的，就是 Gemini 2.5 Pro 成了最大的黑马，还凭借着强大的多模态识别能力，100 万 tokens 的超长上下文空间，极其独特的 think 过程，给到了我当下最佳的模型使用体验。 2.5 Pro 是真的厉害，实测 10w tokens 之后，还能准确回忆起最早的对话内容，指令遵循也很不错。 而且拿来作为日常对话，你会发现它的智力很高，总是能从你对话的细节中，发现你自己都没注意到的情绪。 比较少有人注意到，Gemini 的 think 过程与其他推理模型有显著的区别，往往会更加全面、细致的分析用户输入，偏金字塔思维的方式，完成更佳的推理。 比较少有人注意到，Gemini 的 think 过程与其他推理模型有显著的区别，往往会更加全面、细致的分析用户输入，偏金字塔思维的方式，完成更佳的推理。 就我私心而言，这就是当下各方面最均衡、最强大的模型体验。 它的小弟 Gemini 2.5 flash，虽然没有 Pro 大哥那么聪明的表现，但平衡光速的生成速度、还不错的模型智力，也值得推荐。 体验渠道： • 普通用户常用渠道：https://gemini.google.com ，就是需要开了 Pro 会员，才能享受满血上下文记忆的体验。 • 开发者渠道：https://aistudio.google.com ，免费、满血体验，普通用户也能用。美中不足是，基于 Google Drive 的对话保存服务，稳定性有点差，经常容易丢历史对话。 DeepSeek R1：春节的惊喜，全村的希望 如果不提 DeepSeek R1，这份 AI 产品清单肯定不完整。 DeepSeek R1 在春节火到没边，极大地促进了 AI 在国内落地应用的进度，甚至很多用户不知道 ChatGPT、不知道豆包，但知道 DeepSeek（这是我的访谈实测），NB。 在过年期间，我也专门针对 DeepSeek R1 的技术突破，写过一篇文章 《非技术人 10 分钟读懂 Deepseek R1》。 《非技术人 10 分钟读懂 Deepseek R1》 R1 在创造性、启发性的文哲类任务里，实在是太强了，很容易给你额外的启发，到现在也很难找到对手。 但除开这些能接受高随机结果的任务外，我不推荐任何朋友使用 R1。原因无他——太“癫”了，指令遵循性差，很有自己的想法，喜欢添油加醋，没法用 Prompt 稳定控制它。 用来干活、尤其是商业落地应用，还是需要再三评估衡量。（但在传统软件行业有额外加成，懂的都懂） 体验渠道：太多了。除了官网，你也可以在腾讯元宝等各类产品中使用它，也可以在阿里云、火山引擎、硅基流动等云服务中直接调用。 o3、QVQ Max：当 AI 有了一双视力 5.0 的眼睛 今年，模型的多模态能力已经成了重要的比拼项，能准确识别图片中的信息，能让 AI 多做很多事。 前段时间，我设计了一项「网络迷踪 GeoGuessr」的模型测试，来测试模型的视觉与推理能力。 《谁是视觉推理 AI 之王？一场游戏，横评 5 大顶流模型》 《谁是视觉推理 AI 之王？一场游戏，横评 5 大顶流模型》 《谁是视觉推理 AI 之王？一场游戏，横评 5 大顶流模型》 《谁是视觉推理 AI 之王？一场游戏，横评 5 大顶流模型》 这项测试发出来一个月后，类似测试也被 Sam·Altman 转发，扩大了影响力。 测试过程大概是这样，让模型看着一张照片，定位照片所处的世界地理位置： 非常值得一提，在测试中只有 o3、QVQ 识别了下图中远处很小的“Decathlon”迪卡侬 Logo，而且 QVQ 是没用图片缩放直接识别，而 o3 依赖了图片缩放工具。（QVQ 基于 Qwen VL 系列模型构建） 所以印象很深，可以说这俩代表了 2 个月前国内外 Top 级别的多模态能力。 👉 当下推荐 除了我已经推荐过的 Gemini 2.5 Pro 外，比较想推荐的是选手分别是：豆包 Seed 1.6、Qwen 3 8B、Claude 4 sonnet。 不算权威，但我也是一直这么和朋友推荐的，也可以作为大家测试选型的参考。 1）豆包 Seed 1.6：国内均衡之选 • 推荐理由：目前体感国内当下满血版本下，表现均衡，输出速度、质量、价格都很不错的大模型，和去年平平无奇的表现形成鲜明对比，很值得国内商业场景考虑。 • 特点：支持混合推理、多模态；官方宣称256k 上下文，最大输出 16k tokens；0.4 元/百万 tokens 的输入价格，缓存命中还能低到 0.08。 2）Qwen 3，尤其是 8B：开源、本地部署 • 推荐理由：Qwen 系列模型，开源模型的神，尤其推荐小尺寸版本、本地部署场景（Llama 作弊跌落神坛后，全球最能打的开源模型必是 Qwen） • 特点： ◦ 第一个把混合推理带到国内的模型，在推理能力的加持下，仅在小尺寸模型上，就表现出了等同于上代大尺寸模型效果。 ◦ 按照官方技术博客的说法，Qwen3 4B 的性能 ≈ Qwen2.5 72B。实测 Qwen3 的 8B 模型确实有着非常明显的进步，降低推理和训练成本，利好本地部署模型的场景。 ◦ 第一个把混合推理带到国内的模型，在推理能力的加持下，仅在小尺寸模型上，就表现出了等同于上代大尺寸模型效果。 ◦ 按照官方技术博客的说法，Qwen3 4B 的性能 ≈ Qwen2.5 72B。实测 Qwen3 的 8B 模型确实有着非常明显的进步，降低推理和训练成本，利好本地部署模型的场景。 在Qwen3 首发当日，我发的实测与评价：《我们有必要使用 Qwen3 吗？》 《我们有必要使用 Qwen3 吗？》 在Qwen3 首发当日，我发的实测与评价：《我们有必要使用 Qwen3 吗？》 《我们有必要使用 Qwen3 吗？》 3）Claude 4 sonnet：代码生成、工具调用 Claude 模型本来懒得单独拿出来提，Coding 领域无可争议的 Top 1。 无论是 AI Coding 工具里的模型选用，还是自己做 MCP 应用、Coding Agent，都首选 Claude 4 sonnet 就完事了。 也是前端代码生成时，审美最好的大模型。 我自己开发的 Chat Memo 官网，就是用 Claude 4 进行 Vibe Design 的。我说需求、Claude 生成初版，然后再动动嘴微调，就有了这样的效果： 我自己开发的 Chat Memo 官网，就是用 Claude 4 进行 Vibe Design 的。我说需求、Claude 生成初版，然后再动动嘴微调，就有了这样的效果： 体验渠道： • 官网 Chat 的话，国内环境容易封号；我自己用得多的渠道，现在主要是通过 Coding 产品，在写代码时直接使用。 • 风向上来说，现在推荐 Cursor、Augment，只是对话的话，Monica 、POE 可以酌情考虑；便宜点可以用 Trae 国际版，但做好容忍它在较难场景的折磨 coding 体验。 除开这些推荐外，如果需要免费大模型 API，且对模型智力要求没有那么高：智谱开放平台有永久免费的推理模型，可以去看看（我有个产品就跑了半年的智谱免费 API，还是要夸夸 z.ai 的） 除开这些推荐外，如果需要免费大模型 API，且对模型智力要求没有那么高：智谱开放平台有永久免费的推理模型，可以去看看（我有个产品就跑了半年的智谱免费 API，还是要夸夸 z.ai 的） LLM 大模型总结 和很多 AI 从业者交流过（包括明星 Agent 公司、Benchmark 设计者），有些结论： • Claude 是所有代码相关场景的 Top 1 • 模型们其实是偏科的，大模型如果侧重某方面能力提升，会导致其他方面的能力下降（普通难度下不一定明显）（比如 Claude 为了确保代码生成的能力，会牺牲了一些对话、文学的体验；Gemini 在推理过程更有人味，写代码能力就不如 Claude） 🎨 简谈文生图、文生视频领域 今年文生图、文生视频领域，模型进步简直是翻天覆地，可用度大大提升，AIGC 走进了消费用户领域。 标志性变化就是，我们都能明显看到，不论是文章配图，还是小红书、抖音，都出现了很多 AI 生成的内容。 另外，这也是最接近模型即产品的一个领域。 我自己日常涉猎不算重度，主要用的是免费的产品。分享下作为非 AIGC 设计师&普通用户的感受： • 最常用：豆包生图、Imagen、可灵（视频模型） • 惊喜时刻：Veo 3（视频模型）、Gemini 2.0 Image Generation • 有印象：ChatGPT 4o、Midjourney • 我很常用的偏门用法：Claude 4（非文生图模型，但可以靠 coding 生成前端页面，提供图片） 也请了我的好朋友，AIGC 领域宝藏博主，设计师 阿真irene 分享她的上半年之选（她在这块比我钻研的深多了，今天她的公众号也会发布详细的《2025 年上半年，AIGC 产品推荐清单》）： 豆包生图：日常使用，免费，推荐 如果说给国内用户推荐文生图 AI，豆包生图确实是我的第一选择。 自从 SeedEdit 3.0 发布以来，感觉豆包生图效果突飞猛进，变的越来越顺手。（SeedEdit 3.0 技术报告：https://arxiv.org/pdf/2506.05083） 一方面支持 4o 式的自然语言直接改图；另一方面对于图片内的文字生成，也有很好的支持。 在生成人像等各类场景也有不俗的质量： 而且免费，国内可直接使用，生成速度又特别快。 体验渠道： • 首推：豆包 Web 或 APP。用起来很方便，直接发条消息就能生成，也能改图。 • 专业用户：即梦 AI Imagen：被人低估的偏科模型，免费 Google Imagen 其实有个非常强的领域——产品设计，其质感没有模型能和它比拼。 我发现它的原因也很神奇——接了一家产品公司的 AI 设计咨询，帮忙调研并定制了 AI 辅助产品设计的工作流与提示词。结果调研下来，发现表现最好的就是 Imagen 3，即使是现在也少有模型能比肩。 生成速度快、质量好，又免费，确实值得使用。现在 AI studio 中提供了 imagen 4 版本，感觉生成图片的光感更好了些，但没有显著区别。 📌 我现在依然配合自己写的 《万能文生图提示词》 ，使用 imagen 3 来覆盖大部分精细作图需求的场景。（这份提示词有 1k+ 转发，认可度极高。推荐纳入自己的文生图工作流） 《万能文生图提示词》 我现在依然配合自己写的 《万能文生图提示词》 ，使用 imagen 3 来覆盖大部分精细作图需求的场景。（这份提示词有 1k+ 转发，认可度极高。推荐纳入自己的文生图工作流） 《万能文生图提示词》 体验渠道： • 首推 imagefx：https://labs.google/fx/zh/tools/image fx • Gemini 中也能用：直接在 Gemini 对话时，要求“图片生成：xxx”，就可以触发生图了，用的也是 Imagen 3 • AI Studio：https://aistudio.google.com/prompts/new image ，这里有 Imagen 4 可灵：来自快手老铁的 AI 视频绝活 可灵一直 6 到飞起，一直是最强的那几个 AI 视频模型的存在。 支持文生视频、图生视频。用的比较多的还是图生视频，这样比较容易控制视频画面。 No access 标准 女生在街道上开心奔跑 镜头跟随其身影 微风掀起她的头发和裙摆 (2) 00:00 No access 标准 女生在街道上开心奔跑 镜头跟随其身影 微风掀起她的头发和裙摆 (2) 00:00 画面稳定，物理效果逼真，产品交互体验优秀，价格适中。现在也已经更新到了「可灵 2.1」版本。 体验渠道：https://app.klingai.com/cn/image to video/frame mode/new Veo 3：逼真到头皮发麻的视频模型 不过要论上半年看起来最惊喜、最强的视频模型，那还得是 Google Veo3。 一个视频体验它的效果： No access veo3小船视频