Capability Timeline
识别并分离图像中的目标、区域或前景背景。
阿里通义千问图像生成模型，擅长复杂文字渲染与精准图像编辑
Qwen-Image 是阿里通义千问团队推出的 20B MMDiT 图像基础模型，在复杂文字渲染与精准图像编辑上表现突出，支持中英文高保真文字生成、多行排版和段落级语义，覆盖图像生成与编辑任务，多项公开基准领先，可通过 Qwen Chat 和开源权重使用。最新 Qwen-Image-3.0 支持最长 4500 token 提示词，单次生成可读十像素文字、数学公式及十二种语言的复杂排版与信息图网格。
Adobe 动态图形与视觉特效软件，AI 抠像跟踪与逐帧擦除
Adobe After Effects 是动态图形与视觉特效软件，可在真 3D 工作区中创建、导入 3D 物体并与 2D 图形一同制作动画；提供 AI Object Matte 悬停点击即可隔离运动主体并辅以精修笔刷、物体运动跟踪以替换手机屏幕或给移动主体加元素、Content-Aware Fill 逐帧填充移除吊杆麦克风等多余物体、专业键控工具替换背景与加特效，并能设计可在 Premiere 中直接复用的动态图形模板。
面向视觉专业人员的模块化节点图AI创作引擎，精细控制图像生成与编辑流程
ComfyUI是一款面向视觉专业人员的AI创作引擎，通过强大的模块化节点图界面，让用户无需编写代码即可实验和创建复杂的Stable Diffusion工作流。它原生支持SDXL、Flux、Qwen Image等多种图像模型，可生成图像、视频、3D模型和音频等内容。ComfyUI支持Omnigen 2、Flux Kontext等图像编辑模型，具备Inpainting、ControlNet、Upscale Models等功能，可对图片进行局部修改、扩图和超分辨率放大等操作。其智能内存管理可在低至1GB显存的GPU上自动运行大模型，并提供异步队列系统仅重新执行工作流中变化的部分。ComfyUI可在Windows、Linux和macOS上本地运行，也提供官方云端版本，并能通过API端点无缝集成到生产流程中
开源自动背景去除模型，四项基准达 SOTA
FeyNoBg 是 Feyn Labs 推出的开源自动背景去除模型，基于 BiRefNet 架构将参数量从 222M 扩展至 263M，在八个基准测试中的四项取得最佳 S-measure 分数，其余四项与领先者差距在 2% 以内。模型可在 Hugging Face 下载，配套训练库 NoBg 已在 GitHub 开源，可用于直接运行 FeyNoBg 或训练自定义背景去除模型，适合需要高精度前景分割与图像抠图的场景。
xAI 推出的 AI 图像与视频生成器，支持模板化创意工具
Grok Imagine 是 SpaceXAI（xAI）推出的 AI 图像与视频生成工具，作为 Grok 套件的创意子产品独立于 grok.com/imagine 提供。用户可使用其生成或编辑图像、将图像动画化为视频，并可借助 Imagine Agent Mode 快速迭代创意流程；2026-07-31 上线的模板大更新带来了现成预设以及照片编辑、风格重绘、智能调整尺寸、背景移除、头像制作、表情符号生成器、周边产品制作器等大量新创意工具，面向内容创作者与营销人员。
让任意智能体框架原生具备多模态能力的插件层
Qwen-MM-Plugins 是通义千问推出的原生多模态插件集合，把图像、视频、文档与 3D 模型的读取理解、OCR、目标定位、分割、语音识别、视觉对话与联网搜索打包为 skill 加 MCP 服务器，并提供长视频图记忆、视频剪辑与图像/视频/音频生成、Blender 三维建模、FreeCAD 参数化 CAD 及教学讲解视频生成等能力，可安装到 Claude Code、Codex、Qwen Code、Gemini CLI 等智能体框架。
统一多模态视觉生成模型，以单一架构覆盖目标检测、分割、深度预测与多视角3D重建等计算机视觉任务
SenseNova-Vision是一款将计算机视觉统一为多模态生成的开源模型。该工具通过自然语言指令和可选视觉提示来定义任务与输出格式，以原生文本、图像或混合形式响应，可完成目标检测、图像分割、深度预测、表面法线估计、OCR识别、关键点检测、推理分割、交互式分割及多视角3D重建等任务。模型无需任务专用预测头或架构分支，通过统一的多模态生成空间同时覆盖结构化视觉理解、密集几何预测与多视角视觉几何，并提供可解析输出以适配标准评测基准