2026 年开源图像/视频大模型追踪报告

核心速览

2026 年开源模型已经能打：图像侧 NVIDIA 与 HiDream 登顶 Arena，中文渲染百花齐放；视频侧 Wan2.7 全家桶最全能，MAGI-2 首次把开源拉到千亿 MoE。本报告只收录已开源（权重可下载）的模型；Qwen-Image 3.0 / Wan3.0 未开源，不列入。

1.6T

文本开源旗舰 · DeepSeek V4（MIT）

AA 前三

文本开源SOTA · GLM-5.3

12B

独立实验室第1 · Krea 2（2026-06）

Elo 1219

图像开源第1 · NVIDIA Cosmos3

0.90

GenEval 开源第1 · HiDream-O1

0.97

英文OCR · Ideogram 4

114B

全球首个千亿开源视频 · MAGI-2

15s/2K

原生音画 · MiniMax H3

13GB

最轻可商用实时 · FLUX.2 klein 4B

文本大模型 · 2026 开源一览表

聚焦 2026 年发布、权重可下载的文本模型（各厂家旗舰/主打）。点击表头可排序。

模型	厂商	开源时间	参数(总/激活)	上下文	许可	亮点	开源地址
DeepSeek V4-Flash-Vision-Exp DeepSeek	DeepSeek	2026-08-31	305B/13B	1M	MIT	视觉Agent超Opus	HF / GitHub
Hy4 Preview 腾讯	腾讯	2026-08-28	770B/49B	1M	社区许可	Agent/编程	GitHub / HF
GLM-5.3（含 5.3-Flash）智谱	智谱	2026-08-26	744B/40B · 320B/18B	1M	MIT	AA 前三	HF / GitHub
Qwen3.8-Flash-Next 阿里	阿里	2026-08-26	125B/6B	256K→1M	开放权重	HF 热榜第1	HF / MS
Qwen3.8（2.4T-A95B · 27B）阿里	阿里	2026-08-12	2.4T/95B · 27B	262K	Apache 2.0*	Max级+视觉	HF / GitHub
Ling-3.0-tiny 蚂蚁百灵	蚂蚁	2026-08-11	7.9B/1.3B	—	MIT	端侧Agent	HF
Muse Glimmer Meta	Meta	2026-08-10	30B dense	128K	Apache 2.0	本地Agent	HF
Ling-3.0-flash 蚂蚁百灵	蚂蚁	2026-08-08	124B/5.1B	—	MIT	AA 38 智效比13.2	HF / MS
Kimi K3 月之暗面	月之暗面	2026-07-27	2.8T/1040B	1M	开放权重	全球最大开源	HF / GitHub
LongCat-2.0 美团	美团	2026-07-06	1.6T/48B	1M	MIT	SWE超GPT-5.5	HF / GitHub
MiniMax M3 MiniMax	MiniMax	2026-06-12	428B/23B	1M	开放权重*	原生多模态	HF / MS
DeepSeek V4 Pro / Flash DeepSeek	DeepSeek	2026-04-24	1.6T/49B · 284B/13B	1M	MIT	LiveCodeBench 93.5	HF / GitHub
Kimi K2.6 月之暗面	月之暗面	2026-04-20	1T/32B	256K	Apache 2.0*	300 子Agent	GitHub / HF
MiniMax-M2（含 M2.7） MiniMax	MiniMax	2026-04(M2.7)	230B/10B	192K	Apache 2.0*	8%价2倍速	GitHub / HF
Gemma 4（31B/26B/12B/E4B/E2B） Google	Google	2026-04-02	31B · 26B/3.8B · 12B · 4B · 2.3B	2M	Apache 2.0	Arena 1452	HF / 官网

文本大模型 · 逐模型详情

统一字段模板：开源时间 → 地址 → 架构 → 能力 → 评测 → 部署 → 许可 → 社区评价 → 优化生态

1. DeepSeek V4-Flash-Vision-ExpDeepSeek

视觉Agent超OpusMIT多模态

开源时间

2026-08-31（API 08-21 上线，10 天后开源权重；V4 家族首个多模态模型）

开源地址

HF deepseek-ai/DeepSeek-V4-Flash-Vision-Exp ｜ GitHub deepseek-ai ｜ ModelScope

架构细节

305B 总 / 13B 激活 MoE（V4-Flash 284B 基座 + ~466M 视觉模块）；基座 43 层、256 路由专家+1 共享、每 token 激活 6、hidden 4096、fp8 权重+fp4 专家；视觉塔 32 层、1024 hidden、16 头、patch 14、downsample 3、每图最多 384 vision tokens + Aligner；DFlash Attention + Hyper-Connections + DSpark

能力规格

原生图片输入（JPEG/PNG/GIF/WebP）；图像描述/OCR/图表分析；完整保留 V4-Flash 文本推理/Agent/世界知识；1M 上下文（YaRN 16×），最大输出 384K

评测/排行

ZeroBench 视觉推理 35.0（超 Opus-4.8 34.0）；DeepSWE 59.3%（超 Opus-4.8，V4-Flash 54.4%）；Agents' Last Exam 27.3；ApexBench 36.5（+10 vs Flash-0731）；Chartography 64.3；Toolathlon-Verified 75.9；Cybergym 75.3（-1.4 轻微回归）

部署

权重约 168GB（fp8+fp4），多 GPU 必需；官方 convert.py 张量并行（示例 MP=4）；DeepSeek Harness 0.1.1 原生支持；SGLang 跟进适配；DGX Spark 版本即将推出；API 与 V4-Flash 同价（$0.44/$1.32 peak，cache hit $0.014）

⚠️ "Exp" 实验版，官方建议谨慎用于生产；所有 benchmark 为厂商自报（DeepSeek Harness），无独立验证、无技术报告；FIM 补全不支持；Cybergym 较文本版轻微回归。

社区评价

DeepSeek 从纯文本向多模态 Agent 体系转型的标志；"连眼睛也一起交出来了"；MIT 协议+完整推理代码，多模态 Agent 研发门槛大降

优化生态

官方最小化 PyTorch 推理实现（视觉编码器+Aligner+DFlash+MoE+Hyper-Connections+DSpark）；Prompt Encoding 参考实现+等价测试；权重转换脚本；DeepSeek Harness 0.1.1；SGLang 适配中；DGX Spark 版将出

2. 腾讯 Hy4 Preview腾讯混元

社区许可Agent/编程

开源时间

2026-08-28（Hy3 295B/21B 为上一代，2026 早前开源）

开源地址

GitHub Tencent-Hunyuan ｜ HF tencent ｜混元官网 hy.tencent.com

架构细节

770B 总 / 49B 激活 MoE；1M 上下文；定位"为生产力而生"

能力规格

Agent 与编程为主打；163 名专家、203 个工程任务内部盲测领先；超大上下文长文档/长程任务

部署

大显存多卡集群；腾讯云托管；社区整合包

社区评价

腾讯开源回归第一梯队；与 DeepSeek V4、Qwen3.8 同台竞争国产开源旗舰

⚠️ 许可以官方仓库为准（混元系历史用腾讯社区许可，大规模商用需读协议）。

优化生态

社区整合包 / 多卡部署教程；腾讯云托管一键部署；MoE 调度优化（论文级方案）；与 DeepSeek V4、Qwen3.8 并列的国产旗舰适配生态

3. GLM-5.3（含 5.3-Flash）智谱 AI

AA 前三MITFlash=牛来

开源时间

GLM-5.3 主模型：2026-08-14 发布，权重 2026-08-28 开源；GLM-5.3-Flash：2026-08-26 直接开源

开源地址

HF zai-org（GLM-5.3 / GLM-5.3-Flash）｜ GitHub zai-org ｜ ModelScope

架构细节

GLM-5.3（主）：744B 总 / 40B 激活 MoE，与 5.2 同基座，纯后训练 Scaling；1M 上下文、最大输出 128K；目前纯文本
GLM-5.3-Flash：320B 总 / 18B 激活 MoE，首个原生多模态 GLM-5（文本+图像→文本）；混合注意力 MLA + DSA 稀疏注意力 + KDA 线性注意力；45 层语言模型 + 24 层视觉编码器；FP8 权重约 328GB；1M 上下文

评测/排行

GLM-5.3 主：开源/即将开源模型中多项基准第一，编程能力较 5.2 +50%，社区称超越 Claude Opus 4.8
GLM-5.3-Flash：性能追平 Claude Opus 4.8，API 价格仅约其 1/40（输入 0.8 元 / 输出 2.8 元每百万 token，上线两周半价）

身份

5.3-Flash 即刷屏匿名模型 "Ox-Alpha"（中文社区"牛来"）——2026-08-20~26 匿名内测 6 天处理 23T+ tokens 才认领

部署

主模型 744B 需多卡集群；Flash FP8 328GB，官方称可在国产芯片（昇腾）上跑；BF16/FP8 双档

社区评价

编程/工程场景开源 SOTA；Flash 以 1/40 价格打 Opus 4.8，"极致性价比"刷屏；混合注意力方案引发关注

优化生态

Unsloth GGUF 动态量化（1bit 93GB / UD-Q2 109GB 保 78% / Q8 近无损；BF16 642GB）；vLLM 原生支持（MoE 路由 / 张量并行 / 专家并行 / flashinfer）；MTP 投机解码（--speculative-config 5 token）；llama.cpp / Ollama；七牛 / 腾讯云部署教程；FP8 量化；国产算力（昇腾）适配；CodeArena 生态

4. Qwen3.8-Flash-Next（Qwen4 预览）阿里

HF 热榜第1开放权重Qwen4架构

开源时间

2026-08-26（Qwen4 架构首个开源权重预览）

开源地址

HF Qwen/Qwen3.8-Flash-Next ｜ ModelScope ｜官方模型卡

架构细节

125B 总 / 6B 激活 MoE；另含 51B N-gram 嵌入表 + 4B MTP 层；512 专家（每 token 激活 10 routed + 1 shared）；Gated DeltaNet + Qwen Sparse Attention（QSA，micro-block 级稀疏）；48 层混合注意力（3 块 Gated DeltaNet + 1 块 QSA 循环）；多 token 预测

能力规格

256K（262,144）原生上下文，可扩展至 1M（YaRN）
文本 + 图像输入（多模态 MoE）
面向复杂推理 / Agent 任务

评测/排行

HF Trending 第 1（❤3.8k）；社区称"6B 激活打 27B"

部署

本地推理需 Ada/Blackwell 架构 GPU（RTX 40 系及以上）；社区以 FP8 量化为主；vLLM 适配中

⚠️ 定位：架构实验预览版，供社区提前适配 Qwen4；生产部署应等基于此架构的 Qwen3.8-Flash 正式版。

社区评价

"Qwen4 架构先行者"；提前适配新推理栈的窗口期

优化生态

QSA 稀疏注意力降长上下文延迟；MTP 支持投机解码；社区量化/部署教程

5. Qwen3.8（2.4T-A95B · 27B）阿里

Apache 2.0*Max级开源

开源时间

Qwen3.8-2.4T-A95B（2026-08-12，首个 Qwen-Max 级开源）｜ Qwen3.8-27B（2026-08-14，原生视觉语言）

开源地址

HF Qwen ｜ GitHub QwenLM ｜ ModelScope

架构细节

Qwen3.8-2.4T-A95B：2.4T 总 / 95B 激活 MoE，旗舰级（对标 Qwen-Max）
Qwen3.8-27B：27B dense，原生视觉语言模型（文本+图像+视频理解）

能力规格

262K 上下文；27B 支持多模态理解；2.4T 旗舰面向 Agent/长上下文/中文最强

评测/排行

Qwen3.8-2.4T 为开源梯队第一档；27B 代码/Agent 均衡、消费级可跑（Q4 约 17GB）

⚠️ 许可注意：Qwen3.8-27B 为 Apache 2.0；Qwen3.8-2.4T-A95B 为自定义 revenue-gated 许可（非 Apache，高营收商用需注意门槛）。

社区评价

"首个 Max 级权重开源"引发关注；阿里"中低端开源、顶端开放权重（有条件）"路线

优化生态

unsloth GGUF / UD 动态量化（27B Q4 约 17GB）；社区蒸馏生态（Qwen3.8-9B、Qwen3.8-Distilled-4B-NPU2 等）；llama.cpp / Ollama / LM Studio / vLLM / TGI / TensorRT-LLM 全系支持；AWQ 4bit；vLLM 官方推理命令（TP4 / qwen3 reasoning parser / auto tool）；Prompt 缓存 + 批处理 + 流式优化栈；LoRA 微调生态成熟

6. Ling-3.0-tiny蚂蚁百灵

端侧AgentMIT轻量MoE

开源时间

2026-08-11

开源地址

HF 蚂蚁百灵组织（Ling-3.0-tiny）｜官方三档权重

架构细节

7.9B 总 / 1.3B 激活（轻量级混合推理 MoE，Kimi 系技术路径）

能力规格

面向高效本地 Agent / 低成本部署；推理计算量极低（每 token 仅激活 1.3B）

评测/排行

社区称"1.3B 激活硬刚 26–31B"；紧咬同规格更大模型（第三方实测口径）

部署

官方提供 BF16 / FP8 / INT4 三版本；已验证 Mac mini、M4 Pro MacBook、DGX Spark 可跑

许可

MIT

社区评价

端侧轻量 Agent 新选择；生态较新，LoRA/量化生态成熟度待观察

优化生态

官方三档权重适配多平台；社区部署教程

7. Meta Muse GlimmerMeta Superintelligence Labs

本地AgentApache 2.0单卡

开源时间

2026-08-10

开源地址

HF meta-models/Muse-Glimmer-30B（含 GGUF 转换）｜ llama.cpp / ExecuTorch / MLX 生态

架构细节

~29.6–30B dense（含 1.8B 视觉编码器）；混合注意力（sliding-window 注意力块与全注意力交错）；causal LM + 专用 perception encoder（图像/视频输入）

能力规格

本地 Agent：规划 / 调用工具 / 从错误中自我恢复
131,072（128K）上下文；多模态（图/视频理解）

评测/排行

AA Intelligence Index 35（比 Llama 4 Maverick 高 21 分、比同尺寸 Gemma 4 高 5 分）

部署

24GB 消费级 GPU（4-bit <20GB）或 M4/M5 Max Mac；DFlash 投机解码 RTX 5090 ~233 tok/s；Ollama / LM Studio / vLLM / Together / Fireworks day-0

许可

Apache 2.0，无 Llama 式 MAU 上限——商业嵌入零门槛；Muse Spark（旗舰）仍闭源 API，Glimmer 是权重可拥有版

社区评价

Meta 以 Apache 2.0 重返开源；端侧 Agent"小钢炮"；Muse Spark 1.2 权重将跟进

优化生态

GGUF k-quants + ExecuTorch + 4-bit；llama.cpp / Apple MLX / vLLM；TorchTitan 微调

8. Ling-3.0-flash蚂蚁百灵

AA 38MIT智效比13.2

开源时间

2026-08-08（7-24 发布 API，8-5 ModelScope 上架，8-8 正式开源权重）

开源地址

HF 蚂蚁百灵组织（Ling-3.0-flash）｜ ModelScope ｜ developer.ant-ling.com

架构细节

124B 总 / 5.1B 激活 MoE（专家激活比例 1/64，上代 1/32）；原生混合推理模型；FP8/FP4/INT4 多精度版本

能力规格

推理/Agent 任务；以 1/12 算力对标上代 1T 旗舰 Ring-2.6-1T；低成本部署

评测/排行

AA 智能指数 38（较上代 Ling 2.6 Flash +24 分）；追平 MiMo-V2.5 和 Qwen3.6 27B；智效比 13.2；全方位对标甚至超越上代 1T 旗舰 Ring-2.6-1T

部署

官方提供 BF16/FP8/FP4/INT4 多版本；量化版本可单台机器跑；API 调用 + 自部署 + 微调三种落地选择

许可

MIT

社区评价

"1/12 算力跑出旗舰性能"；小身板大能量；从限时免费 API 到全面开源自部署

优化生态

官方多精度权重；ModelScope/HF 双平台；社区量化部署教程；蚂蚁百灵开发者生态

9. Kimi K3月之暗面 Moonshot

全球最大开源开放权重3T级

开源时间

2026-07-27（发布 07-16/17，按承诺 11 天后全量开源）

开源地址

HF moonshotai/Kimi-K3 ｜ GitHub MoonshotAI ｜ kimi.com

架构细节

2.8T 总 / 1040B（104 亿）激活 MoE；896 路由专家、每 token 激活 16；KDA（Kimi Delta Attention 线性注意力）+ Gated MLA 混合（约 3:1） + Attention Residuals（AttnRes）+ Stable LatentMoE；93 层、hidden 7168、max 位置 1M

能力规格

原生图文视频理解；1M 上下文；Agentic / 长程任务

评测/排行

GPQA Diamond 93.5%（接近 GPT-5.6 Sol）；FrontierSWE 81.2%（高于 GPT-5.6 Sol 的 71.3%）；SpreadsheetBench 2 领先；编程评测登顶

部署

MXFP4 量化感知训练权重（仅权重约 1.4TB）；官方建议 64 卡以上超节点；本地部署约 200 万元起（8×H200 集群约 2800-3000 万元）

许可

开放权重（License 以官方仓库为准）

社区评价

全球首个 3T 级开源模型；开源半小时登顶 HF 刷新平台纪录；"中国的 Fable 5 时刻"；阿里、华为等厂商首日适配

优化生态

权重 + 47 页技术报告 + MoonEP / FlashKDA / AgentEnv 三大训练 Infra 同步开源；MXFP4 量化感知训练；KDA 线性注意力降长上下文推理开销

10. 美团 LongCat-2.0美团

SWE超GPT-5.5MIT国产卡推理

开源时间

2026-06-30 发布，2026-07-06 完全开源（MIT）；曾化名 Owl Alpha 在 OpenRouter 跑了两个月

开源地址

HF meituan ｜ GitHub meituan ｜美团技术团队 tech.meituan.com

架构细节

1.6T 总 / 48B 激活 MoE（动态激活 3B-56B）；LongCat 稀疏注意力 + N-gram Embedding；原生 1M 上下文；Agentic Coding 定位

能力规格

真实 Agentic Coding 任务；代码理解/生成/执行；1M 长上下文；国内首个完全开源的超大规模 MoE

评测/排行

SWE-bench Pro 超越 GPT-5.5（国内大厂首个）；化名 Owl Alpha 期间在 OpenRouter 表现亮眼；编程/Agent 场景为核心卖点

部署

业界首个在五万卡国产算力集群上完成推理的万亿参数模型；同步开放国产卡推理代码；针对显存与带宽受限的国产芯片深度协同优化；MIT 无使用限制

⚠️ 发布后存在"智能体能力翻车"争议（部分实测未达宣传水平），benchmark 与真实场景表现有差距，建议以官方技术报告+独立实测交叉验证。

社区评价

"国产算力炼出的万亿参数 Agentic 大模型"；MIT 完全开源+国产卡推理是最大亮点；SWE-bench Pro 超 GPT-5.5 引发关注，但也有实测争议

优化生态

国产卡推理代码同步开源；LongCat 稀疏注意力降长上下文开销；N-gram Embedding 提升 Token 级表示；美团技术团队工程优化；模芯协同

11. MiniMax M3MiniMax

原生多模态开放权重*1M上下文

开源时间

2026-06-01 发布 → 2026-06-12 开源权重（HF + ModelScope）

开源地址

HF MiniMaxAI/MiniMax-M3 ｜ ModelScope ｜ GitHub ｜ MSA 技术论文

架构细节

428B 总 / 23B 激活 MoE；MSA（MiniMax Sparse Attention）稀疏注意力（长上下文计算量压到常规 1/3）；首个从 Step 0 做多模态混合训练的开源模型

能力规格

原生多模态（文本+图像等）；1M 上下文；Agentic Coding / 超长文档 / 私有化部署

评测/排行

SWE-Bench Pro ~59%（开源第一梯队）；Swaybench Pro / SVG Bench / Kernel Bench Hard 优于 Opus 4.7；AA 综合智能指数全球开源最高排名

部署

API 输入 $0.30 / 输出 $1.20 每百万 token（约闭源 1/10）；支持私有集群部署 + LoRA/QLoRA 微调；M3-highspeed 快速版

⚠️ 许可需核验：MiniMax 系 Apache 2.0 历史；M2.7/M3 新开源协议可能含商用限制，以官方仓库为准。

社区评价

国产首个原生多模态旗舰开源；代码能力追平国际顶尖；开源当天 HF 下载 5 万+、GitHub 24h 千星

优化生态

MSA 稀疏注意力降长上下文成本；LoRA/QLoRA 微调；GPUStack / Transformers 部署教程；自动 Cache

12. DeepSeek V4（Pro / Flash）DeepSeek

LiveCodeBench 93.5MIT1M上下文

开源时间

2026-04-24（预览版同步开源，官方模型卡 PDF）

开源地址

HF deepseek-ai ｜ GitHub deepseek-ai ｜ ModelScope ｜官方模型卡 fe-static.deepseek.com

架构细节

MoE：Pro 1.6T/49B 激活、Flash 284B/13B 激活；MTP 多 token 预测；CSA+HCA 混合注意力（KV 缓存序列维压缩 + DeepSeek Sparse Attention + 重度压缩密集注意力，长上下文效率大提升）；mHC 流形约束超连接（Birkhoff 多胞形）；Muon 优化器

能力规格

1M token 上下文；三种推理模式：Non-Think / Think High / Think Max
预训练数据 33T tokens（Pro）；纯文本 + 三推理档

评测/排行

LiveCodeBench 93.5 ｜ Codeforces 3206 ｜ MMLU-Pro 87.5 ｜ SWE-bench Verified 80.6% ｜ Agent Score 1554（超 Kimi K2.6 的 1484）

部署

华为昇腾首发适配（首次国产芯片扛旗舰）；官方称推理成本 -75%、显存占用 -90%；vLLM / SGLang 生态跟进

社区评价

"百万上下文时代的开源宣言"；GPT-5.5 同日发布，V4 用 1/8 价格对标；从追赶者到规则制定者

优化生态

昇腾 CANN 全链路：FP8+INT4 分层混合量化（体积 1/4、2×910B 跑 Pro）；众智 FlagOS Day-0（1.6T & 284B 八芯适配、8/16 卡脚本、权重反量化工具）；社区 DwarfStar 本地推理引擎（antirez，Metal/CUDA/ROCm）；腾讯云 SGLang 量化 +3.9× 成本 -50%；vLLM DualPath / llama.cpp / GGUF / Ollama

13. Kimi K2.6月之暗面 Moonshot

SWE-Bench Pro 58.6%Apache 2.0*300子Agent

开源时间

2026-04-20（8 天预览后正式开源上线）

开源地址

GitHub MoonshotAI ｜ HF moonshotai ｜ kimi.com

架构细节

1T 总 / 32B 激活 MoE；384 路由专家 + 1 共享专家，每 token 激活 8；61 层；MLA 注意力；MuonClip 稳定训练；内置 400M MoonViT 视觉编码器，原生文本+图像+视频

能力规格

256K（262,144）上下文；每集群最多 300 子 Agent 并行；12 小时长程运行；多文件编辑/终端操作/复杂工具链

评测/排行

SWE-Bench Pro 58.6% ｜ Agent Score 1484 ｜博士级"人类最后考试"领先｜长周期高难度编程 Agent 场景领先

部署

大显存多卡；vLLM / SGLang

社区评价

最强开源原生多模态 Agent 模型；"12 小时运行"生产级；长程编码标杆

⚠️ K2 系 Apache 2.0；K2.6 具体许可以官方仓库为准。

优化生态

Ollama 直接支持（kimi-k2.6 标签）；与 K2.5 架构一致可平滑升级；Bittensor 蒸馏子网 Distil-SN97（社区竞争蒸馏）；社区三推理引擎部署指南；INT4 compressed-tensors 封装；300 子 Agent 编排 / Agent OS 工具链

14. MiniMax-M2（含 M2.7）MiniMax

AA 全球前五Apache 2.0*极致参数效率

开源时间

M2（2025-10-27 发布开源）｜ M2.7（2026-04-12）

开源地址

GitHub MiniMax-AI/MiniMax-M2（已确认）｜ HF MiniMaxAI/MiniMax-M2 ｜ arXiv 2605.26494

架构细节

229.9B 总 / 9.8B 激活；62 层 decoder-only；256 细粒度专家 + sigmoid gating；GQA；192K 原生上下文；MTP 多 token 预测

能力规格

Agent / 代码 / 多文件编辑 / 终端操作 / 复杂工具链；M2.7 主打"自进化"概念与办公/Agent 协作

评测/排行

Artificial Analysis 全球前五；8% 价格、2 倍速度（对比 Claude Sonnet）；代码智能逼近最强闭源

部署

10B 激活性价比极高；SGLang / vLLM 推荐；沐曦国产 GPU Day-0 适配（M2.7）

⚠️ 许可注意：M2 为 Apache 2.0；M2.7 采用新开源协议，商业用途需 MiniMax 书面授权。

社区评价

"10B 激活实现 230B 性能"的极致参数效率；Agent 场景口碑好

优化生态

Unsloth 22 个 GGUF 量化（1-8bit，4bit 108GB 可跑 128GB 设备）；AWQ + QLoRA 微调（DGX Spark Blackwell 实测）；SGLang / vLLM；沐曦国产 GPU Day-0（vLLM≥0.13）；Agent 工具链 / 多文件编辑生态；本地部署教程

15. Google Gemma 4Google DeepMind

Arena 1452Apache 2.0边缘部署

开源时间

2026-04-02（四款齐发）；技术报告 2026-06-19

开源地址

HF google（gemma-4-31b / 26b-a4b / 12b / e4b / e2b）｜ ai.google.dev/gemma ｜ DeepMind 官方页

架构细节

dense + MoE 家族：31B dense、26B A4B（3.8B 激活 MoE）、12B Unified dense、E4B、E2B；12B 用 35M 轻量视觉嵌入器替代传统 550M 视觉编码器（图片切 48×48 patch 当 token 直接进 Transformer）；多 token 预测

能力规格

原生多模态（文本+图像+音频理解/生成）；2M 上下文（宣传口径）
思考 / 无思考双模式

评测/排行

Arena AI：31B=1452 / 26B=1441 ｜ MMLU 31B 88.4% ｜ BigBench Extra Hard 74.4% ｜ AIME 2026 89.2% ｜ LiveCodeBench 80% ｜ GPQA Diamond 84.3% ｜ τ2-bench 86.4%

部署

E2B/E4B 端侧；12B 消费级（M5 Mac 16GB 可跑，32GB 更流畅）；QAT 量化 12B ~7GB 质量近无损

社区评价

Google 称"最强开源"，Nathan Lambert 评价"rivals Qwen3.5（匹敌非超越）"；6 项 benchmark Qwen 赢 4 项，但边缘部署无对手；30B 级最强多语言+多模态+边缘

优化生态

LiteRT / Keras；ollama / llama.cpp；QAT 量化；Android 端侧

图像大模型 · 2026 开源一览表

聚焦 2026 年发布、权重可下载的图像生成模型。点击表头可排序。（带 ⚠️ gated 的仓库需登录 HF 接受许可，非死链）

模型	厂商	开源时间	参数	许可	排行亮点	核心标签	规格	开源地址
SenseNova U1.5 商汤	商汤	2026-08-21	8B MoT	Apache 2.0	8B 对标闭源	moT	原生4K	HF
Krea 2（RAW / Turbo） Krea AI	Krea AI	2026-06-22/23	权重公开	Krea 社区许可	AA 独立实验室第1	krea	美学/2s	GitHub / HF
Ideogram 4.0 Ideogram	Ideogram	2026-06-03	—	权重非商用	DesignArena 开源第1	ideogram	文字之王	GitHub
Cosmos3-Super-T2I NVIDIA	NVIDIA	2026-06-01	64B（32B+32B）	OpenMDW-1.1	AA 开源第1 · Elo 1219	cosmos	物理AI	HF / GitHub
HiDream-O1-Image 智象未来	智象未来	2026-05-08	—	MIT	AA 开源第2 · Elo 1183	hidream	无VAE	GitHub / HF
ERNIE-Image 百度	百度	2026-04-15	—	Apache 2.0	OneIG-ZH 0.554	ernie	中文指令	HF / GitHub
SenseNova U1 商汤	商汤	2026-04-28	8B MoT	Apache 2.0	8B 对标闭源	sensenova	原生4K	GitHub
Wan2.7-Image 阿里	阿里	2026-04	—	Apache 2.0	—	wan	照片级	HF
Qwen-Image 2.0 阿里	阿里	2026-02-10	20B	Apache 2.0	AI Arena 开源最强	qwen	中文渲染	HF / GitHub
FLUX.2 klein 4B/9B Black Forest Labs	Black Forest Labs	2026-01-19	4B / 9B	4B:Apache 2.0	—	flux	亚秒级	HF
GLM-Image 智谱 + 华为	智谱 + 华为	2026-01-14	—	MIT	CVTG-2K 文字第1	glm	自回归+扩散	HF / GitHub
Qwen-Image-2512 阿里	阿里	2025-12-31	20B	Apache 2.0	AI Arena 开源最强	qwen	中文渲染	HF / GitHub

id="img-detail">

图像生成 · 逐模型详情

统一字段模板：基本信息 → 架构细节 → 能力规格 → 评测/排行榜 → 部署 → 许可 → 社区评价 → 优化生态

1. SenseNova U1 / U1.5商汤

8B 对标闭源Apache 2.0原生4K

开源时间

U1：2026-04-28；U1.5 Lite：2026-07-31 Preview → 2026-08-21 正式版

开源地址

GitHub OpenSenseNova/SenseNova-U1 ｜ HF sensenova/SenseNova-U1.5-8B-MoT ｜ ModelScope ｜ sensetime.com

架构细节

NEO-Unify：去掉视觉编码器和 VAE，像素与文本同一 Transformer 原生共存；U1.5 为 8B MoT（Mixture of Tokens）；U1 另有 A3B 版（38B 总 / 理解 3B + 生成 3B 激活 MoE）；U1.5 按文字/美学/编辑训练专家后蒸馏融合

能力规格

原生 4K 图像生成；3–4k 字符超长指令（两千字指令一字不落）
图像编辑：Bounding Box / Visual Marker / 单图多图参考
图像理解：OCR / 图表解析 / 多图对比

评测/排行

8B 达商业闭源生成与编辑质量；效果对标 GPT-Image-2；指令遵循与编辑保持度超越同量级（商汤自测 2026-08-30 对比表）

部署

8B 单卡可部署；GGUF 量化后更低；注意：3K/4K 显存压力大（社区实测两张 4090D 才较稳），1K 文字偏糊、2K 内容偶不全

社区评价

"终结缝合时代"；"8B 小模型搞定 4K + 两千字指令"；海外社区广泛讨论

优化生态

GGUF 量化；ComfyUI；预训练启动器/配置开源；10 家国产芯片适配；U1 Fast 信息图专用（2K，11 种宽高比）

2. Krea 2（RAW / Turbo）Krea AI

AA 独立实验室第1Krea 社区许可美学/2s

开源时间

2026-05-12 公告 → 05-18 GA → 2026-06-22/23 开放权重（同日发布技术报告）

开源地址

GitHub krea-ai/krea-2 ｜ HF（Krea 2 RAW / Turbo 双 checkpoint）｜ krea.ai ｜ FAL / ComfyUI / AWS / GCP

架构细节

12B 扩散 Transformer（DiT），完全从零训练（首个自研基础模型，非基于 FLUX 微调，Krea 1 才与 BFL 合作）；文本编码器用 Qwen3-VL 多层特征聚合；两个 checkpoint：RAW（未蒸馏基础版，供 LoRA/后训练）+ Turbo（8 步蒸馏，约 2s 生成 2K）

能力规格

美学优先（"最美学开源图像模型"）；风格迁移 / 创意控制
"creativity" 参数：在字面提示遵循与模型自由度之间可调
擅长胶片颗粒、金属表面、运动模糊、虹彩质感、微距细节
Turbo：8 步生成 2K 约 2 秒

评测/排行

Artificial Analysis 文生图 —— 独立实验室 #1
第三方评测"120 亿参数登顶全球前十"

部署

Turbo 8 步 2K 约 2s；13B 参数 BF16 约 24GB 级，量化可更低；推荐工作流：RAW 上训 LoRA → Turbo 推理

社区评价

"美学优先颠覆 AI 绘图"；独立实验室最强；从 FLUX 微调转向自研的标杆

⚠️ 许可注意：Krea 2 Community License（社区许可）——个人/小团队可商用；企业超 50 席位需另行购买商业许可。非 Apache/MIT。

优化生态

RAW（LoRA 微调）+ Turbo（推理）双 checkpoint；ComfyUI 原生（Floyo 2 workflows）；FAL / AWS / GCP / Nous Research（Hermes）接入

3. Ideogram 4.0Ideogram

DesignArena 开源第1权重非商用文字之王

开源时间

2026-06-03

开源地址

GitHub ideotom/ideogram4 ｜ HF 开放权重｜ ideogram.ai

架构细节

完全单流 DiT（34 层 Transformer，文本+图像 token 统一序列，无独立分支）；文本编码器用 Qwen3-VL-8B-Instruct 视觉语言模型（提取 13 个中间层 hidden states）；从零训练

能力规格

原生 2K 输出
结构化 JSON 提示接口：指定文本位置、边界框布局、16 进制调色板
英文 OCR 准确率 0.97；海报/标识/Logo"首生即用"

评测/排行

DesignArena 全球第 4、开源第 1
专业盲测排版偏好率 47.9%（Gemini 3.1 Pro 30%、FLUX.2 15.5%）
SpatialGenEval 空间推理优秀

部署

NF4 量化版单张 RTX 4090 可跑；标准版 24GB 级

社区评价

彻底解决"AI 生图写字难"；设计师圈强烈反响；"93 亿参数打爆 800 亿"（指文字能力）

⚠️ 许可注意：多数信源为权重非商用许可 + 推理代码 Apache 2.0；部分信源称 Apache 2.0。商用前必须核对官方仓库。

4. Cosmos3-Super-Text2ImageNVIDIA

AA 开源第1 · Elo 1219OpenMDW-1.1物理AI

开源时间

2026-06-01（随 Cosmos 3 全家桶发布）

开源地址

HF nvidia/Cosmos3-Super-Text2Image ｜ GitHub NVIDIA/Cosmos ｜技术报告 research.nvidia.com/labs/cosmos-lab/cosmos3

架构细节

64B = 32B reasoner + 32B generator；Mixture-of-Transformers（MoT）——自回归 Transformer 处理文本 + 扩散 Transformer 处理连续模态，mRoPE + 多模态注意力层统一语言/图像/视频/音频/动作

能力规格

Agentic 文生图（带推理规划）
物理一致性专为机器人/自动驾驶合成数据设计
物理基准：Unigraph ~91.3、前项动力学 26、Nano Policy 39.7

评测/排行

Artificial Analysis T2I Arena 开源权重第 1（Elo 1219，2026-07 快照）
8 项物理 AI 基准开放模型排名第 1

部署

64B 需数据中心（8×H100/H200/GB200）；另有 Cosmos3-Nano 16B 单 GPU 可跑（Project DIGITS GB10 实测）；推理栈 PyTorch / vLLM-Omni / Diffusers / NIM

社区评价

物理 AI"核弹"级发布；机器人/自动驾驶首选；普通创作者门槛过高

优化生态

代码+权重+合成数据集+评估基准全开源；Cosmos Coalition 联盟；Nano/Edge 轻量档

5. HiDream-O1-Image智象未来

AA 开源第2 · Elo 1183MIT无VAE

开源时间

2026-05-08（Dev-2604 于 05-14 追加开源）

开源地址

GitHub HiDream-ai/HiDream-O1-Image ｜ HF HiDream/HiDream-O1-Image（gated 需登录接受许可）｜ ModelScope ｜ hidreamai.app

架构细节

UiT（Unified Transformer）——像素级统一 Transformer，彻底抛弃 VAE 和分离式文本编码器，像素/文本/task 条件共享 token 空间端到端建模；RMSNorm+SwiGLU+RoPE；隐藏层 4096、注意力头 32

能力规格

最高 2048×2048 原生 2K
单一模型完成：文生图 + 指令编辑 + 主体个性化 + 多镜头
内置 prompt_agent.py 自动扩提示词；中文长文渲染接近完美

评测/排行

GenEval 0.90 —— 开源第 1（超 GPT Image 2 的 0.89）
HPSv3 10.37（超 GPT Image 2）；DPG-Bench 89.83
AA Arena 全球第 8 / 开源第 2（2026-05）；1.5 版升至中国第 1、全球第 2（2026-06）

部署

8B 消费级 GPU 可跑；FP8 版 RTX 40xx/H100 加速；Distilled 28 步推理速度翻倍

社区评价

上线 6 天 3000+ 赞；"没有 VAE 的革命性架构"；8B 性价比之王；复杂提示词偶尔需手动细化

优化生态

ComfyUI 官方教程；Diffusers；FP8 量化；IP 加速（layout/skeleton conditioning）；Dev editing scheduler

6. ERNIE-Image百度

OneIG-ZH 0.554 追平闭源Apache 2.0中文指令

开源时间

2026-04-15

开源地址

HF baidu/ERNIE-Image ｜ GitHub baidu/ernie-image ｜ ernie-image.github.io ｜ arXiv 2605.25347

架构细节

8B 单流 DiT 骨干 + 3B Prompt Enhancer（PE）；采用 FLUX.2 VAE；两档：SFT 版（50 步，guidance 4.0）＋ Turbo 版（8 步，DMD+RL 蒸馏，6× 更快）

能力规格

1024² 默认；832×1216 / 1216×832；分辨率 64–2048（步长16）
最大 prompt 2048 字符；中英日图内文字渲染
结构化输出（海报/漫画/多格分镜）；多元风格

评测/排行

OneIG-ZH 0.554 —— 开源第 1，与闭源 Seedream 4.0 总分持平
LongText-Bench 中文长文本领先；GenEval 0.8667（Turbo w/o PE）
复杂指令遵循强于 Qwen-2512 / Z-Image（第三方实测）

部署

BF16 ~16–29.5GB；GGUF Q8_0 ~15GB；24GB（RTX 4090）单卡流畅；Turbo 8 步数秒/张，SFT 50 步约 4s/张

社区评价

"最懂中文的文生图模型"；8B 叫板 Nano Banana 2.0 与 Seedream 5.0

优化生态

ComfyUI Day-0；Diffusers；SGLang；ControlNet/IP-Adapter 管线；Unsloth GGUF；LiblibAI；国产算力适配

7. Wan2.7-Image阿里

Apache 2.0照片级

开源时间

2026-04（随 Wan2.7 全家桶）

开源地址

HF Wan-AI/Wan2.7-Image（gated 需登录接受许可）｜ ModelScope ｜阿里云百炼 API

架构细节

14B（27B 总 / 14B 激活 MoE）；MoE DiT + 流匹配；与 Wan2.7 视频共享骨干

能力规格

标准 2048×2048（2K）；Pro 版 4096×4096（4K）
统一文生图 + 图像编辑
thinking mode（链式推理）默认开启——先思考再生成

评测/排行

开源照片级真实感第一梯队；Artificial Analysis 相关榜单前列

部署

14B 24GB+；32GB+ 系统内存；thinking mode 显著增加耗时

社区评价

照片级真实感强；复杂指令遵循佳

优化生态

ComfyUI；LoRA；社区 4K 工作流

8. Qwen-Image 2.0 / 2512阿里

AI Arena 开源最强Apache 2.0中文渲染

开源时间

2512：2025-12-31（基准）；2.0：2026-02-10

开源地址

GitHub QwenLM/Qwen-Image ｜ HF Qwen/Qwen-Image-2.0（gated 需登录接受许可） / Qwen-Image-2512 ｜ ModelScope ｜ arXiv:2605.10730

架构细节

~7B（第三方口径）；MMDiT 骨干 + Qwen2.5-VL 7B 文本编码器（编辑路径）

能力规格

原生 2048×2048（2K）；2512 支持 2512² 以上
1000 token 长提示词；专业排版；生成+编辑统一
2512 重点：更真实人像、更细纹理、更强文字渲染

评测/排行

2512：AI Arena 最强开源文生图（10,000+ 轮盲测）
2.0：DPG-Bench 88.32；AI Arena 文生图+编辑双榜第一；DataLearner 1139 分

部署

2512：FP16 21.3GB / INT8 13.7GB（30 步 FP16 142.6s / INT8 87.9s）；2.0：12–16GB；GGUF 量化 6GB 可跑

社区评价

开源中文文生图第一选择；中文提示词理解强（无需翻译式写法）；生态成熟

优化生态

GGUF 多档量化（含 uint4 信创方案）；ComfyUI；LoRA；FP16/INT8 实测

9. FLUX.2 klein 4B / 9BBlack Forest Labs

4B: Apache 2.09B: FLUX 许可亚秒级

开源时间

2026-01-19

开源地址

HF black-forest-labs/FLUX.2-klein ｜ bfl.ai ｜ ComfyUI 官方文档

架构细节

整流流（Rectified Flow）Transformer，蒸馏 4 步；版本矩阵：4B/9B × Base/蒸馏 + 9B FP8

能力规格

1024–2048；文生图 + 图像编辑 + 多参考合成统一（最多 4 张参考图）；单模型 All-in-One

评测/排行

ELO ~1066（FLUX.2 Pro ~1170 为闭源对照）

部署

4B：13GB（8GB 显存+16GB 内存可跑）；9B：29GB（16GB+32GB）；9B FP8 更低；蒸馏版 4 步 0.5–1.2s 亚秒级

社区评价

消费级 GPU 实时生成首选；"AI 绘图万能工厂"；电商视觉提效

优化生态

ComfyUI day-0；unsloth GGUF；FP8/NVFP（与 NVIDIA 合作）；LoRA；Nunchaku 4-bit（提速 3–5×）；9B KV 多图融合

10. GLM-Image智谱 + 华为

CVTG-2K 文字第1MIT自回归+扩散

开源时间

2026-01-14

开源地址

HF zai-org/GLM-Image ｜ GitHub zai-org/GLM-Image ｜ ModelScope ｜昇腾社区

架构细节

16B = 9B 自回归（GLM-4-9B 基础）+ 7B DiT 扩散解码器；Semantic-VQ 语义离散化 token；GRPO + Flow-GRPO 强化学习；华为昇腾 Atlas 800T A2 + 昇思 MindSpore 全流程训练（首个国产芯片训练 SOTA 多模态）

能力规格

上下文 4K；模型文件 35.8GB
海报/PPT/科普图等知识密集型场景；"认知型生成"范式
图生图全家：编辑/风格迁移/身份保持/多主体一致性

评测/排行

CVTG-2K 文字渲染 0.9116 第 1；DataLearner 1013 分；首个开源工业级离散自回归图像生成

部署

推理速度与消费级同级别相当；GQA + Flash Attention；API 单图约 0.1 元

社区评价

知识密集型任务优势明显；国产全栈算力验证里程碑

优化生态

权重+训练代码+评估脚本全开源；GQA+Flash Attention；昇腾国产算力验证

视频生成 · 2026 开源一览表

点击表头可排序。

模型	厂商	开源时间	参数 / 架构	许可	排行榜亮点	显存	核心标签	开源地址
LTX-2.5 Lightricks	Lightricks	2026-08	22B 非对称双流	LTX 许可	速度第一梯队	32–80GB	4K/原生音画	HF
MAGI-2 Preview Sand.ai	Sand.ai	2026-08-05	114B / 6B 激活 MoE	Apache 2.0	AA I2V 第6	8×H100（307GB）	千亿MoE	官网
MiniMax H3 MiniMax	MiniMax	2026-07-31/08-03	33B Dense	H3 社区许可	开源第一梯队	~130GB	原生音画	HF / GitHub
LingBot-Video 灵波智能	灵波智能	2026-07	1.3B / 30B-A3B	待核	具身视频新玩家	消费级	机器人	待核
Cosmos3-Super-Image2Video NVIDIA	NVIDIA	2026-06-01	64B · MoT	OpenMDW	AA I2V 开源第1	数据中心	物理AI	HF
MAGI-1 Sand.ai	Sand.ai	2026-04	4.5B / 24B	Research	首个主流自回归视频	24GB+/多卡	无限长度	GitHub
Wan2.7 阿里	阿里	2026-04	14B MoE（27B总）	Apache 2.0	AA T2V 首发 Elo 1762 I2V Elo 1090	24GB+	全家桶	HF / GitHub
LTX-2.3 Lightricks	Lightricks	2026-03	22B	LTX 许可	4K 原生音画	24–32GB	22B 双流	HF
SkyReels V2 昆仑万维	昆仑万维	2026	1.3B / 14B	Apache 2.0	开源 I2V 最高分	14.7–51GB	无限长度	GitHub

视频生成 · 逐模型详情

统一字段模板同上。

1. LTX-2.5 / 2.3Lightricks

速度第一梯队LTX 许可4K/原生音画

开源时间

LTX-2.3：2026-03；LTX-2.5：2026-08

开源地址

HF Lightricks/LTX-2.5 / LTX-2.3 ｜ ltx.io ｜ ComfyUI-LTXVideo ｜ LTX Studio

架构细节

22B 非对称双流扩散 Transformer（双向交叉注意力）；2.5 新增：新扩散视频解码器（替代 VAE，面部/纹理/文字更清晰）、自定义 Gemma 4 12B 文本编码器、Prompt enhancer、Duration predictor

能力规格

原生 4K（3840×2160）；Auto Duration
24/25/48/50fps；原生同步音频（单模型 pass 音视频同生）
T2V / I2V / 首尾帧；竖屏 1080×1920 原生训练

评测/排行

速度：1080P 5s 约 50s 生成；8s 视频 57s；2K 视频 47s；ltx.dev 称业界首个实时（2–4s）视频模型

部署

32GB（FP8），80GB 推荐；社区 8G 显存整合包可跑

社区评价

速度快但提示词遵从度一般、复杂人物动作/手部/多人交互易崩；适合过场素材/大场景/无远距离人像

优化生态

ComfyUI day-0（dev+distilled）；LTX Studio；原生 macOS 应用；HF 下载 79 万/月；IC-LoRA（HDR）；物理仿真 checkpoint

2. MAGI-2 PreviewSand.ai / 清华系

AA I2V 第6Apache 2.0千亿MoE

开源时间

2026-08-05

开源地址

GitHub（MAGI 系列）｜ HF ｜ magi-1.ai ｜ SGLang PR #35014 ｜ Sand.ai 博客

架构细节

114B 总 / 每 token 激活约 6B（MoE）；宽度 3072，路由 12 heads × 256 维，每 head 256 专家 / Top-6 激活，专家 FFN 256→1280→256（fused SwiGLU）；40 层单流 Transformer + 36 层细粒度 MoE；统一音视频生成；推理优化 Head Parallel + MagiMoE

能力规格

时长 10s；1080P（先 512×896 再 refiner 至 1088×1920）；联合生成视频+音频；文本或文本+首帧输入；运镜/对焦/人物表现达闭源第一梯队

评测/排行

Artificial Analysis Image-to-Video 榜第 6（2026-08 快照）；全球首个参数过百亿开源视频模型

部署

8 张 H100/Hopper，权重合计约 307GB；按 8 卡 H100 月租折算，10s 1080P 推理成本约 0.5 元/条

⚠️ 注意：6B 激活 ≠ 6B 小模型成本；MoE 调度开销 + 307GB 权重加载是实际门槛。

社区评价

"用得起"的千亿 MoE 视频；发布当天刷屏；"ComfyUI 生态要变天"

优化生态

SGLang 官方支持（fused_experts）；ComfyUI 适配中；社区部署教程；MoE 调度优化论文级方案

3. MiniMax H3MiniMax

开源第一梯队H3 社区许可原生音画

开源时间

2026-07-31 发布 → 2026-08-03 HF 开放权重

开源地址

HF MiniMaxAI/MiniMax-H3 ｜ GitHub MiniMax-AI/MiniMax-H3 ｜ ComfyUI Wiki ｜ Hailuo AI

架构细节

33B Dense 单流 Omni Transformer（约 13B 在 AdaLN 分支，推理时可预计算缓存）；多模态编码器复用 Qwen3-VL-32B；系统三层：context2（闭源）+ H3-Base（开源）+ regenerate2K（超分）

能力规格

时长 4–15s；最高 2K（默认短边 768）；24fps
原生 32kHz 立体声同一前向生成（非后配音）；11 种语言
输入最多 9 图 / 3 视频 / 3 音频 + 提示词（参考生成视频最强）
视频编辑（精准剪辑/替换/扩展）、风格迁移；一次出 8 个

评测/排行

文生/图生视频进入开源第一梯队；视频编辑尤其亮眼；"完整镜头生成工具"

部署

33B 全模型约 130GB（Mac M5 Max 实测可跑）；bf16/INT8/pruned/NVFP4 多档；社区 8G 整合包（量化）可跑；API $0.13/s

社区评价

"这次真不是吹的"；保真度有短板（特殊生物外观 2 秒后跑偏变普通老虎）；开源一周衍生近 300 个模型、ComfyUI 版下载逼近 700 万次，"视频模型重演 DeepSeek 的故事"

⚠️ 许可注意：H3 Community License 排除美欧商业使用，务必阅读协议。

优化生态

量化全家桶：GGUF（Q2~Q8 各档，消费级 15.6-23.9GB）+ INT4 / INT8 / MIXED / NVFP4 统一仓库（Abiray / realrebelai / DiffSynth-NF4 等）；显存压缩：ComfyUI 团队裁减调制权重 + INT8 + 定制内核，最低占用 123.6GB→42.5GB，INT8 24GB 单卡按层 offload、NF4 8-12GB 可跑；推理加速：SageAttention2 / TE-Speed / TeaCache 等（潜力 2-3 倍）；Turbo LoRA 采样 20 步→4-8 步；Apple Silicon 原生推理引擎（antirez）；开源当天即 ComfyUI 原生支持 + 六套工作流（文生/图生/首尾帧/参考视频）；设计期即适配国产芯片

4. LingBot-Video灵波智能

待核具身/机器人

开源时间

2026-07（2026 全景盘点新发布）

开源地址

GitHub / HF（以官方仓库为准）

架构细节

Dense 1.3B；MoE 30B-A3B + Refiner

能力规格

T2V / TI2V / 具身视频；物理行为、机器人、第一人称数据导向

部署

1.3B 消费级可跑；30B-A3B 需多卡

社区评价

新发布、生态成熟度待观察；具身智能研究新选择

优化生态

生态仍在早期

5. Cosmos3-Super-Image2VideoNVIDIA

AA I2V 开源第1OpenMDW-1.1物理AI

开源时间

2026-06-01

开源地址

HF nvidia/Cosmos3-Super-Image2Video ｜ GitHub NVIDIA/Cosmos

架构细节

64B（MoT 混合 Transformer，Cosmos3 全模态世界模型一部分）

能力规格

图 → MP4；推荐 480p（832×480，16:9）；默认 189 帧；物理一致性、时间连贯

评测/排行

Artificial Analysis Image-to-Video 榜开源第 1（2026-07-17 快照）

部署

64B 数据中心级（8×H100/H200/GB200）；Cosmos3-Nano 16B 单 GPU；PyTorch/vLLM-Omni/Diffusers/NIM

社区评价

物理 AI 世界仿真首选；普通创作者门槛过高

优化生态

代码+权重+数据集+基准全开源；Nano/Edge 轻量档；AtomGit 镜像

6. MAGI-1Sand.ai

Research 许可自回归

开源时间

2026-04

开源地址

GitHub isl-org/MAGI-1 ｜ HF ｜ magi-1.ai

架构细节

自回归 + Diffusion Transformer；4.5B / 24B；24 帧/块流式生成

能力规格

无限长度（24 帧/块流式）；精确秒级时间线控制；强提示遵循

部署

4.5B 单 GPU 24GB+（RTX 4090）；24B 需 8×H100 或 8×4090；distill+fp8 版 4×H100 或 8×4090

社区评价

无限长度生成标杆；长叙事/纪录片场景；生成慢、分辨率选择有限

优化生态

4.5B 单卡版；24B 多卡版；distill+fp8 量化；T5+VAE 配套

7. Wan2.7阿里

AA T2V 首发 Elo 1762Apache 2.0全家桶

开源时间

2026-04（4-07 曾以匿名 HappyHorse-1.0 登 Arena 历史第一）

开源地址

HF Wan-AI/Wan2.7（gated 需登录接受许可）｜ ModelScope ｜ GitHub Wan-Video（官方组织，Wan2.7 独立推理仓库未建，代码沿用 Wan2.2/diffusers）｜阿里云百炼 API

架构细节

14B MoE（27B 总 / 14B 激活）；DiT + MoE + 流匹配 + T5 编码器；图像 2D VAE+空间注意力，视频因果 3D VAE+全时空注意力；另有 1.3B 轻量版

能力规格

时长：默认 5–10s，最短 2s 素材续写至 15s；首尾帧控制
720P/1080P；24fps 默认（15/30 可调）；6 种宽高比
指令式视频编辑（删物体/换背景/改风格/改光照/改运镜/重写台词带口型）
声画同步（r2v 多主体可配音色）；9 宫格图像转视频；动作模仿

评测/排行

AA T2V 首发 Elo 1762（超 LTX-2.3 Pro 1484 / HappyHorse-1.0 1446）
Awesome Agents I2V 榜 Elo 1090 第 4（$6/min）；社区编辑评分 8.5/10

部署

14B 24GB+；1.3B 8GB+；RTX 4090 可跑（FP8/GGUF）；5B TI2V 720P 5s：多卡 ~155s / 单卡 ~534s

社区评价

"视频生成瑞士军刀——功能最全"；"开源第一次领先商业（首发 AA 榜首）"；唯一同时具备帧控制+音频同步+多参考

优化生态

ComfyUI 原生（Kijai）；GGUF（INT4/INT8）；LoRA 丰富；阿里云 PAI 一键部署；社区 4K 工作流

8. SkyReels V2昆仑万维

开源 I2V 最高分Apache 2.0无限长度

开源时间

2026（V1 为 2025）

开源地址

GitHub skyworkai/skyreels-v2 ｜ HF ｜社区 fork

架构细节

Diffusion Forcing + 流匹配（Wan2.1 血统）；1.3B / 14B；电影级光影（好莱坞级影视数据训练）

能力规格

演示最长 60s（1457 帧），理论无限长度；540P/720P；9:16 竖屏默认；24fps；T2V/I2V

评测/排行

开源 I2V 最高分（ChatForest 口径）

部署

1.3B-540P ~14.7GB；14B-540P ~51.2GB；T2V-14B-540P ~43.4GB

社区评价

无限长度生成开源标杆；电影级光影美学；情绪/氛围感强

优化生态

ComfyUI；无限长度工作流；电影级风格 LoRA

重要基准 · 2025 年末发布、仍居第一梯队

虽是 2025 年发布，但替换现有模型时必然要对标的基线，故单列。

HunyuanImage-3.0（腾讯，2025-09-28）

80B 总 / 13B 激活（MoE），开源最大多模态生图之一
发布时 LMArena 文生图全球登顶（最佳综合+最佳开源）
图像编辑 / 多轮交互 / 复杂图文排版 / 长文本小文字
许可：腾讯社区许可
地址：GitHub / HF ｜注：2026 年无新版，仍是腾讯最新开源图像

HunyuanVideo 1.5（腾讯，2025-11-21）

8.3B，DiT + CFG 蒸馏 + SSTA 注意力 + 内置 1080p 超分
5–10s / 720P / 24fps / T2V+I2V+超分；14GB 单卡可跑
许可：Apache 2.0
地址：GitHub / HF ｜注：无 2.0（2026-08 核验最新仍为 1.5）

Qwen-Image-2512（阿里，2025-12-31）

AI Arena 10,000+ 轮盲测最强开源；Apache 2.0
FP16 21.3GB / INT8 13.7GB；GGUF 6GB 可跑
2026 上半年最常被对比的基线（详见图像详情 #4）

FLUX.2 dev（BFL，2025-11）

32B MMDiT；LM Arena #9（1149）
1024–2048+；文生图+单图/多图参考；中文提示词
Q4 GGUF 19GB / FP8 32GB；许可：FLUX 非商用

Kandinsky 5.0（SberAI，2025-09）

图像 Lite 6B（MIT，4090 可跑）；视频 Pro 19B（LMArena 开源 T2V #1）/ Lite 2B（同类 #1，12GB+offload）
10s HD；可控运镜（Camera Control LoRAs）；英俄双语
GitHub kandinskylab/Kandinsky-5

排行榜数据源与口径说明

不同榜单/任务不可直接比较，这里标注快照与口径供交叉验证。

榜单	网址	口径	快照	注意
AA T2I Arena	artificialanalysis.ai	Elo 盲测（人类偏好投票）	2026-07	过滤到开源权重后 NVIDIA 第 1
AA I2V/T2V Arena	artificialanalysis.ai	Elo 盲测	2026-07/08	MAGI-2 第 6 是 I2V 榜
LMArena	lmarena.ai / arena.ai	Arena 分数	2026-08-04	qwen-image-3.0-pro 第 5（~1263，未开源，仅参考）
DesignArena	designarena.ai	设计导向盲测	2026-06/07	Ideogram 4 开源第 1 / 全球第 4
DataLearner	datalearner.com	综合评分	2026	开源/可商用过滤
ChatForest 视频榜	chatforest.ai	开源 I2V	2026	SkyReels V2 最高分

⚠️ 关键口径（避免误读）：

Wan2.7 的"1762"是首发匿名 T2V 测试（2026-05）；Awesome Agents I2V 榜为 Elo 1090 第 4——不同榜单、不同任务
NVIDIA Cosmos3"开源第一"指 AA 榜单过滤到开源权重后；与闭源混排时榜首仍是 GPT Image 2 / Veo
Ideogram 4"全球第 4"是 DesignArena，非 AA 通用榜
MAGI-2 第 6 是 114B/6B 激活 MoE，与 dense 模型成本口径不同
HiDream-O1 有"全球第 8"（5 月）和"全球第 2"（6 月 1.5 版）两个版本差异

按部署场景的选型建议

针对"跟踪最新 → 评估 → 替换现有模型"的决策路径。

🖼️ 图像生成（自部署）

场景	首选
可商用+实时高吞吐	FLUX.2 klein 4B（Apache，13GB，亚秒级）
可商用+中文文字/版式	ERNIE-Image（Apache，8B，OneIG-ZH 0.554）
文字排版设计	Ideogram 4（OCR 0.97）⚠️权重非商用
可商用+统一架构性价比	HiDream-O1（MIT，8B，GenEval 开源第1）
可商用+原生4K	SenseNova U1.5（Apache，8B，单卡）
照片级真实感	Wan2.7-Image（Apache，2K/4K Pro）
知识密集型图文	GLM-Image（MIT，CVTG-2K 第1）
物理AI/机器人数据	Cosmos3-Super-T2I（OpenMDW）

🎬 视频生成（自部署）

场景	首选
可商用+全家桶全能	Wan2.7（Apache，14B，2–15s，编辑/续写/音画）
可商用+无限长度	SkyReels V2（Apache，60s+）
可商用+原生音画	LTX-2.5（4K，极快）⚠️遵从度一般
全模态参考生成	MiniMax H3（33B，2K/15s）⚠️排除美欧商用
千亿 MoE 极致参数	MAGI-2 Preview（Apache，114B/6B激活，0.5元/条）
物理AI/未来预测	Cosmos3-Super-I2V（OpenMDW）
消费级轻量快速	LTX-Video 1.x / Wan2.7-1.3B

信息源与聚合站

排行榜与模型情报的权威一手来源 / 聚合站。

Artificial Analysis —— 模型质量/速度/价格综合榜（图像/视频 Arena）
LMArena / Arena.ai —— 人类盲测竞技场
Hugging Face —— 权重/许可/趋势榜（外网，需代理）
ModelScope —— 国内权重/许可/趋势榜
DataLearner —— 中文模型情报/规格聚合
ComfyUI Docs —— 部署/工作流生态

⚠️ 模型迭代极快，替换前务必在官方仓库二次核验权重、许可与量化生态。整理：2026-08-31。