

> **导语**
> 今日AI界动态纷呈：阿里巴巴推出ComfyUI-Copilot插件，通过自然语言大幅降低AI艺术创作门槛；自动驾驶机器人公司Cartken成功转型，从食品配送迈向更广阔的工业应用领域；开源AI协作框架CrewAI在GitHub上迅速走红，为开发者提供了构建多智能体系统的高效新范式。

## 阿里开源新星：ComfyUI-Copilot让AI艺术创作“说到做到”

由阿里巴巴国际数字商业集团开发的开源AI助手插件ComfyUI-Copilot，正在彻底改变AI艺术的创作方式。它通过引入自然语言交互，让用户无需再面对复杂的节点和工作流搭建，只需通过简单的语言描述，即可自动生成所需的工作流程。该插件内置了庞大的模型和工作流知识库，支持多模态生成任务，极大地提升了AI艺术创作的效率与便捷性，并已在全球范围内获得社区的高度认可和积极响应。

![image.png](https://static.downly.cn/images/0ade3ea13bca7bdbcd7bbffd14f95e57.png)

## 机器人“转行”：Cartken从送外卖到进工厂

自动驾驶机器人初创公司Cartken正在进行战略重心转移，将其业务从最初的“最后一公里”食品配送，扩展至潜力巨大的工业应用市场。得益于与ZF Lifetec的成功合作，Cartken的机器人在工厂内部运输生产样品方面展现了卓越的效率和可靠性。这一成功的跨界应用吸引了三菱等行业巨头的关注，预示着其在汽车、制药、化工等领域的广阔前景。公司将继续优化现有的配送业务，但未来的增长点将主要聚焦于工业领域。

![image.png](https://static.downly.cn/images/bffcf31cc9175e7221f12399dc0382f3.png)

## GitHub新宠：CrewAI如何让AI智能体“组团”高效工作

开源AI智能体框架CrewAI在GitHub上掀起了一股热潮，迅速获得了超过三万四千颗星标和十万名开发者的关注。这个基于Python的框架，其设计灵感源自人类组织的协作模式，通过其核心组件Crews和Flows，让开发者能够轻松创建分工明确、可协同工作的自主AI智能体团队。它支持角色定义、工具自定义等功能，为构建高效、自主的AI协作系统提供了一个强大的平台，引领着AI开发的新潮流。

![image.png](https://static.downly.cn/images/8c4cc74482d6edee9f221eb6703769ff.png)



每日AI资讯0721：AI助手简化艺术创作，机器人“转行”工业界，智能体协作框架火爆GitHub

> 近日，国内知名 AI 公司 MiniMax正式发布其全新一代 **MiniMax Agent**。 这一智能体不仅实现了**图像生成和多语言支持**两大核心突破，更在**长任务处理和复杂指令理解**方面展现出前所未有的智能，显著提升了 AI 助手的实用性和交互体验。 MiniMax Agent 的上线，标志着其在大模型应用落地方面迈出了坚实一步，预示着更智能、更具生产力的 AI 时代即将到来。


随着人工智能技术的快速发展，大型语言模型（LLM）驱动的 AI Agent（智能体）正成为行业焦点。 这些 Agent 不仅能够理解复杂指令，还能自主规划和执行任务，有望在各个领域提升效率。 国内领先的 AI 公司 MiniMax也紧随其后，正式推出了其功能强大的 [MiniMax Agent](https://agent.minimax.io/)。

MiniMax Agent 的上线，带来了多项令人振奋的突破，特别是其**图像生成能力和多语言支持**，以及在**长任务处理**上的显著提升，使其在智能性和实用性上迈向了新的台阶。

![image.png](https://static.downly.cn/images/4cd600aac043a03e32da3d12d9c9e7ad.png)
[demo地址](https://4cwghqarlq.space.minimax.io/)

### 核心突破 MiniMax Agent的亮点功能

MiniMax Agent 的发布，带来了多项关键能力的升级，使其在同类产品中脱颖而出

#### 1. 集成图像生成能力

MiniMax Agent 首次集成了**图像生成**功能，这使得它不再局限于文字输出。 用户可以通过文字指令，直接让 Agent 生成符合描述的图片。

*   **丰富创意表达** 无论是需要概念图、设计草图，还是进行艺术创作，Agent 都能直接提供视觉内容。
*   **提升交互体验** 用户在与 Agent 交流时，不仅能得到文字回复，还能获得具象化的视觉反馈，增强了交互的丰富性和直观性。

#### 2. 全面支持多语言交互

针对全球用户需求，MiniMax Agent 实现了**多语言支持**。 这意味着它能够理解和生成多种语言的文本和图像，打破了语言障碍。

*   **全球化应用** 便于不同国家和地区的用户使用，拓展了 MiniMax Agent 的应用场景。
*   **跨文化交流** 促进了不同语言背景用户之间的信息互通和协作。



### 智能升级 长任务处理更具优势

除了图像生成和多语言支持，MiniMax Agent 在**长任务处理**方面的进步同样值得关注。 这是衡量一个 Agent 智能水平的关键指标

#### 1. 复杂指令的精准理解

MiniMax Agent 能够更好地理解**用户提供的复杂、多步骤的指令**。 这使得它在处理需要深入思考、分解任务的场景时，表现更为出色。

#### 2. 高效的自主规划与执行

Agent 具备更强的**自主规划能力**，能够将一个大的目标任务分解为多个子任务，并按逻辑顺序逐一执行。 在执行过程中，它还能根据实时情况进行调整和优化。

#### 3. 记忆与上下文维护

在处理长任务时，MiniMax Agent 能够有效**维护上下文信息和长期记忆**。 这使得它在多轮对话或连续操作中，不会“遗忘”之前的指令或生成的内容，保证了任务的连贯性。

这些能力使得 MiniMax Agent 在处理如撰写长篇报告、规划复杂旅行、进行多步骤数据分析等任务时，能够展现出远超传统 AI 助手的智能和效率。

### 应用前景 更智能的AI工作助手

MiniMax Agent 的上线，预示着 AI Agent 将在更多实际场景中发挥重要作用

*   **个人助手** 帮助用户规划日程、管理信息、进行创意设计等。
*   **内容创作** 辅助文案、设计、视频制作等领域的工作者，快速生成各种素材。
*   **跨国交流** 在国际商务、教育、文化交流等领域，提供高效的多语言智能支持。
*   **自动化办公** 简化复杂的工作流程，提升企业和个人的生产力。

MiniMax 正通过持续的技术创新，推动 AI Agent 从简单的问答工具，走向能够真正帮助人类处理复杂事务的智能工作伙伴。



MiniMax Agent上线 图像生成+多语言支持 长任务处理更智能

> 近日，谷歌（Google）重磅宣布，其最新一代文生图模型 **Imagen 4** 正式集成到 Gemini，并向部分 Gemini Advanced 用户开放体验。 作为谷歌迄今为止最强大的图像生成模型，Imagen 4 在图像质量、细节丰富度、提示词理解和一致性方面都取得了显著飞跃，标志着 Gemini 在多模态能力上迈出了关键一步，为用户带来了前所未有的创意生成体验。



人工智能领域的技术浪潮汹涌澎湃，其中文生图模型更是焦点所在。 谷歌在这一领域一直走在前沿，其 Imagen 系列模型以其卓越的图像生成能力而闻名。 如今，这一系列迎来了里程碑式的升级。

近日，谷歌正式宣布，其最新、最强大的文生图模型——**Imagen 4**，已全面集成至其旗舰级多模态AI模型 **Gemini**。 这一激动人心的消息意味着，部分 Gemini Advanced 用户将能够率先体验到 Imagen 4 带来的革命性图像生成能力，为创意表达和内容创作开启了新的篇章。

![image.png](https://static.downly.cn/images/e94af3be26d860a9d8fb576ad758609d.png)

### 性能飞跃 Imagen 4的强大实力

Imagen 4 的推出，并非简单的版本迭代，而是谷歌在图像生成技术上的一次重大突破。 它在多个关键指标上实现了显著提升
![image.png](https://static.downly.cn/images/6766e3650d37f7c8ea5c58448fe55d3b.png)

#### 1. 图像质量登峰造极

Imagen 4 生成的图像在**逼真度、细节丰富度、色彩表现力以及光影效果**上达到了前所未有的水平。 无论是复杂的场景、精细的纹理还是微妙的情绪表达，Imagen 4 都能精准呈现，使得生成图片几乎 indistinguishable from real photos（难以与真实照片区分）。

#### 2. 精准理解复杂提示词

以往的文生图模型在处理长句、复杂概念或多重指令的提示词时，常出现理解偏差。 Imagen 4 则在这方面取得了显著进步，它能够**更准确地解析用户的意图，将复杂的文字描述转化为精准的视觉元素**，大大提高了生成图像与用户预期的匹配度。

#### 3. 增强图像一致性

在生成一系列相关图像或处理同一主题但不同视角的图片时，Imagen 4 展现出卓越的**一致性**。 这对于需要批量生成、保持风格统一的内容创作场景至关重要。 无论是人物特征、物体形态还是场景氛围，都能在不同生成结果中保持高度协调。

#### 4. 安全与伦理考量

谷歌在开发 Imagen 4 的过程中，始终将**安全和负责任的 AI 原则**放在首位。 模型在训练数据和生成内容方面都经过严格的过滤和审查，旨在避免生成有害、偏见或不当内容，确保技术的正面应用。



### Imagen 4如何赋能Gemini

Imagen 4 的集成，无疑是 Gemini 在多模态能力发展上的一个重要里程碑。 这意味着 Gemini 不再仅仅是一个强大的语言模型，它将真正成为一个能够“看图说话”也能“画图说话”的全能型 AI 助手。

*   **更丰富的创意表达** 用户可以直接在 Gemini 中，通过文字描述即可生成高质量的图像，无论是设计草图、艺术创作还是生活场景的想象，都变得触手可及。
*   **提升内容创作效率** 对于营销、设计、媒体等行业从业者，Imagen 4 将大幅提升图像素材的生成效率，降低创作门槛。
*   **多模态交互新体验** 用户可以通过图像向 Gemini 提问，再结合文字生成新的图像，形成更自然、直观的交互体验。

未来，随着 Imagen 4 在 Gemini 中更广泛的应用，我们有望看到更多基于视觉和语言的创新应用涌现。

### 展望 文生图大模型的未来

Imagen 4 登陆 Gemini，不仅是谷歌自身技术进步的体现，更是文生图大模型发展趋势的一个缩影。 随着模型能力的不断增强，对**细节的把握、复杂指令的理解、风格的控制以及伦理安全的考量**将成为竞争的关键。

谷歌正通过持续的技术创新，推动 AI 艺术创作和多模态交互进入一个全新的高度。 Imagen 4 在 Gemini 中的表现，无疑将为我们勾勒出未来 AI 助手的无限可能。


Imagen 4登陆Gemini

> 汉青HQ发布 AI 原生 MV 《SURREAL》，集成了可灵 2.1、即梦 AI、Veo 3 和 Vidu AI 等顶尖模型，共同打造前所未有的视听盛宴。



在人工智能技术飞速发展的当下，其在艺术创作领域的应用正变得越来越深入和广泛。 近日，汉青HQ发布了一支完全由 AI 生成的音乐视频（MV）——《SURREAL》。 这部 MV 的问世，不仅是汉青HQ在人工智能与音乐结合上的大胆尝试，更预示着未来内容创作，特别是音乐视觉表达方式的全新可能。 这部作品的独特之处在于，它不仅仅是简单的 AI 生成，而是巧妙地整合了市面上几乎所有顶尖的 AI 模型，让每个模型都承担其最擅长的部分，共同构建了一个视觉与听觉完美契合的超现实世界。

<video src="https://static.downly.cn/images/d7ecf29f4387cafa5c20362b7fba5b98.mp4"  title="30309943131-1-16.mp4"></video>

《SURREAL》MV 的制作，是一次对 AI 协同创作能力的极限挑战。 汉青HQ将各大 AI 模型视作不同领域的“专家”，精妙地分配了任务

*   **动态表情与大动态运镜、精确手势控制、演唱口型和旋转机位运镜** 这些对细节和流畅性要求极高的部分，主要由 **可灵 2.1** 承担。 可灵 2.1 在处理复杂动态和精细动作方面的卓越能力，赋予了 MV 中人物生动的表情和流畅的镜头语言。
*   **静态口型处理** 影片中人物在静态时的口型同步，则由 **即梦 AI Omnihuman** 精准完成。 这确保了即使在相对静止的画面中，演唱者的口型也能与歌声完美契合。
*   **实拍效果模拟** 为了追求逼真的视觉质感，部分场景的实拍效果模拟基于 **Veo 3** 实现。 Veo 3 的强大之处在于其能够生成高度写实、媲美真实拍摄的视频画面，为《SURREAL》增添了沉浸感。
*   **二次元动漫风格** 而当 MV 切换到充满想象力的二次元动漫风格时，则由 **Vidu AI** 倾力生成。 Vidu AI 在生成独特、细腻的动漫视觉方面表现出色，为作品带来了多元化的艺术呈现。

正是这种“众星捧月”式的多模型协作，使得《SURREAL》在视觉呈现上实现了前所未有的丰富性和精度，打破了单一 AI 模型可能存在的局限性。

## 解锁 AI 协同创作新范式 推动艺术边界拓展

《SURREAL》的发布，不仅是一次视听的盛宴，更是对 AI 协同创作模式的一次成功验证。



这种集大成式的制作方式，为未来的内容创作提供了新的范式

*   **最大化模型优势** 通过让不同 AI 模型专注于其擅长领域，有效发挥了各模型的最大效能。
*   **实现复杂创意** 结合多种 AI 能力，使得过去难以实现的复杂、多元的创意得以变为现实。
*   **提升作品质量** 综合各模型所长，显著提升了最终作品的视觉质量和艺术表现力。

汉青HQ通过《SURREAL》向我们展示了，AI 不再是孤立的工具，而是可以像人类团队一样，通过协同合作，创造出远超个体能力的作品。 这也为 AI 赋能的艺术创作开辟了新的道路，预示着一个更加多元、高效的创意时代即将到来。



汉青HQ此次实践，不仅展示了其卓越的技术整合能力，更体现了其对艺术前沿的深刻洞察。 他们在探索 AI 与艺术的边界上持续发力，不断突破，为整个行业树立了新的标杆。 随着《SURREAL》的发布，我们有理由期待，汉青HQ将继续为我们带来更多充满想象力、融合尖端科技的艺术作品，引领 AI 艺术创作迈向更高的层次。




汉青HQ发布 AI 原生 MV《SURREAL》

> Black Forest Labs 近日发布 Flux Kontext，一款媲美 ChatGPT 图像编辑能力的模型。



在 AI 技术飞速发展的今天，图像编辑领域也迎来了新的突破。 近日，专注于生成式 AI 研究的 Black Forest Labs 宣布推出其最新成果 Flux Kontext。 这款模型被认为是能够与 ChatGPT 等大型语言模型相媲美的图像编辑工具，预示着 AI 在理解和操作图像方面正变得越来越智能。

![image.png](https://static.downly.cn/images/20250530073656.421431040.png)

Flux Kontext 的核心能力在于它能够理解复杂的文本指令，并将其转化为对图像的精确编辑。 这意味着用户可以通过自然语言的方式，向 AI 模型描述他们想要进行的修改，而无需学习繁琐的专业软件操作。

## 强大的图像编辑能力 媲美大模型理解力

Flux Kontext 的亮点在于其对文本指令的理解能力和在图像上执行相应编辑的精确性。 尽管官方可能没有直接将其与 ChatGPT 的所有能力进行对比，但“媲美 ChatGPT”的说法，暗示了 Flux Kontext 在以下方面可能具备出色表现

*   **对复杂指令的理解** 能够理解多步骤、包含多种元素的编辑需求。
*   **上下文感知能力** 考虑图片本身的元素和背景，进行合理的编辑。
*   **创意性编辑** 不仅仅是简单的修改，还能进行风格转换、元素添加或移除等创意性操作。
*   **高保真度输出** 生成的编辑结果在视觉上自然且高质量。

![image.png](https://static.downly.cn/images/20250530073722.160284612.png)

这种媲美大型语言模型的理解力，使得 Flux Kontext 能够处理更加复杂和细致的图像编辑任务，极大地提升了用户的工作效率和创作自由度。

## 潜在应用广泛 设计 创意 艺术领域福音

Flux Kontext 的发布，为多个领域带来了新的可能性，尤其是在需要大量图像编辑工作的场景下。



例如

*   **平面设计** 快速调整图片元素、修改风格、生成不同版本的创意素材。
*   **广告营销** 快速生成符合不同营销需求的视觉内容。
*   **摄影后期** 简化复杂的后期处理流程，通过文本指令完成精细调整。
*   **艺术创作** 将文字描述转化为视觉作品，探索新的艺术表达方式。

Flux Kontext 有望成为设计师、营销人员、摄影师和艺术创作者的强大助手，帮助他们更高效地实现创意。

## AI 赋能图像编辑 未来充满期待

Black Forest Labs 推出 Flux Kontext，是 AI 赋能图像编辑领域的又一重要里程碑。



随着技术的不断进步，我们有理由相信，未来的图像编辑工具将更加智能、易用和强大。 像 Flux Kontext 这样的模型，通过融合大型语言模型的理解力和图像生成编辑能力，正在为我们勾勒出一个充满可能性的未来。 期待 Flux Kontext 能够为图像编辑领域带来更多创新和突破。



**更具吸引力且更贴近文章重点的标题建议**

*   媲美 ChatGPT 的图像编辑神器来了 Black Forest Labs 发布 Flux Kontext
*   告别复杂工具 Black Forest Labs Flux Kontext 让你的文字变成图像魔法
*   AI 图像编辑新高度 Black Forest Labs 推出 Flux Kontext 突破创意边界
*   Flux Kontext 重磅发布 Black Forest Labs 用 AI 重新定义图像编辑
*   你的下一款图像编辑工具？ Black Forest Labs Flux Kontext 带来智能体验



Black Forest Labs 推出 Flux Kontext AI 图像编辑迎来新突破


> 对于全球数百万创意工作者和 AI 艺术爱好者而言，Midjourney 无疑是他们释放想象力的强大工具。其不断迭代的技术，尤其是在图像生成质量上的突破，一次又一次地刷新着人们对 AI 艺术的认知。近日，Midjourney 团队发布了一系列重要更新，不仅显著提升了核心功能 V7 的生成速度，还邀请社区共同参与未来的功能规划，并增强了平台的内容审核能力。这些举措不仅提升了用户体验，也展现了 Midjourney 持续创新和构建健康社区生态的决心。



用户体验始终是 Midjourney 关注的重点之一。在最新的更新中，Midjourney 宣布其 V7 模型在图像生成速度上取得了显著突破。

据官方消息，Midjourney V7 的生成速度提升了约 40%。具体表现为

*   **Fast 模式下** 作业渲染时间从原来的 36 秒减少到约 22 秒。
*   **Turbo 模式下** 作业渲染时间从原来的 13 秒减少到约 9 秒。



这次速度优化被 Midjourney 称为在 V7 全面默认启用前的“最终优化”步骤。 这对于需要大量生成图片的专业用户或希望快速迭代创意的用户来说，无疑是一个重大利好。 更快的生成速度意味着更高的工作效率和更流畅的创作体验。 官方表示，这次优化也是为了在 V7 全面推广后，避免出现 GPU 资源不足的情况，保障平台的稳定运行。

值得注意的是，Omni-reference 等非默认设置的作业生成速度可能不会受到此次优化的影响。 同时，用户如果希望模型“花费更多时间”来生成图片，仍然可以使用 –q 2 或 –q 4 等参数，未来这些参数的优化也将进一步完善。

## 社区共建未来 功能创意排行榜上线

Midjourney 深知社区的力量，并一直积极与用户互动，收集反馈。 在此次更新中，Midjourney 推出了一项全新的社区参与机制——功能创意排行榜（ideas ranking party）。

这项机制旨在邀请用户直接参与到 Midjourney 未来的功能路线图中来。 运作方式如下

1.  用户访问 midjourney.com/ideas 页面。
2.  每次会看到 5 个待排名的功能创意，并获得 25 个积分。
3.  用户根据自己对这 5 个创意的重视程度，将 25 个积分分配给它们。 越重要的创意，分配的积分越多。
4.  用户可以重复进行多次积分分配，帮助系统收集更多数据。
5.  通过排行榜（leaderboard），用户可以看到社区对所有功能创意的整体排名情况，了解哪些功能最受用户期待。

![image.png](https://static.downly.cn/images/20250530023512.172892135.png)

这一创新的用户反馈机制，不仅让用户感受到了参与感和被重视感，也为 Midjourney 团队提供了宝贵的决策依据，帮助他们更准确地把握用户需求，从而开发出更符合社区期待的功能。 通过社区的共同努力，Midjourney 的未来将更加符合用户的实际使用场景和需求。

## 强化 AI 审核 构建健康创作环境

随着 AI 生成内容的普及，如何有效管理和审核平台上的内容，维护一个健康、积极的社区环境，成为了所有 AI 生成平台面临的重要挑战。 Midjourney 在这方面也持续进行投入。

此次更新中，Midjourney 宣布对其编辑器中的 AI 审核系统进行了升级。

在此次升级前，Midjourney 对被标记为违规的提示词（prompts）的拦截准确率约为 58%。 这意味着仍有相当一部分违规内容未能被有效阻止。

经过对新的 AI 审核模型进行训练后，目前的拦截准确率已大幅提升至 96%。



这一显著的提升，表明 Midjourney 在构建更安全的创作环境方面取得了重要进展。 高效的 AI 审核有助于减少平台上的不当内容，保护用户的权益，并维护社区的整体氛围，让用户能够更安心、更专注于进行他们的创意探索。

## 总结与展望 持续进化中的 Midjourney

Midjourney 近期的这一系列更新，无论是核心功能的提速、社区参与度的提升，还是内容审核的强化，都体现了其作为行业领先者持续自我优化和进化的决心。 Faster V7 提升了效率，功能创意排行榜让未来充满期待，更强的 AI 审核则为社区的健康发展保驾护航。



这些改进共同推动着 Midjourney 向着更强大、更开放、更健康的 AI 艺术创作平台迈进。 对于用户而言，这意味着更快的生成速度、更多符合需求的功能以及更安全的创作环境。 我们期待 Midjourney 未来能带来更多惊喜，继续引领 AI 艺术生成领域的创新。



搜索结果: 艺术创作