Core Insights - The launch of the Ketu 2.1 model by Keling AI significantly enhances image generation capabilities, including improved instruction adherence, stunning portrait aesthetics, and cinematic quality [1][11] - The model is available for free to all member users for a limited time, allowing creators to explore its features [11] Image Generation Capabilities - Ketu 2.1 excels in following complex instructions, accurately capturing multiple elements and details in prompts, resulting in high-quality images that showcase creative imagination [1][3] - The model demonstrates a notable improvement in image quality, including clarity, richness of elements, and realism, particularly in portrait aesthetics [3][5] Artistic and Cinematic Quality - The model can generate images with a cinematic feel, effectively recreating scenes with unique aesthetic tones and advanced composition [6] - It supports over 180 different styles, allowing creators to choose from various artistic expressions, from vintage photography to futuristic digital art [10] Text Generation Features - Ketu 2.1 also enhances text generation, producing clear and design-oriented text in both Chinese and English, facilitating smoother integration of text and images for marketing and creative projects [8] User Engagement and Growth - Keling AI has achieved significant user engagement, with a total of 344 million images and 168 million videos generated since its launch, showcasing its strength in the image generation sector [11]

赵天辰，清华大学电子工程系高能效计算实验室研究生，研究方向主要是：面向视觉生成的高效算法，与软硬件协同设计。以下工作为赵天辰在字节跳动-Seed视 觉部门实习期间完成 近年来，随着视觉生成模型的发展，视觉生成任务的输入序列长度逐渐增长（高分辨率生成，视频多帧生成，可达到 10K-100K）。与输入序列长度呈平方复杂度 的 Attention 操作，成为主要的性能瓶颈（可占据全模型的 60-80% 的开销），有明显的效率优化需求。注意力的稀疏化（Sparse Attention）与低比特量化 （Attention Quantization）为常用的 Attention 优化技巧，在许多现有应用中取得优秀的效果。然而，这些方法在视觉生成模型中，在低稠密度（<50%）与低比特 （纯 INT8/INT4）时面临着显著的性能损失，具有优化的需求。 本文围绕着视觉任务的 "局部性"（Locality）特点，首先提出了系统的分析框架，识别出了视觉生成任务 Attention 优化的关键挑战在于 "多样且分散" 的注意力模 式，并且进一步探索了该模式的产生原因，并揭示了多样且分散的注意力模式，可以被统一为代表 "局部聚合" ...

5月21日，国内首个基于国产算力预训练的视觉基座大模型"橘洲"V1端侧版在长沙正式上线。该模型能 在手机端实现1024×1024分辨率图像的秒级生成，具有成本低、质量高、速度快、轻量级、可离线等特 点。"橘洲"大模型由湖南汇视威智能科技有限公司自主研发，依托中科曙光（603019）算力，在较短时 间完成了近4000万张图片训练，成为全国首个在国产算力上完成整体训练和推理过程，并实现移动端部 署的视觉基座大模型。(长沙发布) ...

长沙晚报全媒体记者 张洋子 2025年，当全球AI竞赛进入"端侧部署"新阶段之际，一款纯国产、适配智能手机端、输入文字可实现秒级出图 的视觉生成大模型首次亮相长沙。 20日，湖南汇视威智能科技有限公司（以下简称"汇视威"）发布了视觉基座大模型"橘洲"（V1端侧版本）。与 当前主流的视觉生成大模型有所区别，"橘洲"是国内基于国产算力预训练的视觉基座大模型，可在智能手机端 实现1024×1024分辨率图像的秒级生成，并能满足在移动端上的部署和推理需求。 轻量化架构优势、多项突破性技术，"橘洲"将实现在全国甚至全球行业关键性能领跑，剑指全球行业榜单。这 款"橘洲"有多"硬核"？本报记者一探究竟。 "硬核"设计：适配手机，"小身材"有"大能量" 视觉基座大模型是视觉人工智能生成的基础设施，目前的视觉基座大模型由于其参数量大、算力需求高，推理 过程大多在服务器"云端"实现，因此端侧通用视觉大模型成为破局关键。 "算力消耗巨大、高延迟、安全隐私风险、服务器维护成本高，这些都是传统视觉大模型的缺点。"汇视威创始 人、董事长顾善植介绍，这种运用方式有三大弊端：一是模型推理成本高，给服务器算力成本和运维成本带来 极高压力；二是 ...

本文由字节跳动 Seed 和香港大学联合完成。第一作者薛泽岳为香港大学 MMLab@HKU 在读博士生，在 CVPR、NeurIPS 等国际顶级会议上发表多篇研究成果。 项目通讯作者为黄伟林博士和罗平教授。 R1 横空出世，带火了 GRPO 算法，RL 也随之成为 2025 年的热门技术探索方向，近期，字节 Seed 团队就在图像生成方向进行了相关探索。 现在，我们推出名为 DanceGRPO 的创新框架，这是首个旨在统一视觉生成强化学习的解决方案，实现了单一强化学习算法在两大生成范式（diffusion/rectified flow）、三项任务（文本到图像、文本到视频、图像到视频）、四种基础模型（SD、HunyuanVideo、FLUX、SkyReels-I2V）以及五类奖励模型（图像 / 视频美 学、图文对齐、视频动态质量、二元奖励）中的全面覆盖。 论文标题： DanceGRPO: Unleashing GRPO on Visual Generation arXiv 链接：https://arxiv.org/pdf/2505.07818 动机 在生成式 AI 快速发展的这三年，RLHF 逐渐的走进了大家的 ...