Тут недавно китайцы с Алибабы...
Новую модель для генерации изображений впустили. Называется ZImage. Очень производительная и заработает даже на 6 Gb видеокартах. А за счёт того, что для распознавания текста используется маленькая LLM - qwen3-4B понимает модель промпты очень хорошо. Вот такие двойные (и тройные) изображения запросто генерит с одного детально прописанного промпта. Можно даже на русском писать - спокойно поймёт.
Авторы обещают в скором времени выложить версию модели, которая может редактировать изображения (как Nano Banana, но без гугловской цензуры). И главное, раз веса открытые, то комьюнити будет эти модели дообучать и улучшать. Короче, если модель будет хорошо обучаться, то возможно получится наконец вытеснить так всеми любимую (но морально устаревшую) SDXL. И будет у нас новый стандарт для мобильных генераций.