awesome-gpt-image-2: World's largest GPT Image 2 prompt library

Google推出的首个原生多模态嵌入模型，支持视频分析、视觉购物助手等多种应用场景，已向公众开放使用。

Gemini Embedding 2 正式GA，是首个将文本、图像、视频、音频和文档映射到统一语义空间的多模态嵌入模型。支持超过 100 种语言，单次调用可处理 8192 token 文本、6 张图像、120 秒视频、180 秒音频和 6 页 PDF。通过 task prefix 实现非对称检索，显著提升 Agentic RAG 和视觉搜索精度。法律平台 Harvey 借此 Recall@20 提升 3%，视觉搜索 Match@20 从 60% 提升至 87%。

Qwen 图像模型升级到 2.0 Pro，图像质量、多语言文字渲染和指令遵循能力全面提升。在 Text-to-Image Arena 全球排名第 9，人像、写实、电影风格等细分场景进入前 10。主打更一致的跨风格表现，中文场景优化到位，适用于国际化视觉内容生产。国产开源视觉模型又一次突破，是做国际化视觉内容的新选择。

Gemini新增视觉Agent能力：模型可将数据表格转化为高质量图表、分析信息图、理解图像内容并绘制边界框、按大小对物体进行视觉排序等。核心突破是LLM能自主写代码来驱动视觉任务执行，而非预设视觉管道，标志着视觉推理从「固定流程」向「自主规划」的重要转变。