NEX 六人团队研发的 Ikon 2 AI 绘画模型，仅用 9 万 GPU 小时、1/6 行业预算，在 GenEval 提示匹配度评测中力压 DALL·E 3、Flux 和 DeepSeek Janus 登顶榜首，以极低成本实现高精度图像生成。
NEX 推出新的 AI 绘画模型 Ikon 2，在评估提示词与画面匹配度的基准测试 GenEval Overall Score 中，超越 Dall·E 3、Flux、DeepSeek Janus，拔得头筹。
打造 Ikon 模型的团队仅有 6 人，预算是其他同类模型的 1/6，模型训练也只花费了 9 万 GPU 小时，比其他 AI 绘画模型少的多。
three pizzas on a wooden table
four zebras in the wild
Fashion model with clothes in handNEX 访问地址：https://www.nex.art/
使用 LLM 辅助写作应将其定位为文字编辑而非代写枪手。核心原则包括绝不采纳模型生成的具体词汇及禁止其提供夸奖，以避免内容同质化。推荐采用“诊断-重写-比对”三阶段改稿流程，利用模型查找语法与逻辑硬伤，但由作者亲自重写。实践中可借助专用提示词库或本地工具提升效率。此外，需警惕长上下文压缩摘要可能引发的指令注入风险。AI 仅是批判性审视的效率放大器，人类创作者必须始终掌握写作主导权。
安全团队 AIR 披露高危漏洞 Plugin4Shell，影响 Claude Code、Codex 等四大主流 AI 编程智能体。该漏洞利用 Git 分支命名解析歧义绕过 SHA 固定机制，使攻击者可通过插件后台自动更新实现零点击远程代码执行。这是 AI 智能体生态首个分发层供应链漏洞，打破了传统安全审阅的信任假设。目前 Anthropic 和 OpenAI 已修复，Google 建议迁移，Microsoft 尚未发布补丁。开发者需在客户端增加 HEAD 哈希校验以防范风险。
评测显示，同一模型在不同外壳下编程成本差异可达 2 至 5 倍，源于臃肿框架注入冗余 Prompt 产生的“外壳税”。极简外壳 Pi 通过精简工具与上下文，在保持成功率的同时大幅降本。企业可利用 HarnessRouter 网关动态调度多外壳以优化成本。落地时需遵循测底噪、匹配模型工具语法及加装沙箱三原则。未来核心挑战在于平衡极简外壳的低 Token 消耗与复杂长程任务的容错机制。
围绕《NEX 的 Ikon 2 AI 绘画模型击败 Dall·E 3、Flux 等巨头，问鼎 GenEval 排行榜！》展开交流，未登录用户可浏览评论，登录后可参与讨论。