Upscayl

采用判断：Upscayl GitHub 星标超过 4.5 万，X（原 Twitter）上单条推文获千次以上转发，社交热度极高，但大量转发属于“免费替代”类宣传，真正有详细实测、教程性内容的比例不高。

实际作用：底层集成 Real-ESRGAN 等超分辨率模型，可拖拽图片、选择模型和放大倍数（最高 16 倍），输出 JPG、PNG、WebP。在卡通、Logo、文字截图等边缘清晰的内容上效果突出，老照片修复、低分辨率素材提升尺寸后能保留纹理。

门槛与成本：完全免费，无需注册、无 API 费用，源码开放，支持 Windows、macOS 和 Linux。需要本地安装，放大过程依赖 GPU，低配设备速度较慢。有用户提到选择适合的模型能改善效果，但批量和超大的任务仍有性能瓶颈。适合需要离线放大、可反复调整参数的用户；不适合追求一键艺术生成或原图损坏严重、AI 也无法补出合理细节的场景。

社媒共识与讨论质量：X 上多为“免费工具推荐”性质的高赞转发，英文、西班牙语、阿拉伯语等多语种传播，显示全球范围内的关注。知乎有少量用户体验分享，提供了老照片、PPT 素材、截图放大等实测，评价“惊喜”但坦言对极糊图片效果有限。讨论以展示和转发为主，缺少系统性对比评测，样本有限。它不是 Midjourney 那样的 AI 图像生成器，更宜类比 Topaz Gigapixel AI 的开源本地化替代。