Z.aiが画像生成モデル「GLM-Image」公開、文字描画の精度91.2%を達成
Z.aiがHugging Faceで画像生成モデル「GLM-Image」を公開しました。自己回帰と拡散デコーダのハイブリッド設計を採用し、単一モデルでテキストからの画像生成に対応。CVTG-2K評価の文字描画精度で91.2%を記録し、先行モデルを上回るスコアを示しています。
AI画像
新しいニュースを見る
Hugging FaceにQwen 3Dカメラ制御が登場、画像のアングルを直感操作
開発者の multimodalart 氏が Hugging Face 上で Qwen 画像編集向けの 3D カメラ制御 Space を公開した。fal の LoRA を活用し、3D ビューポートのハンドル操作やスライダー調整だけで方位角、仰角、距離を変更できる。プロンプト頼みだった画像の視点変更が、3D ツールのように直感的に行える点が魅力だ。
オープンソース画像編集「VIBE」登場：2K画像を約4秒で編集
軽量な画像編集モデル「VIBE」が公開された。2BのQwen3-VLと1.6BのSana 1.5を組み合わせ、H100上で2K解像度の画像編集を約4秒でこなす。蒸留版では2秒未満まで高速化され、元画像のディテールを崩さずに低コストで編集できる点が注目されている。
UniSH公開：動画1本から3D背景と動く人物を一度の推論で同時復元
UniSHが、動画から3Dシーンと人物の姿勢・形状を同時に復元するフィードフォワード型フレームワークを公開しました。手ブレや激しい動きを含む映像からでも、シーン点群、カメラ軌跡、人体メッシュを一度の推论で出力できます。GitHubでコードが公開されており、ローカル環境で実行可能です。
Tongyi Labが「Qwen-Image-2512」公開、質感と文字描画を大幅強化
12月、Tongyi Labは画像生成モデル「Qwen-Image-2512」をオープンソース公開した。特有の「AIっぽさ」を抑え、肌の毛穴やシワ、動物の毛並みなどの写実的な質感を追求。さらにテキスト描画精度も向上し、インフォグラフィックやプレゼン資料の生成にも対応する。
テンセント、10億パラメータの3D動作生成モデル「HY-Motion 1.0」をオープンソース公開
テンセントはテキストから3Dキャラクターアニメーションを生成する10億パラメータ超のモデル「HY-Motion 1.0」をオープンソースで公開した。DiT構造を採用し、200種以上の動作カテゴリーに対応。生成された3Dデータはそのまま既存の制作パイプラインに組み込める。
fal、FLUX.2 Turboを公開：推論を8ステップに短縮、1枚1セント未満
falはオープンウェイト画像モデル「FLUX.2 [dev] Turbo」を公開した。DMD2蒸留技術により推論ステップを50から8へと大幅削減し、1024x1024画像を6.6秒、1枚約0.008ドルで生成できる。重みはHugging Faceで提供されるが、商用利用にはfalの公式APIが必要となる。
アリババが「Qwen-Image-Edit-2511」公開：集合写真の一致性向上、LoRAも内蔵
アリババが画像編集モデル「Qwen-Image-Edit-2511」を発表した。前バージョン2509と比べ、集合写真での人物の一貫性維持や幾何学的な構造推論が大幅に向上。人気のコミュニティLoRAも標準搭載され、追加調整なしですぐにデザインや高度な編集に活用できる。
アリババ、画像をPhotoshop級のRGBAレイヤーに分解する「Qwen-Image-Layered」公開
アリババのQwenチームは画像分解モデル「Qwen-Image-Layered」をオープンソース公開した。プロンプト指定で画像を3〜10枚の独立したRGBAレイヤーに分解でき、レイヤー内の再分解も可能。面倒な切り抜き作業なしに、Photoshopで直接レイヤー編集できるようになる。
Manus、AI生成スライドの部分編集に対応：再生成なしで文字や配置を修正可能に
Manus はnano banana Pro で生成したスライドの精密な部分編集に対応したと発表した。従来は画像全体を再生成する必要があったが、クリック操作でテキストや特定要素のみを元の画質を保ったまま直接編集できる。全ユーザーに即日提供され、既存のスライドも編集可能。
Adobe PhotoshopがFlux.2 Proに対応：生成塗りの新モデルに
Adobe Photoshopの「生成塗りつぶし」にFlux.2 Proがパートナーモデルとして追加された。ユーザーはPhotoshopの編集画面から直接Flux.2 Proを選択して画像の生成や補完を行えるようになり、作業時のモデルの選択肢がさらに広がった。
Microsoft、画像から3Dを生成する「TRELLIS.2-4B」公開 最速3秒でPBR対応モデルを出力
Microsoftの研究チームは単一画像から高精度な3Dアセットを生成する40億パラメータのオープンソースモデル「TRELLIS.2-4B」を公開した。独自のスパースボクセル構造を採用し、PBR材質や半透明表現を含む3DメッシュをH100環境なら約3秒で生成できる。動作には24GB以上のメモリを備えたNVIDIA GPUが必要となる。
OpenAI、画像生成モデル「GPT Image 1.5」を公開 生成速度4倍で局所編集に対応
OpenAIは旗艦画像生成モデル「GPT Image 1.5」を公開した。生成速度が最大4倍に高速化し、API価格も20％引き下げられた。自然言語による部分編集に対応し、複数回の修正でもロゴや顔の一貫性を保てる点が特徴で、LMArenaで首位を獲得した。
Black Forest Labsが画像生成モデル「FLUX.2 [max]」を発表
Black Forest LabsはFLUX.2 [max]を発表した。Web検索によるリアルタイム情報の参照に対応し、最大10枚の参照画像を用いてスタイルや被写体の一貫性を維持できる。@ArtificialAnlysの評価で2位にランクインした。
アリババが「Wan2.6」発表：15秒のマルチカット生成やネイティブ音声同期に対応
アリババはマルチモーダルモデル「Wan2.6」を発表した。15秒の1080p動画生成に対応し、指示文から複数カットのストーリー動画を自動構成できる。さらに自然なリップシンクを伴う音声同期や、キャラの一貫性を保った新シーン配置も可能。動画生成AIの課題だったカット割りと音ズレの解消に大きく前進した。
Adobe Firefly、プロンプトでの動画編集に対応 「FLUX.2」なども統合
Adobeは「Firefly」の動画エディタを全ユーザー向けに提供開始した。動画を最初から作り直すことなく、テキストの指示だけで被写体や色、カメラアングルを部分修正できる。さらに「FLUX.2」やTopazの高画質化モデルもアプリ内に統合された。
OpenAIが画像生成を刷新：生成速度4倍、構図を崩さず部分編集が可能に
OpenAIは新版ChatGPT ImagesおよびAPI向けモデル「GPT Image 1.5」を公開した。画像生成速度が最大4倍に高速化し、元の照明や人物の容姿を保ったまま部分的な修正が可能になったほか、API価格も20%引き下げられた。サイドバーにはプロンプト不要で試せる専用スペースも新設されている。
Google、Gemini Deep Researchに視覚的レポート機能を追加：動的シミュレーションにも対応
GoogleはGemini Deep Researchに視覚的レポート生成機能を追加した。テキスト要約にとどまらず、カスタム画像やチャート、変数を直接操作できる対話型シミュレーションを作成できる。Google AI Ultra加入者向けに提供され、複雑なデータの直感的な把握を支援する。
Manus 1.6公開、新エージェント「Max」でモバイルアプリ開発と画像編集に対応
Manusは新バージョン1.6を公開し、新フラッグシップ「Manus 1.6 Max」を導入した。一発でのタスク成功率を高め、ブラインドテストの満足度は19.2%向上。表計算やWeb開発の強化に加え、初のモバイルアプリ開発や、部分修正が可能な画像編集用「Design View」を搭載した。
OpenAIの次世代画像モデルか？「Chestnut」「Hazelnut」がArenaに出現
Design Arena および LM Arena に「Chestnut」と「Hazelnut」という未発表モデルが登場し、OpenAI の次世代画像モデルではないかと話題を呼んでいる。高い知識量や画像内コードの描画能力が確認されており GPT 5.2 との同時提供も噂されるが、公式発表はまだない。