DiffSynth-Studio、1枚の画像からLoRAを自動生成する「Qwen-Image-i2L」を公開
DiffSynth-Studioは単一の画像からカスタムLoRAを直接生成できるツール「Qwen-Image-i2L」をオープンソース公開した。SigLIP2、DINOv3、Qwen-VLを基盤とし、スタイル抽出（2.4B）や内容抽出（7.9B）などのモデルを提供する。大量のデータセットなしで、1枚から即座に画風や被写体を再現できる。
AI画像
新しいニュースを見る
Google Labs、MixboardにNano Banana Proを導入 アイデアからプレゼン資料を自動生成
Google Labsはアイデア発想ツール「Mixboard」にNano Banana Proを導入したと発表した。ボード上の文脈やスタイル指定をもとに高精度なプレゼンテーション資料を作成できる。画像上への落書きによる指示編集やPDF対応、複数ボード管理も加わった。
Google、検索の「AI Mode」を約120カ国に拡大 Gemini 3 Proを搭載
Googleは検索機能「AI Mode」（英語版）を約120の国と地域へ拡大し、Gemini 3 Proと画像生成モデルNano Banana Proを提供開始した。Google AI ProまたはUltraの加入者は「Thinking with 3 Pro」を選べば、高度な推論や動的な対話型UIの即時生成を利用できる。
Kling AI、テキスト・画像・動画を統合処理する新エンジン「Kling O1」を発表
Kling AI はマルチモーダル生成エンジン「Kling O1」を発表した。テキスト、画像、動画の入力を統合して処理できる真のマルチモーダル理解を備え、制作プロセスの効率化を図る。現在は有料サブスクリプション会員向けに限定提供されている。
OpenAIとNORADが提携、ChatGPT活用のサンタ追跡ホリデーツールを公開
OpenAIは北米航空宇宙防衛司令部（NORAD）と提携し、恒例のサンタ追跡プログラム向けにChatGPTを活用した3つのツールを発表した。顔写真をエルフに変える機能、アイデアからぬり絵用線画を作るツール、創作ストーリー生成機能がNORAD公式サイトで利用できる。
需要急増でOpenAIとGoogleが制限強化、SoraやNano Banana Proの生成上限引き下げ
OpenAIとGoogleは利用急増を受け、SoraとNano Banana Proの無料生成上限を引き下げた。Soraは1日6本、Nano Banana Proは1日2枚に制限され、OpenAI責任者はGPUの逼迫を明かした。フロンティアモデルの運用コスト増大に伴い、無料枠の引き締めが進んでいる。
Luma AI、新手法「TVM」を発表：学習速度25倍、わずか4ステップで画像生成
Luma AIは単一ステージ学習フレームワーク「Terminal Velocity Matching（TVM）」を発表した。従来の拡散モデルと同等の品質を保ちながら学習速度を25倍に高速化し、100億パラメータ規模にも拡張可能。通常100回近く必要な推論をわずか4ステップに短縮できる。
Black Forest LabsがFLUX.2を発表：最大10枚の画像参照と32Bオープン重みに対応
Black Forest Labsは画像生成・編集モデルFLUX.2を発表した。最大10枚の参照画像から一貫したキャラや製品を生成でき、4MP解像度での編集やタイポグラフィ描画に対応する。32BのオープンモデルFLUX.2 [dev]も提供される。
NotebookLMにスライド資料とインフォグラフィック生成が追加、ペルソナ上限も10倍に
NotebookLMの開発チームが新機能を発表した。ソースを視覚的なストーリーに変換するスライド作成や、要点を1枚にまとめるインフォグラフィック生成に対応した。さらにカスタムペルソナの文字数制限が500字から5000字へと大幅に拡張されている。
MetaがWorldGenを発表、テキスト1行から歩き回れる3D空間を生成
Metaはテキストプロンプトからインタラクティブな3D空間を生成するシステム「WorldGen」を発表した。単一視点からの生成と異なり、50×50メートルの広さを移動しても破綻せず、UnityやUnreal Engineにも直接対応する。現在は研究段階で一般公開はされていない。
Midjourney、文字入力なしで画風を探求できる「Style Creator」早期版を公開
Midjourneyは新ツール「Style Creator」の早期バージョンを公開した。テキストプロンプトを一切使わずに新しいスタイルや美学を探索・作成できる機能で、今後のビジュアル生成体験の進化を示す一歩としている。
Google、新画像モデル「Nano Banana Pro」発表：長文テキスト描画や4Kに対応
GoogleはGemini 3 Proベースの画像生成・編集モデル「Nano Banana Pro」を発表した。リアルタイム検索と連携したインフォグラフィック生成に加え、多言語の長文テキスト描画や最大14枚の画像合成に対応する。Geminiアプリ内の「Thinking」モデルから利用可能だ。
MITが「VideoCAD」開発、AIが人間のマウス操作を真似てスケッチから3D化
MITの研究チームが、人間のデザイナーと同じようにCADツールを直接操作するAIを開発している。4万1000件超の操作画面動画を集めた「VideoCAD」データセットを用い、クリックやドラッグといったUI操作を学習。2Dスケッチから立体モデルを自動構築し、CADの操作難度を大幅に下げる狙いだ。
Metaが「SAM 3D」発表：2D画像から3D物体・人体を復元、重みもオープン化
Metaは単一の2D画像から3Dオブジェクト、シーン、人体を高精度に再構築する新モデル「SAM 3D」を発表した。物体用のObjectsと人体用のBodyで構成され、モデルの重みと推論コードがオープンソースとして公開された。Playgroundで試せるほか、Facebook Marketplaceの家具配置機能にも導入される。
Metaが「SAM 3」と「SAM 3D」を公開：テキスト指示で分割、2D画像から3D再構築
Meta は画像認識モデルの最新版「SAM 3」と「SAM 3D」を発表しました。SAM 3 は自然言語プロンプトで画像や動画内の対象を高精度に特定・追跡でき、SAM 3D は単一の 2D 画像から人物や物体を 3D 化します。専用の Playground で試すことができ、SAM 3 のコードと重みはオープンソースで公開されました。
Midjourneyがプロフィール機能を公開、初期設定でFast時間5時間を付与
Midjourneyがユーザー向けのプロフィール機能を正式公開しました。アバターやバナー、SNSリンクの登録に加え、お気に入りの生成作品をピックアップして展示できます。24時間以内にプロフィールの完成と作品8点以上の登録を済ませると、5時間分のFast生成時間が付与されます。
Replitが「Design Mode」公開：Gemini 3連携で2分でUIプロトタイプを作成
Replitは最新のGemini 3を搭載した新機能「Design Mode」を発表しました。自然言語の指示から2分以内に洗練されたUIモックアップや静的サイトを生成し、クリック操作でそのままバックエンド付きアプリへ移行できます。
ElevenLabsが画像・動画生成ツール公開、SoraやKlingを統合
ElevenLabsは制作ツール「ElevenLabs Image & Video（Beta）」を発表した。VeoやSora、Kling、Fluxなどの主要モデルで画像や動画を生成し、同社の音声や背景音楽、効果音と組み合わせてリップシンク付きの動画をStudio上で一元編集できる。
GoogleとGolden Gooseが提携、Geminiでスニーカーをカスタム
GoogleはイタリアのブランドGolden Gooseと提携し、世界40以上の店舗でGeminiを活用したスニーカーのカスタム体験を提供開始したと発表しました。来店者はPixel 10上で専用Geminiを使って図案を生成し、職人がそれを手作業でスニーカーにペイントします。
「世界モデル」3つの潮流：李飛飛は3D資産、ルカンは予測脳、DeepMindはシミュレータ
AI各社が提唱する「世界モデル」の実態の違いを解説する分析が公開されました。李飛飛率いるWorld LabsのMarbleは3Dガウススプラッティング資産生成、ルカン氏は行動計画用の内部潜在表現、DeepMindはGenie 3やSIMA 2によるインタラクティブ動画シミュレータを指向しており、同じ言葉でもアプローチは大きく分かれています。