Maket 上线「文字生成家具」：打字生成 3D 模型，直接摆进平面图
Maket 推出「Text to Furniture」功能，允许用户通过文字描述直接生成 3D 家具模型。输入「椭圆形树瘤木餐桌」这类需求，即可自动生成兼顾长宽高的模型，并能直接拖入平面图以 3D 视角查看，让定制化室内布局更直观。
AI图像
蚂蚁发布 Ling 3.2 Flash：5600 亿 MoE 架构，支持 1M 上下文与 3D 重建
蚂蚁集团发布原生多模态模型 Ling-3.2-flash。它采用 MoE 架构，总参数 5600 亿而单次仅激活 250 亿，原生支持图文与视频输入，拥有 1M 上下文窗口。除了复杂视觉与医疗分析，它还能统筹多智能体协作，甚至直接从单图重建 3D 场景。
Linum 开源 Pyramid-JiT：不走 VAE，2.1 万美元训出 20 亿参数生图模型
Linum 两人团队开源生图模型 Pyramid-JiT，完全从零训练仅花费 2.1 万美元算力。它拥有 20 亿参数，彻底抛弃传统的 VAE，直接在像素空间端到端生成图像。模型代码和权重均已开源，虽不擅长复杂文字与多人构图，但大幅拉低了自研扩散模型的门槛。
Pangram 发布检测模型 Image 1.0：识破 AI 图和视频，还能画热力图
Pangram 正式上线 AI 检测模型 Image 1.0 与轻量版 Flash 1.0，能识别前沿生成器制作的图像与视频。Image 1.0 可输出热力图标出画面伪造区域，Flash 1.0 则支持逐帧视频排查。模型现已接入 Chrome 插件和 API，刷社交平台或网购时就能直接验真。
OpenAI 发布 Images 2.6：生成提速 50%，还能直接做 GIF
OpenAI 推出图像模型 Images 2.6，出图速度提升 50%，并首次支持直接生成与编辑 GIF 动图。API 同步上线 6 秒快速出图的 Flare 和主打高画质的 Sunburst 版本，还新增了 SVG 导出与局部涂鸦修改。目前已面向 ChatGPT 和 Codex 全级别用户开放。
OpenAI 联手赛车队与马自达：将 3D 扫描转 CAD 模型，探索车辆设计
OpenAI 宣布正与 Chip Ganassi Racing 的工程师合作，将 3D 扫描数据直接转换为可编辑的 CAD 模型与制造图纸；同时与马自达合作，通过仿真探索全新汽车设计。双方工程师负责审查 AI 的输出结果，并协助团队持续改进模型表现。
NitroFusion 2 开源：1 到 2 步极速出图，本地 ComfyUI 就能跑
研究团队开源图像生成模型 NitroFusion 2，把传统扩散生成压缩至仅需 1 到 2 步。它通过多模态文本流对抗蒸馏，在一步出图下仍能保留精细细节与清晰文字排版。完整模型权重约 12GB，普通消费级显卡通过 ComfyUI 即可在本地部署体验。
Pruna 开源 P-H3-Image：把视频模型改成图像生成，8 步跑出 4K 图
Pruna AI 开源图像模型 P-H3-Image，由视频模型 MiniMax-H3 重构而来。团队精简了文本编码器与网络骨干，将生成压缩至 8 步，体积减至最小 20 GB，支持最高 1600 万像素及 8 张参考图融合。ComfyUI 已原生支持该模型。
sand3d：专为大模型设计的 3D 建模 Python 库，整套 API 仅 3600 token
Sandflow AI 开源 3D 建模库 sand3d，让大模型用简短代码直接生成 3D 资产。它基于 Blender 底层构建，零件与关节全部按语义名称调用而不用手算坐标，整套 API 约 3600 token 可直接塞进系统提示词，项目还同步开源了 10 万个 3D 模型的代码数据集。
NVIDIA 发布 Cosmos 框架：主打物理 AI 世界模型，覆盖驾驶与机器人仿真
NVIDIA 发布物理 AI 平台 Cosmos Framework 及 NIM 微服务，用于世界模型训练与部署。它提供 Cosmos 3 Nano 模型，可同步生成自动驾驶多视角视频与激光雷达数据，并支持机器人与手术仿真。借助投机解码，在 H200 上推理提速 2 至 3 倍。
Sperid Labs 开源 Idol：单图生成百万级 3D 高斯模型
Sperid Labs 开源单图转 3D 高斯模型 Idol。它能自动扣除背景并补全遮挡的背面，直接输出包含百万级高斯点的 3DGS 文件。最值得关注的是，模型显存峰值仅需 7.2 GB，普通消费级显卡几秒到十几秒即可跑通。
Bygga：把宜家说明书变成可互动的 3D 动画，还能动嘴翻页
开源项目 Bygga 上线，输入宜家货号即可将纸质说明书转换成可旋转、可朗读的 3D 线稿步骤。它内置 1171 款产品且离线可用，支持拼装时动嘴喊「下一步」免翻页，还可用 Together AI 扫描补充说明书。代码以 MIT 协议开源。
微软发布图像编辑模型 MAI Image 2.7：冲上天梯第二，场景风格编辑领先 24 分
微软推出图像编辑模型 MAI Image 2.7，在 Artificial Analysis 图像编辑榜登顶第二、Arena Edit 排名第三。新模型在 10 个场景和 7 项编辑动作上均超越前代，尤其在场景与风格编辑上领先第二名 24 Elo。目前模型主打编辑，文生图功能将在稍后推出。
Hi3D 开源第一代 3D 模型：仅 7.74GB，单张图片生成高精度资产
Hi3D 正式开源第一代 3D 生成模型 V1.0，代码与权重已公开且支持商用。该模型基于约 200 万个 3D 资产训练，几何提取分辨率达 1536³，整套文件仅 7.74GB，普通消费级显卡即可装下。最先进的第三代目前仍保持闭源。
DeepMind 发布 Genie 4：可实时交互并原生生成声音的世界模型
Google DeepMind 宣布推出世界模拟模型 Genie 4。它不仅支持键盘与自然语言实时操控画面，还首次原生同步生成环境音与角色对话，并引入 Gemini 负责多步骤因果推理。目前该模型仅面向受信任测试者开放研究预览。
SpAItial 发布世界模型 Echo-3：iPhone 扫几分钟，自动补全生成 3D 空间
SpAItial 发布物理世界模型 Echo-3 及同名 iOS App，用户拿 iPhone 拍几分钟即可生成真实几何比例的高精度 3D 环境。最关键的是它能自动脑补漏拍区域且画面无悬浮碎屑，同时提供面向模拟与 AI Agent 的企业 API。目前首月订阅免费，Android 版后续推出。
AmirMushich 开源新方案：免 3D 建模，用 AI 视频做可交互商品页
设计师 AmirMushich 开源了一套网页方案，不用 3D 建模就能做出可旋转交互商品页。它用 LTX-2.5 Pro 把衣服参考图生成旋转视频，拆成约 30 帧后由 JS 控制播放。运行时无需调用模型或 3D 引擎，大幅降低电商展示门槛。
MatAnyone 视频抠图模型：3GB 显存可跑，单卡搞定 4K 实时抠图
研究团队公布视频抠图模型 MatAnyone，能精细分离单根发丝与半透明边缘。它只需约 3GB 显存即可运行，单张 H200 下可支持 4K 实时抠图，核心是通过低分辨率先定位难处理区域再局部精细计算。团队后续计划开源代码并推出 ComfyUI 节点。
Bria 开源 Fibo 2.0 Edit Turbo：8B 图像编辑模型，4 步即可精准改图
Bria AI 开源 80 亿参数图像编辑模型 Fibo 2.0 Edit Turbo，采用非商业许可。该模型将推理蒸馏至 4 步且无需引导，支持蒙版与多参考图，能在保持其余画面像素级稳定的同时精准修改局部属性。
阿里上线 Qwen-Image-2.1 API：单模型搞定抠图、2K 渲染与十图融合
Alibaba 在 Model Studio 上线 Qwen-Image-2.1 Pro 与 Turbo API。这个 7B 视觉模型集成了文生图、最多 10 张图的参考编辑、原生透明抠图和 2K 文字排版。Turbo 版单张生成低至约 0.014 美元，商用无需自建 GPU 集群。