开源 FPS 世界模型 SCOPE：支持 10 自由度手柄实时操控
研究团队开源了 FPS 交互式世界模型 SCOPE。它基于 Wan2.2 打造，支持移动与开火等 10 自由度控制，能将连续按键操作直接生成为连贯的游戏画面，并支持未知场景的零样本迁移。目前模型权重、代码和数据集均已在 GitHub 开源。
AI图像
查看更新的新闻
ASASR：基于 FLUX 的图像超分工具，4 倍放大且不生幻觉细节
ASASR 是一款开源图像超分辨率工具，基于 FLUX.1-dev 实现 4 倍高清重建，重点解决传统生成式放大中凭空捏造细节与伪影的问题。它采用对齐频域结构的对抗 DPO 优化，提供双 LoRA 推理方案。目前代码与权重已开源，并在 Hugging Face 上线了在线 Demo。
研究人员提出 SEGA：免训练调节 RoPE，让 DiT 稳出 4K 大图
研究人员提出免训练方法 SEGA，专门解决 DiT 模型生成超分辨率图像时易崩溃的问题。它在每步去噪时按频域能量动态缩放 RoPE 位置编码，既保留宏观构图又还原微观细节。这意味着无需昂贵的重新训练，现有模型也能直接输出 4096 级别的高清大图。
Arq.live 推出语音制片系统 GLITCH：导演动口调度，8 分钟生成短片
Arq.live 推出语音生成影像系统 GLITCH，导演无需手打提示词，直接口述即可完成选角、搭景与调度走位。系统后台由多个 AI 智能体像电影摄制组一样协同实时出片，在单台笔记本电脑上用时不到 8 分钟就生成了一部完整短片。
Krea 推出 Krea 2 LoRA 微调功能：可精准定制专属画风与角色
Krea 宣布面向图像模型 Krea 2 开启 LoRA 微调功能的 Beta 测试。用户现在可以用自己的素材高精度训练特定的视觉风格、物体或角色，大幅提升生成画面的可控性与一致性。这是该平台迄今最强大的模型微调系统。
Lift4D 亮相：一段普通 2D 视频直接重建完整 4D 场景
研究人员公布 Lift4D 框架。它只需一段普通的单视角 2D 视频，就能重建出包含完整外观与运动变形的 4D 场景，还能自动脑补镜头未拍到的死角与遮挡区域。这意味着日常单机位拍摄的动态物体，也能实现 360 度环视查看。
PhysX-Omni 发布：AI 生成 3D 资产补齐物理属性，直通机器人仿真
研究人员发布物理 3D 生成框架 PhysX-Omni，让 AI 生成的模型不仅外观逼真，还能具备可直接用于仿真的材质、运动学和可变形属性。最值得关注的是，它配套推出了通用物理数据集与评测基准，让生成的资产能直接接入具身智能与机器人训练。
Figma 画布上线原生 AI Agent：直接动嘴改稿，支持多 Agent 并行
Figma 在协作画布中上线原生 AI agent。它基于针对设计微调的模型，设计师直接输入自然语言就能生成界面、改稿或自动探索迭代，还能同时启动多个 agent 并行干活。最值得关注的是，日常改图和创意测试从此无需离开画板。
Google 把街景装进 Genie：真实世界秒变可交互 3D 虚拟场景
Google 将通用世界模型 Project Genie 与街景图像打通。用户选定美国真实地点后，可套用「海洋世界」等风格生成交互环境，供机器人或智能体训练与漫游。该原型功能现面向全球每月 200 美元的 Google AI Ultra 订阅者开放。
Odyssey 推出两款世界模型：实时音画同步，还能 4 人联机打游戏
Odyssey 推出世界模型 Starchild-1 与 Agora-1。前者能根据用户输入实时生成音画同步的内容且无固定时长，后者首次支持最多 4 名玩家在同一个由 AI 实时生成的虚拟世界中互动。这意味着世界模型正从离线视频生成转向真正可交互的多人模拟引擎。
OpenAI 接入 SynthID 隐形水印：上线公开工具查验 AI 图片
OpenAI 宣布升级内容溯源体系，成为 C2PA 认证生成器，并联合 Google DeepMind 为 ChatGPT 等生成的图片嵌入 SynthID 隐形水印。官方还上线了公开验证工具，可同时检查元数据与水印信号，防止图像被二次篡改。
字节开源统一模型 Lance：图像与视频的理解、生成、编辑全打通
字节跳动开源统一多模态模型 Lance，激活参数 30 亿，同时支持图像与视频的理解、生成及编辑。最关键的是，它不仅能看懂画面，还能通过多轮对话连续修改视频。不过本地运行门槛较高，至少需要一块 40GB 显存的 GPU。
Leonardo AI 上线 3D 生成功能：从 2D 概念图直接导出 .glb 模型
Leonardo AI 在平台内上线 3D 物体生成功能，创作者无需切换工具即可将 2D 概念图转为 3D 模型。借助多视角参考蓝图，用户能导出支持四边面和三角面的 .glb 文件，直接对接游戏引擎或 3D 打印。独立游戏开发者和电商做资产省事多了。
PanoWorld 亮相：输入户型图，直接生成整套房屋连贯 3D VR 游览
研究人员公布空间世界模型 PanoWorld。输入一张平面户型图和风格参考，它就能生成整套互相连接、带家具的 360 度全景房屋游览。最关键的是，它通过 3D 空间记忆维持各房间视点的一致性，避免画面错乱。目前代码和权重尚未正式发布。
GPT Image 2 搭档 Seedance 2.0：从 12 格故事板直接做动画
创作者分享了一套 AI 影视工作流：先用 ChatGPT Image 2 将故事创意生成带角色和镜头标注的 12 格故事板，再交给 Seedance 2.0 生成连贯的电影感视频。配合节点式平台编排，一人做动画的门槛进一步降低。
阿里公布 FashionChameleon：单卡 23.8 帧，视频生成中能实时交互换衣
阿里巴巴公布视频试衣框架 FashionChameleon。它允许在视频生成过程中实时交互式更换服装，单卡生成速度达 23.8 FPS，并能保持人物动作与外观连贯。最值得关注的是它仅靠单服装数据训练就实现了多套换装。目前代码与模型尚未正式开放。
开发者开源 Claude Code 3D 工具包：单图生成完整场景与物理
开发者 Neilson 开源了一套适配 Anthropic Claude Code 的 3D 生成工具包。该工具仅需输入单张图片，即可自动生成包含网格、物理模拟、光照和音频组件的完整 3D 环境，让开发者在 Claude Code 中无需手动建模也能快速搭建 3D 场景。
Articraft 开源：让 AI 写代码生成能动的 3D 资产，带关节还自带测试
研究团队开源带关节 3D 资产生成系统 Articraft 及超 1 万个资产的数据集。它把 3D 建模转化成编程问题，由 AI 智能体写代码定义部件与铰链关节，并自动运行测试。生成结果能真正活动，大幅降低了机器人仿真和 VR 资产的制作门槛。
Warp-as-History：仅靠单个视频微调，就能精准控制 AI 运镜轨迹
上海交通大学与上海人工智能实验室等提出 Warp-as-History。该方法无需新增相机编码器或控制分支，而是把视角形变打包成视觉历史上下文，仅用一个标注视频进行轻量 LoRA 微调，就能在陌生场景中精准听从运镜轨迹并补全画面盲区。
英伟达发布世界模型 SANA-WM：单张 5090 可 34 秒生成 1 分钟视频
英伟达发布交互式世界模型 SANA-WM，仅 26 亿参数即可将单张图像转化为可键盘漫游的 720p 视频。其蒸馏版本在单张 RTX 5090 上仅需 34 秒即可生成 1 分钟片段。官方表示权重即将开源。