SpatialEdit 开源：精准移动物体与转动相机视角，权重与数据全公开
图像空间编辑模型 SpatialEdit 宣布开源，权重与训练数据全部公开。它不仅能微调画面中物体的精确位置与朝向，还能直接控制相机的偏航、俯仰与缩放视角。最关键的是，它在空间基准测试中表现亮眼，不过 32GB 的模型权重需要高端 GPU 才能跑起来。
AI图像
查看更新的新闻
研究人员提出 FML 语言：将矢量平面图生成转为 Token 预测任务
研究人员公布统一矢量平面图生成研究，提出类似 HTML 的平面图标记语言 FML。该方法将房间、门和墙壁等空间结构编码为标签序列，让 Transformer 模型像预测下一个 Token 一样生成矢量户型图。目前该项目仅发布论文，尚未开源代码。
传 OpenAI 新图像模型 GPT-Image-2 泄露：文字渲染与常识大提升
开发者 Pieter Levels 爆料 OpenAI 新图像模型 GPT-Image-2 以 maskingtape-alpha 等代号现身 Arena 平台。早期测试显示其具备极强的世界知识与文字渲染表现，甚至可能超过 Nano Banana Pro。目前官方尚未对此证实。
Generative World Renderer：靠一段文字，直接重塑 3A 游戏画面与光照
研究团队发布 Generative World Renderer，从《黑神话：悟空》等 3A 游戏中提取了 400 万帧 G-buffer 数据。结合文本提示词，它能直接重塑游戏画面的材质、天气与光照。最值得关注的是，借助完整的几何与法线信息，创作者无需重新建模就能修改游戏风格。
阿里推出 Wan2.7-Image：单次生成 12 张一致图片，支持 12 种语言文字渲染
阿里巴巴推出图像生成与编辑统一模型 Wan2.7-Image。该模型支持精确控制人脸轮廓与 HEX 调色盘，可实现 12 种语言的印刷级文字渲染，并能在单次生成中输出最多 12 张风格一致的图像。这意味着创作者能直接用它完成复杂的多语言图文排版和连贯分镜制作。
Moonlake 发布 3D 构建 Agent：能接管 Blender 做场景建模与修复
Moonlake 发布 3D 世界构建 Agent 早期演示。它不再局限于对话框生成资产，而是直接在 Blender 等专业软件里点击、编辑对象与调光，像人类一样反复迭代。最值得关注的是它能按长序列动作自查自纠，并复用专家演示的工作流。
阿里发布 Wan 2.7 Image：生成编辑一体，能输色号还能画图表
阿里发布生成与编辑一体的图像模型 Wan 2.7 Image。它主打更具真实瑕疵的人脸微调，支持直接输入最多 8 个十六进制色号锁定配色，并能渲染 3000 tokens 的多语言长文本与表格。单次提示还可生成最多 12 张风格一致的图像，分镜和设计物料制作效率大增。
Gen-Searcher 框架开源：先联网搜参考图再出图，解决生图盲区
研究团队开源图像生成框架 Gen-Searcher。它利用搜索代理先在网上检索参考图与事实信息，再辅助出图，能解决特定角色、冷门地点和数据的事实盲区，且兼容开源与闭源底模。
字节推出 DreamLite：3.9 亿参数端侧模型，手机离线生图编辑只要 3 秒
字节跳动公布轻量图像模型 DreamLite，仅 3.9 亿参数即可在手机端完全离线运行。它兼顾文本生图与图像编辑，在 iPhone 上生成一张 1024×1024 肖像图约需 3 秒，还能直接换背景或改画风。虽然写实细节不及云端大模型，但大幅压低了手机端修图的延迟与算力门槛。
通用汽车用 AI 重塑车身设计：手绘草图数小时变 3D 动画
通用汽车公布其在整车设计流程中全面引入生成式 AI 工具。通过与初创公司 Vizcom 合作，GM 可在一天内将手绘草图转化为 360 度 3D 模型和动态视频；配合虚拟风洞，风阻估算从两周缩至即时反馈，大幅压缩研发周期。
拓竹 MakerWorld 接入 Meshy：单张照片生成 3D 模型，支持 AMS 自动分色
拓竹 MakerWorld 宣布将 3D 生成平台 Meshy 整合进 MakerLab。用户上传任意照片即可由 Meshy-6 引擎在数分钟内生成可打印的 STL 或 3MF 文件。最值得关注的是其多色打印功能支持自动匹配 AMS 耗材分色，免去在切片软件中手动填色的步骤。每次导出模型需消耗 2 个 MakerLab 积分。
Runway 推出 Ad Concepter：用产品图和提示词快速生成广告方案
Runway 网页端上线新应用 Ad Concepter。用户只需提供一段提示词、一张参考图和一张产品图，就能快速生成广告构图、视觉概念与故事节奏。最值得关注的是，创作者和营销人员无需搭建复杂工作流，即可低门槛批量探索广告创意。
Meta 发布 SAM 3.1：多目标跟踪提速 7 倍，128 个物体顺畅跑
Meta 发布视频与图像分割模型 SAM 3.1，引入共享内存机制 Object Multiplex。在单张 H100 上跟踪 128 个目标时，推理速度提升约 7 倍且不损失精度，并在 6 项视频分割基准上超越前代。模型权重已在 Hugging Face 开放申请。
微软发布 Babylon.js 9.0：支持分簇光照与高斯泼溅，显存降 40%
Babylon.js 正式发布 9.0 版本。新版引入分簇光照系统，让成百上千个光源在 Web 端保持流畅；同时上线帧图管线，部分场景 GPU 显存占用直降 40% 以上。此外还带来节点粒子编辑器，并在 Adobe 协作下深度支持高斯泼溅渲染。
PSDesigner 亮相：输提示词直接生成带分层结构的 Photoshop 海报
研究团队提出自动化设计系统 PSDesigner，输入提示词就能生成带分层结构的可编辑 Photoshop 文件。它通过素材收集、版式规划和工具执行三个智能体循环优化版面。这意味着 AI 生成的海报终于能直接接入现有的改稿工作流。
Real Restorer 开源：42 GB 模型本地搞定老照片降噪与反光修复
开源图像修复模型 Real Restorer 发布。它专门修复模糊、噪点、压缩伪影、划痕与反光，并能增强黑白老照片，基准测试表现比肩顶级闭源模型。项目总大小 42 GB，已提供代码和部署说明，需配备高端 GPU 本地运行。
ComfyUI 上线动态显存功能：按需加载模型，低显存生成提速一倍
ComfyUI 推出 dynamic VRAM 功能，改变了以往一次性将模型全部塞入显存的做法。新机制在生成过程中按需加载部分模型、用完即卸载，既减少显存溢出报错，也让中端显卡能跑更大模型。实测在部分场景下生成耗时甚至缩短了一半。
Lovart 上线 Move Object：免蒙版和图层，圈中物体就能直接拖走
Lovart 推出 Move Object 工具。用户用矩形或套索工具框选图像中的任意物体，即可直接拖拽到新位置，还能通过提示词补充微调。整个过程无需画蒙版或分图层，也不用反复重新抽卡，直接生成一张干净连贯的新图。
RealMaster 增强 3D 渲染：把游戏塑料感变成照片级真实视频
AI 工具 RealMaster 能把 GTA 等游戏或 3D 渲染画面转化为照片级真实视频。与破坏画面的同类工具不同，它能完整保留原视频的几何结构、阴影和运动逻辑，除了游戏写实化，还能用于增强自动驾驶的模拟训练数据。
Figma 向 AI 智能体开放画布：Claude Code 可直接调用规范改图
Figma 推出 MCP server 测试版，正式向 AI 智能体开放设计画布。Claude Code 和 Codex 等工具可通过 use_figma 工具直接调用团队的设计系统创建并修改图层，还能通过 Markdown 格式的 Skills 约束规范。目前测试期免费，后续按量收费。