Luma Labs 发布 Uni-1：边思考边生成像素，把推理与渲染合二为一
Luma Labs 推出新模型 Uni-1，主打思考与像素生成同步进行。与以往将推理和图像渲染完全割裂的流水线不同，它采用一体化架构直接出图。官方称这种设计减少了人工干预痕迹，能带来更具原生智能的视觉表现。
AI图像
查看更新的新闻
Pascal Editor：在浏览器里跑的开源 3D 建筑编辑器，免装桌面端
Pascal Editor 是一款开源免费的浏览器端 3D 建筑编辑器，基于 WebGPU 和 React Three Fiber 构建。它支持墙体、楼板和区域的层级化实时编辑，依靠脏节点追踪技术调用本地显卡流畅渲染。用户无需安装动辄昂贵的专业桌面软件，打开网页就能堆叠拆解楼层并快速建模。
Microsoft 发布 MAI-Image-2：文生图榜单冲进前三，主打自然光影与文字渲染
Microsoft 推出文生图模型 MAI-Image-2，在 Arena.ai 排行榜位居第三。新模型重点提升了自然光影与肤色表现，支持可靠的图内文字渲染与复杂场景生成。目前已上线 MAI Playground，并逐步接入 Copilot 与 Bing Image Creator。
Adobe 上线 Firefly 自定义模型公测：用自己作品训练 AI，保持画风统一
Adobe 推出 Firefly 自定义模型公开测试版，允许创作者用自己的作品训练专属图像模型，在多个项目中保持笔触、调色与角色的一致性。该模型默认私有，不会用于训练通用模型；系统还会自动检测内容真实性凭证，拦截被拒绝用于 AI 训练的素材。
3DreamBooth 亮相：用单帧优化解耦空间运动，搞定多视角视频一致性
研究团队提出 3D 视频定制框架 3DreamBooth。它将定制主体视为 3D 实体，靠单帧优化解耦空间几何与时间动作，并配合 3Dapter 模块补充多视角线索。这意味着视频模型生成新视角时不用瞎编细节，彻底搞定 3D 一致性。
Character.ai 上线 Imagine 画廊：聊天配图全归集，点消息即生图
Character.ai 在移动端推出 Imagine Gallery。该功能将对话中生成的所有 AI 图片集中收录为网格画廊，支持按 Persona 角色身份筛选与导出；同步上线的 Imagine Message 支持点击单条消息快速生图。c.ai+ 订阅者还可将其设为聊天背景。
Google Labs 升级 Stitch：自然语言与语音直接生成高保真 UI
Google Labs 宣布将 UI 设计工具 Stitch 升级为 AI 原生无限画布。除了用自然语言和语音直接指挥 AI 调整界面与出方案，它还支持通过 DESIGN.md 规范管理设计系统、一键生成可交互原型，并能通过 MCP 协议无缝导出至开发工具。
SegviGen：自动拆解 3D 模型部件，点选或给张图即可精准分割
SegviGen 开源了基于 TRELLIS.2 的 3D 部件分割框架。用户只需在模型上点选局部或上传 2D 参考图，就能自动把 3D 模型精准拆成独立零件。其交互分割性能比此前 SOTA 提升 40%，不过本地运行需要至少 24GB 显存的 Nvidia GPU。
AI 视频变 3D 世界：新方法抹平画面冲突，单段视频就能重建
研究人员提出 World Reconstruction from Inconsistent Views，能将 AI 生成视频转化为一致的 3D 世界。它通过非刚性几何对齐消除帧间形变与矛盾，单段视频即可重建，且不挑视频模型。最关键的是，它直接把现有视频生成器变成了可漫游的 3D 场景工具。
Midjourney 开启 V8 Alpha 测试：速度快 5 倍，支持原生 2K
Midjourney 开启 V8 图像模型 Alpha 测试，生成速度比 V7 提升约 5 倍。新版本改进了提示词遵循、文字渲染与画面连贯性，支持原生 2K 分辨率的 --hd 模式。不过，目前该版本暂不支持 Relax 模式。
SWM 首尔世界模型亮相：结合真实街景 RAG，生成数公里漫游视频
研究团队提出首尔世界模型（SWM），将真实街景图像作为 RAG 检索锚点引导视频自回归生成。它解决了长视频误差累积的问题，支持数百米至数公里尺度的真实街道漫游，还能用文本提示为城市添加海啸等场景变化。
NVIDIA 发布 DLSS 5：引入实时神经渲染，迎来「图形的 GPT 时刻」
NVIDIA 在 GTC 上发布 DLSS 5，称其为 2018 年光线追踪以来最大的图形突破。它利用实时神经渲染模型注入逼真光影与材质，最高支持 4K 实时运行。黄仁勋称其为图形领域的「GPT 时刻」，预计今年秋季正式推出。
Retime GS：丢帧卡顿的 2D 视频，也能重建出平滑全身 4D 动画
AI 项目 Retime GS 亮相。它只需普通 2D 视频帧作为输入，就能生成支持任意视角观看的全身 4D 场景；即使原视频丢帧卡顿，也能通过改进的 4D Gaussian Splatting 补全空缺，比同类方法更流畅、伪影更少。
Canva 上线 Magic Layers：一键把静态 AI 图片拆成可编辑图层
Canva 推出由自研设计模型驱动的 Magic Layers 功能。它能智能识别静态图像或 AI 图片里的文字、主体与背景，将其拆解还原为多图层设计，用户无需重新生图即可直接修改文字和微调排版。目前该功能已在美、英、加、澳开启公测。
ID Laura 开源：单模型搞定数字人生成，音画同步还能带环境音
一体化数字人模型 ID Laura 开源。它基于 LTX 2.3，改变了以往先克隆声音再匹配口型的两段式做法，只需输入单张人像、参考音频和台词，就能由单个模型同步生成视频、克隆语音与环境音。目前运行至少需 24GB 显存，推荐 48GB。
NVIDIA 升级 ComfyUI：简化界面免连线，4K 超分提速 30 倍
本周在 GDC 上，NVIDIA 宣布为 ComfyUI 推出全新 App View 模式，并上线 RTX 视频超分辨率节点。用户无需连线即可输入提示词生成视频；借助 RTX 50 系列显卡的 NVFP4 格式与超分技术，4K 放大提速 30 倍，显存占用降低 60%。
伦敦大学学院新突破：仅凭小鼠大脑信号，算法重建出 10 秒视频
伦敦大学学院团队在《eLife》发表研究，仅凭小鼠视觉皮层的单细胞脑活动记录，成功重建出小鼠看过的 10 秒视频。模型还结合了运动与瞳孔变化等内部生理状态，纳入神经元越多重建越准。这为解析大脑如何过滤和修饰视觉现实提供了全新工具。
Photoshop 推出 AI Assistant：说话就能修图，Firefly 接入 25 款模型
Adobe 为 Photoshop 网页版及移动版推出 AI Assistant 公测版。用户输入文字或说话就能抠图、换背景或调光，还能用 AI Markup 圈选画面定点修改。同时 Firefly 图像编辑器支持接入 OpenAI 等超 25 款主流模型。
GlyphPrinter 开源：专治图像生成缺笔少划，中日韩泰及符号都能打对
研究团队开源文字渲染框架 GlyphPrinter，专门解决图像生成中文字崩坏、缺笔少划的问题。它基于 FLUX.1-dev 并采用局部偏好优化，不仅能准确渲染中日韩泰等复杂字符，还能生成石碑刻纹等特殊符号。代码与权重均已开放。
小红书开源修图模型 FireRed 1.1：保脸保穿着，还能复刻海报字体
小红书开源图像编辑模型 FireRed-Image-Edit 1.1，用自然语言即可精细修图。它在改变背景或动作时能稳定保住人脸和穿着，还支持多图融合换装，甚至能把参考图里的字体风格准确迁移过去。不过其完整模型接近 60GB，消费级显卡直接跑起来门槛偏高。