X 悄悄上线新开关：允许用户禁止 Grok 重新编辑其上传的图片
据报道，X 在发帖上传流程中悄悄加入了一个开关，允许用户禁止 Grok 拿自己的素材重新生成变体。此前 Grok 因被滥用生成未经授权的不雅图像而遭到多国监管调查。该选项能让用户保护个人内容，同时也意在帮 X 减轻潜在的合规罚款压力。
AI图像
查看更新的新闻
CubeComposer：把普通视频扩展成 360 度全景，还支持 4K
研究员开源全景视频模型 CubeComposer，能把单台相机拍摄的普通视频转化为 360 度全景视频，并支持 4K 增强。它通过扩散模型拆解球体的六个面，用稀疏注意力机制补全镜头背后的画面，整体质量超过 Argus。不过目前背后的脑补画面仍有些许畸变。
腾讯推出特效迁移框架 EffectMaker：无需单独微调，一键克隆视频特效
腾讯混元团队提出特效定制框架 EffectMaker，能把参考视频中的视觉特效直接克隆到新画面中。它通过多模态大模型与 Diffusion Transformer 双路引导，无需针对单个特效微调，并配套构建了含 13 万条视频的数据集。
腾讯开源换装模型 HY-WU：即时生成 LoRA，逼近 Nano Banana
腾讯开源图像编辑模型 HY-WU，主打虚拟试穿与风格迁移。它通过动态生成微型 LoRA 注入底座，无需额外微调就能把参考图服装自然合成到人像上，效果紧咬闭源的 Nano Banana。不过目前推理需要至少 4 张 80GB 显存，门槛依然较高。
RealWonder 开源：拉动箭头施加外力，AI 实时生成受力运动视频
开源项目 RealWonder 发布，支持在单张静态图片上施加虚拟外力，实时模拟物体在水流或风吹下的受力运动。它以物理模拟作为桥梁，在单张 H200 上达到 480p、13 帧/秒的生成速度。目前代码与模型权重均已开源。
Luma 推出创意智能体：自研 Uni-1 驱动，能调度外部模型做全案
Luma 推出创意智能体平台 Luma Agents，由底层统一多模态模型 Uni-1 驱动，支持文本、图像、视频和音频的端到端创作。它不仅具备类似代码智能体的自我反思和纠错迭代能力，还能协同调度 Google Veo 3 与 ElevenLabs 等外部模型。目前该平台已开放 API，并逐步向企业灰度铺开。
OmniLottie 论文公开：能直接把图文指令转成 Lottie 矢量动画
研究团队提出矢量动画生成框架 OmniLottie。它通过专用分词器配合视觉语言模型，能将文本与图像等指令直接转化为实用的 Lottie JSON 动画文件。研究团队还同步推出了包含 200 万条标注动画的数据集 MMLottie-2M。
Spectrum 开源：预判扩散轨迹，让图像视频模型提速超 4 倍
字节跳动与斯坦福大学研究团队开源扩散加速框架 Spectrum。它通过切比雪夫多项式预判未来的特征轨迹，无须重新训练即可叠加到现有流程中，让 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成质量几乎不受影响。
WildActor：用 3 张参考图搞定视频人物一致性，动作再大也不走样
美团团队开源人物视频生成项目 WildActor，支持通过 3 张参考图实现多视角身份保持。它适配开源模型 Wan2.2-5B，无论真人还是卡通角色，在大幅动作下都能维持面部与服装高度一致，并同步开源了 Actor-18M 数据管线。
ArtiFixer 修复稀疏 3D 重建：借助自回归扩散模型，几张图也能补全场景
研究团队公布 3D 重建增强方案 ArtiFixer。针对仅有几张照片导致的 3D 重建残缺与伪影，它借助自回归扩散模型补齐未观察到的背景与结构细节，基准指标较以往提升 1 至 3 dB。不过目前该成果仅有论文，尚未开源代码。
字节发布空间奖励模型：靠 8 万组对比数据，让 AI 摆对「前后左右」
字节团队提出空间奖励建模框架，专门解决图像模型搞不清前后左右的问题。团队构建了包含 8 万多组正误对比的数据集训练奖励模型，能有效指导 Flux 等模型摆对复杂物体的空间布局。相关数据集与模型权重计划公开。
开源项目 SynapsCAD 亮相：打造 CAD 版 Cursor，点 3D 零件就能改代码
开源项目 SynapsCAD 打造了一个 CAD 领域的 Cursor。界面左边写 OpenSCAD 代码，右边实时渲染 3D 模型，用户点选模型零件即可让 AI 顺着上下文修改对应代码。最值得看的是它坚持「代码即唯一真相」，AI 生成的始终是可读、可版本管理的代码，而非黑盒几何体。
Google 推出 Nano Banana 2：Pro 级生图进驻 Flash 速度，支持 5 人一致性
Google 发布图像生成模型 Nano Banana 2（Gemini 3.1 Flash Image）。新模型兼具 Pro 级的画面质感与 Flash 级的生成速度，支持最多 5 个角色的一致性生成、实时联网检索和 4K 分辨率输出，已直接接入 Gemini、Google 搜索及 API。
QuiverAI 开启 Arrow 1.0 公测：专门生成原生 SVG 矢量图
QuiverAI 宣布开放矢量图 AI 模型 Arrow 1.0 的公开测试。与常见生成位图的图像模型不同，Arrow 1.0 原生输出可无损缩放、可编辑的 SVG 格式矢量图，主要面向需要素材排版与设计的开发者及设计师。
Google 改版创作平台 Flow：整合 ImageFX，生图直接无缝转视频
Google 宣布改版 AI 创作平台 Flow，将 ImageFX 和 Whisk 的生图能力直接并入统一工作区。用户用内置模型生成的图像可直接喂给 Veo 制作视频；新版还加入了套索圈选与自然语言精细化修改，并支持视频内物体增删与运镜控制。
PhysicEdit 开源：让图像编辑懂物理，吸管折射、黄油融化不再翻车
研究团队开源物理感知图像编辑框架 PhysicEdit。它专门解决传统编辑模型不懂物理规律的问题，能准确模拟水中光线折射、纸牌屋倒塌和黄油融化等动态效果。该框架基于 Qwen ImageEdit 2.5 构建，代码已在 GitHub 开源。
VecGlypher 开源：用一句话或样张，直接生成整套矢量字体轮廓
开源字体生成模型 VecGlypher 亮相，支持从文本提示或局部样张直接生成可编辑的矢量字形。它避开了位图转矢量的繁琐流程，能一趟生成闭合的 SVG 轮廓。测试显示，其在字形结构和风格还原度上明显优于 GPT、Gemini 等通用大模型。
tttLRM 开源：不到 4GB 搞定 3D 重建，连电线和文字都能清晰还原
3D 重建模型 tttLRM 正式开源，利用测试时训练（TTT）技术将照片高效转为 3D 高斯泼溅模型。相比传统 3DGS，它消除了烟雾感与噪点，能精准还原电线和微小文字；模型体积不到 4GB，普通消费级显卡就能本地跑起来。
虚拟人系统 SARAH：具备 3D 空间感知，VR 里能自然对视
研究人员提出实时全身虚拟人系统 SARAH。它能感知用户在 3D 空间的位置，实时调整身体朝向、站位并进行眼神接触，运行帧率超 300 FPS。最值得关注的是它支持眼神接触强度调节，让 VR 交互体验更贴近真人。
交互式 VR 视频世界模型：用头显动作实时操控生成画面，达 11 FPS
研究人员公布一项交互式 VR 视频生成技术，可根据头显追踪的头部与手部姿态，实时生成第一人称交互视频。配合文本提示词，用户能用真实肢体动作与虚拟世界互动，实测约 11 FPS。这推动视频模型迈向具身交互，不过画质与流畅度仍处早期阶段。