Krea Nodes 上线 Prompt-to-Workflow：一句话生成整套节点工作流
Krea AI 推出 Prompt-to-Workflow 功能，支持在 Krea Nodes 中直接用纯文本指令生成完整的节点工作流。这意味着不用再手动一个个拖拽和连线，一句话就能把复杂的生成链路自动搭好。
AI图像
查看更新的新闻
阿里发布 Qwen-Image-2.0：原生 2K 画质，告别乱码文字
阿里千问团队推出下一代图像生成模型 Qwen-Image-2.0。新模型支持 2K 原生分辨率，可处理长达 1000 token 的排版提示词，精准渲染图片中的文字，并整合了图像生成与编辑功能。同时架构更轻量，推理速度更快。
Hyper3D 推出 Rodin Gen-2：用自然语言精准局部修改 3D 模型
Hyper3D 推出 Rodin Gen-2 及其编辑功能，支持文本或图片生成 3D 资产。新增的局部重绘功能允许用户框选模型特定区域，直接用提示词微调结构与材质，无需推倒重建。生成结果具备生产级四边面网格，可直接导出 STL 等格式用于 3D 打印。
字节上线 Seedream 5.0 Preview：支持联网搜索与精准编辑，2K 图像目前免费
字节跳动推出 Seedream 5.0 Preview，主打联网检索、精准编辑与逻辑推理三合一。模型能实时调取天气或最新资讯融入画面，还可以参考给定图片学习修图手法、提取穿搭生成平铺图。生成规格支持 2K 高清，目前面向用户免费开放。
Google 抢跑橄榄球决赛档：发布 Gemini 广告演示空房设计
Google 公布橄榄球「Big Game」Gemini 广告片《New Home》。片中母子上传毛坯房照片并通过提示词，由 Nano Banana 驱动实时预览室内设计。此外 Google 还展示了找汽车保险丝盒、换发型等场景，突出 AI 解决日常琐事的能力。
Skin Tokens 突破 3D 绑定：连螃蟹和甲虫也能一键自动生成骨骼与蒙皮
研究人员提出 Skin Tokens 及统一框架 TokenRig，能自动为 3D 模型估计骨骼与蒙皮。它不仅支持人形，连鸟类、甲虫、螃蟹等复杂生物也能处理，蒙皮精度最高提升 133%。这意味着 3D 生成到动画制作之间的关键瓶颈正在被打破。
Kling AI 推出 Kling 3.0：支持 15 秒多镜头视频与 4K 图像输出
Kling AI 推出多模态创作模型 Kling 3.0。新模型支持生成 15 秒高逼真度可控多镜头视频，升级了支持多角色及多口音的原生音频，并带来 4K 图像输出。目前新模型已在网页端上线，仅限 Ultra 订阅用户抢先体验。
Roblox 公测「4D 生成」：一句话不仅能造出 3D 汽车，还能直接开走
Roblox 推出由 Cube 基础模型驱动的 4D 生成 Beta 版，在 3D 模型基础上加入了可运行的交互维度。系统通过预设规则把物体拆解成带脚本的独立部件，玩家输入一句话就能生成轮子能转、能直接开上路的汽车。该功能目前已面向创作者开放测试。
Kling 提出 3D Move：把动作换给新角色，还能自由运镜
Kling 公布运动控制技术 3D Move。它能将视频中人物的动作迁移给真人或动漫新角色，并首次做到在动作迁移的同时自由控制镜头运镜与缩放，保持空间一致性与精细手势。目前该成果仅发布了研究论文，尚未明确是否开源或上线。
World Labs 展示世界模型新能力：生成持久 3D 场景，可停留超 60 秒
World Labs 宣布其世界模型能够生成持久的 3D 场景。用户不仅可以在生成的场景之上继续构建，还能自由停留并与环境交互，即便超过 60 秒也不会中断。这意味着模型生成的 3D 环境具备了更强的持续性与扩展空间。
See-Through：把二次元插画拆成 23 个可编辑分层
开源项目 See-Through 能把单张二次元插画拆解为最多 23 个语义图层，并自动补全被遮挡区域。它不仅能直接导出包含发型、五官和服饰的透明 PSD，还附带深度信息，方便后续直接制作 Live2D 动画或重新布光。
Omnimat Zero 开源：不仅能从视频中删物体，连倒影和阴影也能抹掉
开源视频工具 Omnimat Zero 能够精准擦除画面中的物体，并同步清理水坑倒影与地面阴影。它还能应对复杂的遮挡关系，或把前景单独提取为透明图层供替换背景，目前代码与本地运行说明已在 GitHub 开源。
Adobe Firefly 开放无限次生成：支持 Runway、GPT 等第三方模型
Adobe 宣布为 Firefly 订阅用户开放无限次图像与视频生成。除了自家商用安全的 Firefly 模型，还直接引入了 Google Nano Banana Pro、GPT 与 Runway Gen-4 等第三方顶尖模型。3 月 16 日前加入指定计划，即可无限生成最高 2K 分辨率内容。
腾讯提出 InteractAvatar：数字人告别站桩，能拿手机戴耳机了
腾讯等团队提出 InteractAvatar 框架，让数字人不仅能说话，还能与周围物体互动（如戴耳机、拿手机）。该框架支持连续指令与精确时间戳控制，解决了传统数字人只能站桩口播的局限。最值得关注的是，它让虚拟人视频生成迈向了能与真实环境交互的新阶段。
英伟达提出 DuoGen：生成连贯图文教程，连做菜步骤都能配图
英伟达发布论文介绍多模态生成模型 DuoGen。它能自动在文本与图像间切换，生成风格连贯的步骤说明与配图，还能用于机器人动作序列预测。目前该研究仅发表了技术论文，代码与数据计划后续开放。
北大与谷歌推出 PaperBanana：用 5 个 AI 智能体自动画论文图
北京大学与谷歌云 AI 团队发布 PaperBanana，由检索、规划、设计、渲染和评审 5 个智能体协同工作，可将研究文本自动生成出版级论文图表。其在 NeurIPS 基准上的简洁度超越基线 37%，还能直接美化人类手绘图；不过目前在复杂流程连线上仍会出现偏差。
Pencil 亮相：把 Claude Code 搬进无限画布，直接在 IDE 里画 UI 调代码
Pencil 将无限画布与 Claude Code 结合，直接集成在 IDE 中。它内置多套设计组件库并支持导入 Figma 文件，不仅能让 Claude 按组件风格生成前端代码，还允许直接在画布上手动改文案与颜色，省去设计与代码反复对齐的麻烦。
Krea AI 全面上线 Realtime Edit：支持复杂指令实时修图
Krea AI 正式向所有用户开放 Realtime Edit 工具。该功能支持理解复杂的文本指令，并在输入的同时实时完成图像修改。这意味着创作者不再需要反复等待排队渲染，可以在调整提示词的过程中即时看到画面反馈。
传字节与阿里春节发新模型：豆包 2.0 对决千问 3.5
据媒体报道，字节跳动与阿里巴巴均计划在 2 月春节期间推出新一代旗舰 AI 模型。字节拟发布豆包 2.0 以及新一代图像与视频生成模型；阿里则准备推出强化推理的 Qwen 3.5。加上传闻 2 月中旬亮相的 DeepSeek V4，国内大模型头部的春节档战况将迅速升级。
LingBot-World：开源实时交互世界模型，16 FPS 跑通长记忆
robbyant 开源基于 Wan2.2 的世界模拟器 LingBot-World。它支持用文本或图片生成可交互环境，能以 16 FPS、低于 1 秒延迟输出 480P 与 720P 画面，并具备分钟级场景一致的长记忆。代码与权重已公开，为互动生成与机器人学习提供了开源方案。