阿里上线 Qwen-Image-2.1 API：单模型搞定抠图、2K 渲染与十图融合
Alibaba 在 Model Studio 上线 Qwen-Image-2.1 Pro 与 Turbo API。这个 7B 视觉模型集成了文生图、最多 10 张图的参考编辑、原生透明抠图和 2K 文字排版。Turbo 版单张生成低至约 0.014 美元，商用无需自建 GPU 集群。
AI图像
查看更新的新闻
Kimi 发布 K3.1 Pro：支持 1M 上下文与 3D 编程，总参数 2.8T
Kimi 发布 3T 级多模态模型 K3.1 Pro，拥有 2.8T 总参数与 104B 激活参数，支持 1M 上下文。模型擅长 Blender 与 CAD 的 3D 建模及游戏全项目编程，金融幻觉率下降 65%。该模型已上线且权重定于 Nov 4, 2026 开源。
Canva 发布自研图像模型 Craft：不仅能出 2K 图，还能一键拆成可编辑图层
Canva 正式推出首个自研图像生成模型 Canva Craft。该模型基于平台内海量专业设计模板训练，支持生成最高 2K 分辨率的画面，并能通过 Canva Magic 直接转为可自由修改的分层设计。目前所有用户已可在 Dream Lab 中免费体验。
Ideogram 推出 Vector 1.0：用提示词生成可编辑 SVG 矢量图
Ideogram 发布首个矢量 AI 模型 Vector 1.0。它支持通过文字提示词直接生成可编辑的 SVG 矢量图，或将现有图片转为无限放大的矢量格式，兼具平滑渐变与清晰排版。模型现已在 Ideogram 平台及 API 同步上线。
Bria 开源 FIBO 2 图像编辑模型：登顶评测榜，支持 4 图融合编辑
Bria 开源图像生成与编辑模型 FIBO 2。它支持最多 4 张参考图的混合自然语言编辑，在 Artificial Analysis 图像编辑榜单上登顶，效果紧咬 Qwen Image 2.1。INT8 版为 8.4GB，不过权重仅限非商业用途且需申请访问。
HiP3R 提出分层位姿图：不用重训模型，长视频也能稳拼 3D 大场景
研究团队提出 3D 重建方案 HiP3R。它采用分层位姿图结构，先做视频片段级整体对齐，再逐帧优化统一相机位姿，解决长视频拼接时的机位漂移问题。最值得关注的是，它无需重训基础大模型，直接插入现有算法就能稳定重建连贯大场景。
腾讯开源世界模型 Hy-Nomas：单张 4090 能跑，文字和相机实时操控
腾讯开源交互式视频世界模型 Hy-Nomas，支持通过自然语言和相机运镜实时控制虚拟场景。模型可输出 720p、24 帧画面，通过分段生成维持长时间一致性，蒸馏后的 9GB 版本单张 RTX 4090 即可运行，并以 Apache 2.0 协议开源全套代码与权重。
Google 上线 Gemini 商业中心：自带记账做图，直连 Shopify
Google 在 Gemini 应用中推出中小企业商业中心。商家可上传品牌规范，借助 Nano Banana 2.1 生成风格统一的宣传图，并能将杂乱收据转化为交互财务图表。此外还打通了 Shopify 与 Canva 等工具，让小微团队无需专人也能快速打理运营。
GaussiAnimate 开源：用双层骨架搞定动物与衣物 3D 动画
GaussiAnimate 开源了角色动画制作代码。它将内部运动骨骼与灵活的外部表面结构结合，内部管运动、外部管形变，解决了传统刚性骨架难以处理衣物和动物软体弯曲的问题。最值得关注的是，复杂形变动画制作被大幅简化，支持在本地电脑部署运行。
HairDeck 开源：单张图片生成带骨骼 3D 发型，转头就能自然摆动
HairDeck 开源了单图生成风格化 3D 发型的模型，输入一张角色图就能生成完整的 3D 发片，并自带驱动动画的弹簧骨骼链。生成发片仅需 1 秒左右，比同类方法快 33 倍且朝向更准，支持直接导出 VRM 格式。模型大小仅 2.45GB，普通消费级显卡就能跑。
Skyfall AI 发布工程世界模型 SKY-001：看图拆解零件并生成 CAD 步骤
Skyfall AI 发布首个专门面向工程设计的世界模型 SKY-001。输入跑车或喷气发动机的图片，它就能将其拆解为独立 3D 零件，并生成在 CAD 软件中建模的分步草图与流程，还能按轮廓生成建筑平面图。其速度与成本优于通用大模型，目前暂未开源，仅开放候补名单。
Viggle 推出世界模型 JST-2：输入文字或图片秒变 3D 空间，角色免绑骨骼就能动
Viggle 推出物理原生 3D 世界模型 JST-2，支持把文字或图片一键转为可探索的三维环境。它通过持续追踪空间中的物质单元保持场景一致，生成的 3D 角色原生包含动力学，省去骨骼绑定步骤。场景可在浏览器中实时渲染，目前开放免费体验。
OpenAI 泄露「Aurora」图像模型：现身 Arena 盲测，疑似 GPT-Image-3
OpenAI 在 API 和 Arena 盲测中短暂曝光代号为「Aurora」的三款新图像模型。其中 red 主打速度，green 细节更清晰，业内推测这很可能是下一代 GPT-Image-3。目前官方已撤下引用，暂无文档与定价。
OpenMOSS 开源 MOSS-Image：50 亿参数文生图，支持精准布局与文字渲染
OpenMOSS 开源 50 亿参数文生图模型 MOSS-Image，提供 Base 与 SFT 两个版本。它支持绘制边界框控制画面构图与文字渲染，Transformer 部分仅约 10GB，可在消费级显卡运行。不过目前仅支持纯文本生成，暂无法用自然语言编辑图片。
Krea 3 开启 Beta 测试：8 秒完成 2K 图像编辑，支持多轮框选修改
Krea 开启图像编辑模型 Krea 3 的 Beta 测试。该模型能在 8 秒内完成端到端 2K 图像编辑，画质对标 Nano Banana Pro 与 GPT Image 2.5，并支持多轮对话与边界框精准控制。完整版本将于下周上线。
Black Forest Labs 发布 FLUX 3 Klein：5.6B 参数跑进 8GB 显存
Black Forest Labs 开源 5.6B 参数的图像生成模型 FLUX 3 Image Klein。它支持原生 4K 输出、精准区域编辑和多图参考，INT8 版本在 8GB 显存显卡上就能直接运行，让本地与端侧部署的门槛大幅降低。
动作模型 Möbius：一句话生成 3D 动作，还能反向理解与指令编辑
研究人员提出统一动作-语言模型 Möbius，把 3D 人体动作的生成、理解、补全与编辑整合进同一个架构。模型直接处理连续帧级动作，省去了离散化和预训练 VAE，参数最高拓展至 1.7B。这意味着同一个模型既能听懂动作也能做动画，大幅降低了 3D 角色动作制作与微调的门槛。
InfiniSplat v2 开源：多张照片一键重建 3D 场景，消费级显卡可跑
开源 3D 重建模型 InfiniSplat v2 发布，能将多角度照片或上千帧驾驶视频直接转成可自由探索的 3D 场景。模型将几何结构与视觉表现预测解耦，并能自动抑制不一致的噪点。整个模型仅约 6.6GB 且已开放代码和权重，普通消费级 GPU 即可在本地部署运行。
Skywork 开源 Matrix Game 4.0：单卡 83 帧实时渲染可玩 3D 游戏
Skywork 开源 3D 游戏世界模型 Matrix Game 4.0。它让传统引擎处理物理与规则，再由 AI 实时细化画面，单张消费级 GPU 下最高可跑出 83 帧，并内置智能体用自然语言修改玩法。这解决了以往 AI 游戏画面容易漂移变形的问题，代码与权重均已开放。
NVIDIA 开源 Stream Render H3：用视频模型把游戏粗模实时变成大片
NVIDIA 发布并开源 Stream Render H3，利用 MiniMax H3 视频模型将游戏引擎输出的简单语义图实时渲染成高画质画面。玩家可通过参考图一键切换风格；不过实现实时需 8 块 GP200 GPU，整套模型体积超 200GB。