Z.ai 发布 GLM-Image：混合架构，文本渲染准确率达 91.2%
Z.ai 在 Hugging Face 发布图像生成模型 GLM-Image，采用混合自回归与扩散解码器架构。该模型支持单一模型内完成文本生成图像，在 CVTG-2K 评测上的文本渲染单词准确率达到 91.2%，超过 Seedream 4.5 与 GPT 图片 1。
AI图像
查看更新的新闻
Qwen 3D 相机控制上线：在网页里拖动滑块就能改图像视角
开发者 multimodalart 在 Hugging Face 上线 Qwen 3D 相机控制 Space。该工具基于 fal 的 Qwen 图像编辑 LoRA，支持直接在 3D 视口拖动把手或调节滑块，精确修改画面中主体的方位角、仰角和相机距离。换句话说，调整 AI 图像视角变得像摆弄 3D 模型一样直观。
开源图像编辑器 VIBE：2K 图片编辑只要 4 秒，显存 24GB
开源图像编辑模型 VIBE 正式公布，采用 2B 参数的 Qwen3-VL 搭配 1.6B 的 Sana 1.5。在 H100 上编辑 2K 图像约需 4 秒，蒸馏版本更压至 2 秒以内。最值得关注的是，它用极小参数量实现了出色的原图一致性保留。
UniSH 开源：仅凭一段普通视频，前向跑出 3D 场景与动态人体
UniSH 开源了统一前向 3D 重建框架。无需复杂的迭代优化，仅凭一段有镜头抖动或复杂动作的普通视频，单次推理就能同步还原出场景 3D 点云、相机轨迹以及带公制尺度的人体姿态。代码已在 GitHub 开源，支持本地部署运行。
通义实验室开源 Qwen-Image-2512：毛孔更逼真，还能生成 PPT
12 月，通义实验室开源发布文生图模型 Qwen-Image-2512。新版本主打摆脱「AI 塑料感」，不仅让人像皱纹、毛孔和动物毛发根根分明，还大幅提升了文字渲染精度，甚至能直接生成排版工整的信息图和 PPT 幻灯片。
腾讯开源 3D 动作生成模型 HY-Motion 1.0：参数破 10 亿
腾讯开源文生 3D 动作模型 HY-Motion 1.0，基于 DiT 架构与 flow matching，参数量超 10 亿。它涵盖 6 大类逾 200 种动作，并采用预训练到强化学习的完整流程优化物理真实感，生成的 3D 资产可直接接入动画管线。
fal 推出 FLUX.2 Turbo：生成只需 8 步，单张成本不到 1 美分
fal 推出 FLUX.2 [dev] Turbo 图像模型。借助 DMD2 蒸馏技术，模型推理步数从 50 步骤减至 8 步，生成单张 1024 分辨率图片仅需 6.6 秒，成本约 0.008 美元。该模型权重已在 Hugging Face 开放，但遵循非商用许可，商用需走 fal 官方 API。
阿里上线 Qwen-Image-Edit-2511：多人合照不走样，还内置社区 LoRA
阿里推出 Qwen-Image-Edit-2511。相比 2509 版本，新模型大幅减少图像漂移，重点强化了多人合照的人物一致性与几何推理能力。最实用的是直接内置热门社区 LoRA，做工业设计或改图免去了额外微调。
阿里开源 Qwen-Image-Layered：把图片直接拆成 Photoshop 级透明图层
阿里通义千问开源 Qwen-Image-Layered 图像拆解模型。它能把整张图片直接拆解为带透明通道的 RGBA 图层，支持提示词指定 3 到 10 层，甚至可在图层里套层无限细拆。设计师以后拿到 AI 图片不用再费劲抠图，直接就能分层编辑。
Manus 幻灯片支持局部编辑：改字调图不用再整页重跑
Manus 宣布支持对 nano banana Pro 生成的幻灯片进行精准局部编辑。以往幻灯片作为完整图片生成，改个错字或微调排版就得整页重跑；现在用户可以直接点击修改文字或特定视觉元素，画质保持不变。新功能已向所有用户开放，旧演示文稿也能直接修改。
Photoshop 接入 Flux.2 Pro：创成式填充有了新模型选项
Adobe 在 Photoshop 中引入 Flux.2 Pro，作为创成式填充（Generative Fill）的新合作模型。这意味着用户在修图时除了自带选项，还能直接调用 Flux.2 Pro 进行画面重绘与补充，为创意生成提供了更多选择。
微软开源 TRELLIS.2-4B：单图生成高精度 3D 资产，最快 3 秒出结果
微软团队开源 40 亿参数的 3D 生成模型 TRELLIS.2-4B。它基于 O-Voxel 稀疏体素结构，支持从单张图片生成包含完整 PBR 材质与半透明效果的 3D 网格。在 H100 上生成 512³ 分辨率资产仅需约 3 秒，运行至少需要 24GB 内存的 NVIDIA GPU。
OpenAI 推出 GPT Image 1.5：生成提速 4 倍，支持自然语言精准修图
OpenAI 推出旗舰图像生成模型 GPT Image 1.5，生成速度比此前提升 4 倍，API 定价降低 20%。该模型支持用自然语言直接进行局部微调，能在多次修改中保持人脸与品牌 Logo 一致，并登顶 LMArena 图像生成与编辑榜单。
Black Forest Labs 发布 FLUX.2 [max]：支持联网搜索，参考图拉到 10 张
Black Forest Labs 发布新模型 FLUX.2 [max]。新模型支持联网检索实时信息辅助生成，并允许输入最多 10 张参考图来保持角色、产品与风格一致，在 @ArtificialAnlys 的文生图和图像编辑中排名第二。
阿里发布 Wan2.6：支持 15 秒多镜头叙事，还能原生音画同步
阿里巴巴发布原生多模态模型 Wan2.6。它不仅支持生成 15 秒 1080p 视频，还能实现自动分镜的多镜头叙事与多人对话原生唇形对齐，甚至可将参考视频中的角色跨场景迁移。这意味着用 AI 制作连贯剧情短片的门槛进一步降低。
Adobe Firefly 上线提示词视频编辑：接入 FLUX.2，不用重抽整段视频了
Adobe 正式向所有用户推出 Firefly 视频编辑器。用户输入文字指令就能直接修改视频里的元素、色彩或运镜，不必整段重新生成。新版还接入了 FLUX.2 和 Topaz Astra 4K 超分等第三方模型，多档付费订阅用户在 1 月 15 日前可享无限生成。
OpenAI 升级 ChatGPT 图像模型：生成快 4 倍，修图终于不跑偏了
OpenAI 推出新版 ChatGPT Images 及 API 模型 GPT Image 1.5。新模型生成速度最高提升 4 倍，修改图片时能锁定光影和人物面貌，文字排版也更稳，API 费用降低 20%。最值得关注的是，ChatGPT 侧边栏还新增了独立专区，免写提示词就能直接套用风格模板。
Google 升级 Gemini Deep Research：不仅出文字，还能生成交互图表与模拟
Google 为 Gemini Deep Research 推出可视化报告功能。新功能突破纯文本限制，能自动生成定制图像、图表以及可交互的动态模拟模型。目前已面向 Google AI Ultra 订阅用户开放，帮助更直观地预测变量并理解复杂数据。
Manus 推出 1.6 版：Max 智能体支持端到端写 App，上线修图画布
Manus 发布 Manus 1.6，推出旗舰智能体 Manus 1.6 Max。新版本大幅提升了一次性任务成功率，双盲测试满意度提升 19.2%。除了强化表格与网页开发，Manus 首次支持端到端构建移动 App，并新增支持点选局部微调与改文字的「Design View」图像画布。
传 OpenAI 新图像模型现身 Arena：代号板栗与榛子
社区用户发现疑似 OpenAI 旗下的新图像生成模型正在 Design Arena 和 LM Arena 盲测，代号分别为 Chestnut 和 Hazelnut。测试显示其在世界知识、图内代码生成上表现亮眼，外界推测或随 GPT 5.2 近期发布，但官方尚未确认。