DiffSynth-Studio 开源 Qwen-Image-i2L：单张图片直接转出专属 LoRA
DiffSynth-Studio 开源 Qwen-Image-i2L，支持仅凭单张图片直接生成定制 LoRA 模型。该套件基于 SigLIP2、DINOv3 与 Qwen-VL，提供 2.4B 风格提取和 7.9B 内容捕捉等模型。这意味着无需繁琐微调与大批训练集，靠一张图就能快速提炼画风与主体。
AI图像
查看更新的新闻
Google Labs 升级 Mixboard：接入 Nano Banana Pro，画布草图一键变演示文稿
Google Labs 宣布为其创意画板 Mixboard 引入 Nano Banana Pro，可结合板面上下文将零散灵感直接生成精美演示文稿。更新还增加了涂鸦局部修改、导入 PDF 与自拍相机功能，并支持单个项目建立多个画板。
Google 搜索 AI 模式扩至近 120 国：上线 Gemini 3 Pro
Google 宣布将 Gemini 3 Pro 与图像生成模型 Nano Banana Pro 引入近 120 个国家和地区的搜索 AI Mode（英文版）。Google AI Pro 与 Ultra 订阅用户可选「Thinking with 3 Pro」，支持复杂推理并即时生成交互工具与动态布局。
Kling AI 推出 Kling O1：打通文本、图片与视频的统一创意引擎
Kling AI 推出全新创意引擎 Kling O1，开启 Omni 发布周。该模型主打真正的多模态理解，能统一处理文本、图像和视频输入，简化生成创作流程。目前新功能已面向订阅用户开启限时体验。
OpenAI 联手 NORAD：在 ChatGPT 里上线三款圣诞追踪小工具
OpenAI 宣布与北美防空司令部合作，在 ChatGPT 中推出三款「NORAD 追踪圣诞老人」专属工具，包括把真人照片变成精灵、将玩具创意转为可打印填色线稿，以及定制家庭节日故事。这些工具直接收录在 NORAD 官方网站上。
算力扛不住了：OpenAI 与 Google 缩减 Sora 和 Nano Banana 免费额度
因使用需求激增，OpenAI 与 Google 分别收紧了 Sora 和 Nano Banana Pro 的免费生成限制。Sora 免费额度定为每天 6 条视频，Nano Banana Pro 则降至每天 2 张图。说白了，算力紧缺让大厂吃不消，免费红利正在加速退场。
Luma AI 提出 TVM：从零训练提速 25 倍，图像生成仅需 4 步
Luma AI 公布全新训练范式 Terminal Velocity Matching（TVM）。相比标准扩散模型，它在保持同等画质的前提下实现 25 倍训练提速，并能轻松扩展至百亿参数规模。最值得关注的是，基于 TVM 训练的模型仅需 4 步即可生成高精度图像。
Black Forest Labs 发布 FLUX.2：支持 10 张图多参考，开源 32B 权重
Black Forest Labs 发布视觉模型家族 FLUX.2。新模型支持最多 10 张参考图进行风格与角色一致性生成，编辑分辨率最高达 4MP，并包含 32B 的开源权重版 FLUX.2 [dev]。这意味着专业排版与精准控图的门槛进一步降低。
NotebookLM 上线幻灯片与信息图功能：自定义角色扩至 5000 字符
NotebookLM 团队公布新更新，正式上线幻灯片和信息图生成功能，能把参考资料直接转化成视觉叙事与单图概览。自定义角色字数上限也从 500 字符扩充到 5000 字符，此外团队还预告了正在内测的思考过程交互界面。
Meta 介绍 WorldGen：一句话生成 50 米见方的可漫游 3D 世界
Meta 介绍了端到端系统 WorldGen，输入一句提示词就能在几分钟内生成风格统一、可自由行走的 3D 场景。它能覆盖 50x50 米范围，生成资产兼容 Unity 和虚幻引擎。目前仍处于研究阶段，暂未向开发者开放。
Midjourney 推出「Style Creator」早期版：不用文字也能捏风格
Midjourney 宣布推出新工具「Style Creator」的早期版本。该工具让创作者完全不依赖文字提示词，就能探索并生成全新视觉美学风格，官方称这是对未来生成体验的一次提前窥见。
Google 发布 Nano Banana Pro：支持多语言长文本渲染与 4K 输出
Google 推出图像生成与编辑模型 Nano Banana Pro（Gemini 3 Pro Image）。它不仅能结合搜索数据生成信息图，还攻克了文字渲染难题，支持多语言长段落，并能融合 14 张图保持 5 人一致性。免费用户可在 Gemini 应用中限量体验。
MIT 研发 VideoCAD：让 AI 模仿人类点鼠标，草图直接变 3D 模型
MIT 工程师正在研发能直接操作 CAD 软件的 AI。团队制作了包含超 41,000 个建模示范视频的 VideoCAD 数据集，让 AI 学习人类在界面上的点击与拖拽操作。系统能直接把 2D 草图建造成 3D 模型，目标是打造一个降低设计门槛的 CAD 助手。
Meta 发布 SAM 3D：单张 2D 照片一键变 3D，权重与代码全开源
Meta 推出全新 SAM 3D 系列模型，包含 Objects 和 Body 两个分支，能从单张 2D 照片直接重建高精度 3D 物体、场景及人体。官方已开源权重与推理代码，并在 Playground 开放体验；该技术目前已落地至 Facebook Marketplace 的房间预览功能中。
Meta 发布 SAM 3 与 SAM 3D：支持复杂提示词分割，单图直接重建 3D
Meta 发布分割模型 SAM 3 与 SAM 3D。SAM 3 支持用复杂的自然语言提示在图片和视频中精确定位并追踪物体，SAM 3D 则能把单张 2D 图像中的人或物体直接重建成 3D 模型。两款模型已上线交互试玩区，SAM 3 的代码与权重已开源。
Midjourney 上线个人主页：24 小时内配齐资料送 5 小时算力
Midjourney 正式推出个人主页功能，支持自定义头像、横幅、社交链接并精选展示画作。为了给社区冷启动，官方宣布 24 小时内填完资料并精选至少 8 张作品的用户，可直接领到 5 小时免费 Fast 算力。关注功能也已同步上线，但关注者列表仅自己可见。
Replit 上线 Design Mode：接入 Gemini 3，两分钟搞定高颜值原型
Replit 推出全新 Design Mode，接入了最新的 Gemini 3 模型。用户通过自然语言即可在两分钟内生成兼顾排版与配色的交互原型或静态网站，不仅能直接部署，还能一键转换为可接后端逻辑的完整应用。
ElevenLabs 推出图像与视频生成工具：集成 Sora 和 Kling，打通全流程
ElevenLabs 推出 Image & Video 公测版。平台聚合了 Veo、Sora、Kling、Flux 等主流图像与视频模型，用户生成画面后可直接套用其声音库生成旁白并自动对口型，在 Studio 时间轴内一站式完成剪辑与导出。
Google 联名 Golden Goose：在 40 多家门店用 Gemini 定制球鞋
Google 宣布与意大利时尚品牌 Golden Goose 合作，在全球 40 多家门店内上线 AI 球鞋定制服务。顾客可以在 Pixel 10 上用专用 Gemini 定制专属图案，再由驻店工匠手工绘制到球鞋上，让生成式 AI 落地传统手工体验。
解读「世界模型」分歧：李飞飞做 3D 资产，LeCun 赌大脑，DeepMind 押模拟器
科技分析拆解了 AI 领域对「世界模型」的路线分歧。World Labs 的 Marble 本质是 3D 高斯泼溅资产流水线；LeCun 押注的是用于规划与预测的认知潜变量；DeepMind 则用 Genie 与 SIMA 2 搭建交互视频模拟器。同一个词背后其实是三种完全不同的方向。