Ideogram 上线 Character：一张参考图生成一致角色，锁死五官不跑偏
Ideogram 推出角色一致性工具 Character 及对应 API。只需上传单张参考图，就能在不同姿势、服装和场景下锁定五官特征。最值得关注的是，创作者无需微调即可稳定输出绘本角色与头像，开发者也能通过 API 直接调用。
AI图像
查看更新的新闻
Photoshop 获一键 AI 超分：图片可拉升至 800 万像素
Adobe 为 Photoshop 推出 Generative Upscale 等功能。它能一键把图片分辨率提升至最高 800 万像素且保留清晰细节；新功能 Harmonize 则能自动协调合成图的光影与色调。此外还改进了移除工具并新增模型选择器。
腾讯开源 Hunyuan3D 1.0：一句话生成可交互 3D 世界
腾讯混元宣布开源 Hunyuan3D World Model 1.0。用户只需输入一句话或一张图片，就能生成沉浸式且可交互的 3D 场景。模型兼容现有 CG 管线，支持完全编辑与物理模拟，面向游戏开发与 VR 创作。
Meshy 5 预览版上线：支持多视角输入与锐利边缘，新增 500+ 动画
Meshy.ai 推出 Meshy 5 Preview。新版支持多视角图像输入对齐，几何边缘更清晰利落，并为绑定角色库扩充了 500 多套动作动画。这意味着游戏与影视开发者可以直接省掉大半手工修模和绑骨骼的脏活累活。
Midjourney 上线视频首尾帧控制：支持无缝循环，Discord 也能直接玩
Midjourney 推出视频生成新特性，支持用户自定义起始帧和结束帧画面。这意味着创作者可以让两个画面平滑形变过渡，或者直接生成无缝循环视频。该视频生成能力现已上线 Discord 机器人，不过官方表示网页端体验目前依然更好。
微软测试 Copilot 3D：上传图片直接生成 3D 模型
微软正在测试 Copilot 3D 新功能，支持上传 2D 图片直接生成 3D 模型，并新增管理生成物的「My Creations」页面。这项实验性功能主要面向游戏和设计原型的快速搭建，不过早期测试显示模型精度仍显不足，目前仍处于私测阶段。
Higgsfield 推出 Steal 插件：网页任意图片一键抓取风格并换上自己的脸
Higgsfield AI 推出名为 Steal 的浏览器扩展，允许用户在网页悬停任意图片，提取其姿态、光影和服装，并通过 Soul ID 换成自己的脸。这项工具让视觉复刻门槛大幅降低，但也因绕过授权使用原创内容和需要手动侧载安装插件引发了版权与安全争议。
Google 相册上线新创作工具：一键把静态照片变 6 秒短视频
Google 宣布在 Google Photos 中上线照片转视频工具，能直接把相册里的静态照片转成 6 秒动态短视频。此外还推出了可将照片转为动漫或 3D 风格的 Remix 功能。所有 AI 生成内容均嵌入 SynthID 数字水印，目前面向美国用户推送。
DeepMind 推出 Aeneas：破译古罗马残损石碑，人机协同反超专家
DeepMind 等在《自然》发表多模态模型 Aeneas，能结合图像与文本完成任意长度的古拉丁碑文修复、年代判定和地点溯源。在实际评估中，历史学家搭配 Aeneas 后置信度提升 44%，断代误差约 13 年，协同效果超过纯人或纯 AI 单打独斗。
Google 演示 Gemini 2.5 图像分割：动嘴就能圈出「最远的车」
Google 介绍了 Gemini 2.5 的对话式图像分割能力。它不再只是把单个名词对应到像素，而是能理解「左数第三本书」「没戴安全帽的人」乃至「受损部位」等复杂关系与抽象概念。开发者无需单独训练分割模型，调一次 API 就能拿到精确像素掩码。
DuckDuckGo 上线新选项：一键隐藏图片搜索里的 AI 生成图
DuckDuckGo 推出新过滤设置，允许用户在图片搜索结果中屏蔽 AI 生成图片。该功能基于开源屏蔽列表过滤，用户可在图片标签下的「AI images」菜单选择隐藏。虽然无法 100% 拦截，但能大幅减少 AI 垃圾图片对真实搜索结果的干扰。
Apple News+ 上线 Emoji Game：用 Genmoji 猜短语解谜
Apple 宣布为美加地区的 Apple News+ 订阅用户推出原创益智解谜小游戏 Emoji Game。玩家需要用给出的 emoji（包括由 Apple Intelligence 生成的 Genmoji）填空补全短语，步数越少成绩越好。游戏现已支持 iOS 18.4 等系统，今年秋季还将整合进全新的 Apple Games 应用。
Midjourney 准备开放企业级 API：正式启动调研并开放申请
Midjourney 宣布正开始调研开放企业级 API，以便用户将其图像生成能力集成到自己的公司与服务中。官方目前已开放申请问卷，希望借此了解潜在客户的具体需求并收集功能反馈。
Runway 推出动捕模型 Act-Two：支持头面身手全追踪，单视频驱动
Runway 发布下一代动作捕捉模型 Act-Two，生成质量大幅提升，全面支持头部、面部、身体与手部追踪。创作者只需提供一段驱动表演视频和一个参考角色即可生成。不过目前仅面向企业客户和创意合作伙伴开放。
Exists 开放 3D 世界生成平台：输入一句话，云端虚幻引擎直接生成可玩场景
Exists 正式向公众开放其 3D 虚拟世界生成平台。与单纯的视频扩散模型不同，它基于云端定制的虚幻引擎运行；用户只需输入一段提示词，就能直接生成带光照、AI 角色和多人支持的可玩 3D 场景，零门槛创作属于自己的虚拟世界。
Black Forest Labs 推出 Kontext Komposer：不用提示词直接改图
Black Forest Labs 推出 Kontext Komposer 及配套预设功能。用户不需要写提示词，就能直接给图片换场景、重打光、做产品植入或做海报。目前该工具已在官方 Playground 免费开放。
Dynamicslab 推出 Mirage：没有预制地图的实时 AI 游戏引擎
Dynamicslab 推出实时 AI 游戏引擎 Mirage。它彻底抛弃了预制地图与静态资产，采用 Transformer 与扩散架构混合模型，根据玩家操作在云端实时逐帧生成 3D 画面。目前它以约 16 fps 在浏览器中串流运行，还支持上传截图即时生成可探索世界。
NVIDIA 联手 Black Forest Labs：FLUX.1 Kontext 获 TensorRT 加速
NVIDIA 宣布为 Black Forest Labs 的图像编辑模型 FLUX.1 Kontext [dev] 提供 TensorRT 加速。通过量化将模型体积压缩至 12GB（FP8）和 7GB（FP4），推理性能提升超 2 倍，创作者在本地 RTX 显卡上即可靠自然语言轻松修图。
百度开源 ERNIE 4.5 模型家族：多模态参数最高达 424B
百度在 Hugging Face 上线 ERNIE 4.5 开源模型系列，涵盖文本与图文多模态能力，参数规模从 0.3B 一路覆盖到 424B。该系列同时提供 Paddle 与 PyTorch 权重，并包含 Thinking 推理版及量化版本。
Facebook 测试相册「云处理」：访问未发布私人照片，Meta 称暂未用于训练
据 TechCrunch 报道，Facebook 在测试「云处理」功能，邀请用户授权上传本地相册未发布的照片，用于生成 AI 拼图和风格化建议。Meta 声明当前测试不会用于训练 AI 模型，但未承诺未来是否使用，引发用户隐私担忧。