UniForge 3D 开源：几张多角度照片，就能脑补出完整 3D 模型
3D 重建与生成框架 UniForge 3D 开源。它只需物体不同角度的几张稀疏照片，就能生成包含背面等盲区的完整 3D 资产；系统一边精准重建可见细节，一边靠生成模型脑补缺失结构。目前相关代码和模型已开放本地运行。
AI图像
查看更新的新闻
Pure：普通视频无需 3D 标注，就能直接重建动态三维环境
3D 重建项目 Pure 正式开源。它无需昂贵的人工 3D 标注，仅靠普通视频提取深度与运动信息做后训练，就能将动态连续画面重建为三维场景。模型体积仅 13.2GB，并附带了完整训练脚本，本地即可下载运行。
阿里开源 Qwen-Image-2.1-Turbo：8 步去噪出 2K 图，兼顾生成与编辑
阿里巴巴开源图像生成模型 Qwen-Image-2.1-Turbo。它基于 7B 架构，仅需 8 步去噪即可输出 2K 图像，并支持自然语言图像编辑。这意味着开发者在本地跑轻量生成和修改时推理速度大幅提升。目前模型权重已上线 Hugging Face 与 ModelScope，官方 API 也已同步开放。
Midjourney 测试「思考模式」：重跑生图更懂提示词，排版与画面更连贯
Midjourney 在其 Alpha 网站上线「思考模式」（Thinking Mode）测试。用户在任务灯箱中点击「Rerun (Thinking)」即可体验，该模式能显著提升提示词准确度、文字排版能力和画面连贯性。官方表示未来可能全面开放或支持生成后追加思考。
Claude Design 整合进 Claude Code：读代码库组件直接画 UI，还能画布微调
Anthropic 将 Claude Design 深度集成到 Claude 对话与 Claude Code 中，所有用户均可使用。开发者在终端输入 /design 即可读取本地代码库的设计规范，生成符合品牌风格的界面并直接在画布上微调，随后一键衔接写代码或推送至 Vercel。
Meta 开源 GenIA：输入单张照片或视频，直接重构完整 3D 物体
Meta 发布新系统 GenIA，能将普通图片或视频转换成完整 3D 模型。它基于 SAM 3D 改进，加入持续比对机制实时校准外观、位置与几何结构。最值得关注的是它无需重新训练大模型就能大幅提升还原度，代码已在非商业许可证下开源。
开源技能 Anatomy：一句话让 AI 生成可交互 3D 机械图解
开源智能体技能 Anatomy 发布。输入一行抽象技术概念，Claude 等编程智能体就能将其转化为由精密零件组成的等轴测立体机械，生成支持鼠标拖拽交互的 SVG、WebGL 或 3D 页面，让齿轮转动等动作对应实际运行逻辑。
Google 上线 Nano Banana 2.1：支持 14 张参考图融合，局部微调不用重画
Google 上线图像生成与编辑模型 Nano Banana 2.1，登陆 Gemini、Flow 等平台。新版本重点改善了主体一致性与局部精准编辑，支持最多 14 张参考图融合与最高 4K 分辨率。虽然实际画质仍逊于顶尖模型，但 Flow 平台每天提供几十次免费生成额度，门槛极低。
Pinterest 推出 Beauty Guides：把发型美甲图变成沙龙实操方案
Pinterest 推出 AI 功能 Beauty Guides。它能把用户收藏的发型和美甲图转化为发型师通用的专业术语，并列出具体提单话术、耗时预估、价格区间与后期维护建议。首发支持发型、发色、指甲形状及质感。
复旦与腾讯开源 Prism：原生 2K 音视频联合生成提速 2.5 倍
复旦大学、腾讯混元和浙江大学开源音视频生成框架 Prism，支持原生 2K 分辨率音视频联合生成。它通过动态稀疏注意力把算力集中在发声和画面快速变化区域，大幅减少冗余计算，训练速度提升 2.5 倍且声画更契合。目前已在 Hugging Face 释出预览权重与代码。
DistScene 亮相：用单张图片生成完整 3D 世界，告别物体拼接错位
研究团队公布 DistScene 框架，能用单张图片生成包含周边环境和独立物体的完整 3D 场景。它摒弃了先生成散落物体再硬拼的旧做法，改在统一坐标系中联合建模并单独精调物体几何。官方表示未来将公开模型和数据集。
Midjourney Alpha 更新：侧边栏支持风格预览，文件夹可设默认参数
Midjourney 发布 Alpha 版本更新日志，推出侧边栏风格预览与文件夹默认参数功能。用户在出图前即可直观预览风格效果，多个风格参考还会合并为缩略图胶囊显示。此外，新版修复了历史图片超过 10 万张时的崩溃问题，并在图像编辑时自动锁定原图宽高比。
ChatGPT 上线虚拟试衣功能：上传全身照就能看穿搭效果
OpenAI 宣布在全球为 ChatGPT 上线虚拟试衣与收藏功能。基于最新的 ChatGPT Images 2.5 模型，用户在购物搜索结果中点击「Try On」并上传自拍或全身照，就能预览衣服与配饰的上身效果，挑中的穿搭还能存入素材库。
Black Forest Labs 发布 FLUX 3 Image：画框精准控图，单图反复重绘不跑偏
Black Forest Labs 发布图像模型 FLUX 3 Image。它引入边界框排版机制，支持最多 10 张参考图与原生 4K 输出。最值得关注的是像素级局部编辑能力，修改指定区域不会影响其余像素，反复微调画面也不会变花变糊。目前已在官方 Playground 和 API 上线。
Runway 推出营销引擎 Runway Ads：AI 自动做广告、投流再复盘
Runway 发布效果营销引擎 Runway Ads，能根据品牌物料自动生成视频和图像广告，并直接发布至 Meta、Google 和 TikTok。系统会回传消耗数据，自动迭代下一轮素材。Runway 称其内部测试使广告周产量从 77 条激增至 900 条，获客成本降低 41%。
Ideogram 发布 4.5：主打多轮图像编辑不失真，支持 2420 万像素拼接
Ideogram 发布图像编辑模型 Ideogram 4.5，重点解决连续修改导致的伪影与颜色漂移问题。它支持最高 2420 万像素的高清局部修改与无缝回贴，即使连续多轮编辑画面依然干净。模型已上线 Ideogram App、MCP 和 API，单张编辑 0.008 美元起。
英伟达开源 PixelUMM：不用 VAE，一个模型搞定图像视频理解与生成
NVIDIA 开源多模态模型 PixelUMM。它完全去掉了传统的 VAE 与视觉编码器，基于 Qwen3-8B 骨干网络，直接在原始像素空间同时完成图像与视频的理解和生成。最值得关注的是，单一架构通吃四项任务，大幅简化了多模态管线。
CMU 推出 Point2Part：点一下即可拆解 3D 模型，零件严丝合缝不重叠
卡内基梅隆大学团队发布 3D 分割模型 Point2Part，用户只需在目标部件上点一下，就能把单张图片或 3D 网格拆成独立零件。它通过全局联合划分确保部件互不重叠、没有空隙，拼合后严丝合缝。目前该研究已公开论文与项目主页。
World Play 2 开源：可实时交互的世界生成器，离开再回来场景依然一致
开源交互式世界模型 World Play 2 公开代码。它支持在虚拟场景中实时漫游并与角色互动，关键突破在于将历史信息压缩保存到记忆中，长时间探索或离开重返后场景依然一致。团队还提供了 4 步推理的 Turbo 版本，完整未量化模型大小达 69GB。
InSpatio-World 1.5：一张图加运镜轨迹，生成 4D 漫游视频
InSpatio 开源 4D 世界模型 InSpatio-World 1.5。它支持输入单张图片、全景图或视频，通过预测新视角沿着指定镜头轨迹生成漫游画面，还能保留动作并制作「子弹时间」效果。模型体积不到 6GB，大多数消费级显卡即可运行。