Google Photos 上线 AI 虚拟衣橱：把穿搭照变成数字衣帽间
Google 宣布为 Google Photos 正式上线 AI 虚拟衣橱功能，面向美国、巴西和印度的 iOS 与 Android 用户开放。AI 能从日常照片中提取你穿过的衣物并按类别分类混搭，穿搭数据承诺不与零售商共享。
AI图像
查看更新的新闻
Midjourney Alpha 大更新：风格支持实时预览，一键保存默认参数
Midjourney 发布 Alpha 网页版更新，引入风格实时预览功能，并支持一键将当前参数存为默认值。此外，Create 界面迎来瀑布流改版，编辑器支持 v8.1 和 v8.2 编辑类型，韩语支持也已面向所有用户全量上线。
Google Flow 上线 6 款创作者工具：涵盖多轨音效与 3D 实时贴图
Google 为 Google Flow 发布 6 款由行业创意人士定制的 AI 工具。新工具覆盖音效后期、动态字幕、社交封面图、3D 空间材质贴图以及脚本转动效等场景。用户既能直接体验，也可以复制或直接描述需求搭建专属工具。
Leonardo.Ai 推出 Leonardo Agent：保持多场景角色与视觉一致
Leonardo.Ai 推出新工具 Leonardo Agent，让用户从一个构想出发，在角色、写实场景、唱片封面到广告等跨场景生成中保持形象一致。最值得关注的是，它解决了生图工具长期的「一致性」痛点。目前该功能限时免费开放，仅消耗既有代币。
PixVerse 推出 R2 实时世界模型：生成的世界可实时走入并操控剧情
PixVerse 推出实时交互世界模型 PixVerse R2。它把多模态理解与视听生成整合到同一个模型中，用户可以通过交互直接影响场景和角色，甚至用语言实时改变故事走向。最关键的是，它能在持续生成后续画面的同时，保持整个世界状态前后一致。
腾讯推出世界模型 WorldCrafter：引入隐式 3D 记忆，回头看场景不再变形
腾讯团队发布交互式视频世界模型 WorldCrafter，通过隐式 3D 感知记忆机制，解决镜头移开后再转回来物体变形的问题。它支持从单张图片或文本生成可由相机控制的漫游视频，并借助蒸馏实现实时流式交互。
GAE 开源：把 3D 几何塞进潜空间，相机轨迹误差减半
研究团队开源视觉生成框架 GAE。它把几何特征直接压缩进 128 通道的潜空间，生成画面时能同步解码出深度图、相机轨迹和 3D 点云。最值得关注的是，这种几何原生设计让相机轨迹误差减半，且权重不到 12GB，中端显卡即可本地运行。
inclusionAI 开源 Ming Image 0.1：自带透明通道，还能把设计图拆成图层
inclusionAI 开源 6B 视觉设计模型系列 Ming-Image-0.1。它主打 UI 与海报设计，不仅支持生成带 Alpha 通道的透明素材，还能把扁平设计图直接拆解成多个独立透明图层。最值得关注的是，它让开源模型真正切入了可编辑的设计工作流。
SupraLabs 开源 Supra2-IMG：1 亿参数文生图模型，单卡 9 小时训完
SupraLabs 开源超小型文生图模型 Supra2-IMG，参数量仅约 1.04 亿，体积约 417MB。团队基于 560 万张合成图像，在一张单卡 H100 上仅耗时 9 小时完成训练，主打端侧与小型设备运行。不过受限于极小体量，目前生成分辨率为 256×256，画质相对有限。
阿里开源Qwen-Image-2.1：7B参数兼顾生图与编辑，原生支持透明通道
阿里巴巴开源图像模型Qwen-Image-2.1。其视觉生成部分仅7B参数，将文生图、图像编辑与原生透明通道生成合为一体，最多支持10张参考图合成。最值得关注的是能直接扣图输出带透明背景的RGBA图，极大简化了设计流程。
VAST 开源 Mira-Scene：单图直接生成可编辑 3D 场景
VAST AI Research 开源 3D 场景重建管线 Mira-Scene，可将单张图片转化为包含独立物体的可编辑 3D 场景。它通过恢复像素级对应关系，保证物体尺度与原图严格一致，能直接导入 Blender 做动画或对接机器人仿真。目前代码与权重已完全开放。
谷歌神秘模型现身竞技场：疑为 Gemini 4 Pro，基准测试与 SVG 动画刷屏
代号「gemini-3.8-flash」的神秘模型在竞技场 Arena 开测，被推测为谷歌未发布的 Gemini 4 Pro。该模型仅用 10 分钟便生成机械蝴蝶 SVG 动画，并在智能体编码、终端操作等多项流出基准测试中拿下第一。
Midjourney Alpha 更新：支持韩语，改版移动端与 v8.2 编辑器
Midjourney 发布 alpha.midjourney.com 更新，正式支持韩语界面。新版改进了 v8.2 编辑器体验，重绘移动端全宽布局并支持删除上传文件，同时修复了 Animate 动图生成和反引号导致标签页卡死等问题。
Viggle 发布 Meridian：已有视频能换运镜，还能做「子弹时间」
Viggle AI 发布视频重构模型 Meridian。只要输入一段现有视频或单张照片，它就能重建 3D 场景并按自定义轨迹重新运镜，甚至冻结画面做出「子弹时间」效果。模型基于 MiniMax-H3 构建，目前已开源 LoRA 权重并支持 ComfyUI。
OpenAI 超 3 亿美元收购 Glass Imaging：用 AI 让手机拍出单反画质
据《华尔街日报》报道，OpenAI 斥资逾 3 亿美元收购智能手机相机技术初创公司 Glass Imaging。该公司由打造苹果人像模式的前工程师创办，利用神经网络在按下快门瞬间实时提升成片素质。这笔交易进一步补足了 OpenAI 打造自有硬件的技术拼图。
Google 联手 NASA 推出 MAPL-EMIT：太空抓甲烷，检出率超人工 50%
Google 与 NASA JPL 推出深度学习模型 MAPL-EMIT，利用太空仪器追踪全球甲烷排放。模型经 360 万个模拟羽流训练，检出量比专家高出 50%，在全球额外识别出超 2.3 万处羽流。相关模型与工具已在 Kaggle 和 GitHub 开源。
开源模型 Fire3D：不到 1 分钟，把单张照片做成可编辑 3D 场景
研究人员开源 3D 重建框架 Fire3D，无需人工标注即可从单张图片或随手拍视频中拆解物体，并在 1 分钟内生成带纹理的完整 3D 网格。每个对象均可独立编辑移动，支持单卡并行处理 16 个物体，可直接接入机器人模拟环境。
OpenAI 上线 ChatGPT Images 2.5：生成提速 50%，支持随手涂鸦出图
OpenAI 发布 ChatGPT Images 2.5。新模型生成延迟较前代最高降低 50%，大幅提升了多轮编辑与参考图还原能力，并新增手绘草图作为参考的 Sketch 功能。目前全量桌面、移动与网页端用户均已可用。
Quiver AI 发布 Arrow 2：专攻 SVG 矢量图，还能直接做微动效
Quiver AI 发布矢量生成模型 Arrow 2 及高阶版 Arrow 2 Telos。新模型生成更快，生成的 SVG 节点更少、排版更规整，不仅支持位图矢量化，还能直接给静态 SVG 制作网页级微动画。
WorldSculpt 开源：把复杂场景拆成几百个独立 3D 物体
Alaya Lab 与东京大学推出 3D 重建框架 WorldSculpt，能将视频场景拆解为数百个独立的 3D 网格对象。它改变了以往重建中所有物体融成一块的弊端，让每个物件都能单独移动或缩放，还支持将高斯泼溅场景转为网格。代码已开源。