Microsoft 发布 MAI-Image-2.6：冲上 Arena 第二，文字渲染涨 91 分
Microsoft 宣布推出文生图模型 MAI-Image-2.6，直接登上 Arena 文生图排行榜第二位，超越了 Google、Meta 和 xAI 的同类模型。新版本综合 Elo 分提升 79 分，其中文字渲染大涨 91 分，并显著增强了人像与商业成像质量。
AI图像
查看更新的新闻
腾讯发布 WorldClaw：一句话生成可探索、可编辑的 3D 大世界
腾讯发布智能体驱动的 3D 大世界生成系统 WorldClaw，仅凭单句文本就能生成可探索、可编辑的大规模 3D 场景。系统拆为意图规划、全局地形生成和局部物体摆放三阶段，借助渲染智能体微调物体姿态与接触面，所有模型资产均独立可复用。
瑞士团队开源 XtalPaint：借图像修补找回晶体缺失原子，成功率达 97%
瑞士保罗谢尔研究所团队推出开源模型 XtalPaint，借助图像修补技术重建晶体缺失原子，测试成功率达 97%。它只对未知位置添加扩散噪声，保留已有骨架作引导。这项技术补全了 X 射线难测的轻原子，有望盘活数千种此前无法模拟的储氢与电池材料。
LM 竞技场现身神秘模型「莫娜·丽莎-1」：疑为 OpenAI 新一代图像生成模型
LM 竞技场上线神秘模型「莫娜·丽莎-1」，引发外界猜测 OpenAI 正在测试新一代 GPT 图像生成模型。测试者发现该模型生成的图像带有 SynthID 水印，性能明显优于此前的 Image 2 模型。不过 OpenAI 官方目前尚未确认该模型。
xAI 发布 Imagine Image 2.0：支持 5 图参考与局部精修，登双榜第二
xAI 发布图像模型 Imagine Image 2.0，作为 Quality Mode 上线网页及移动端。新模型主打精准可控编辑，支持魔棒局部修改、背景扣除、最多 5 张参考图生成以及排版文字渲染。官方称其在 Arena 文生图与编辑双榜均位列全球第二。
MAC：一句话生成可打印 3D CAD 模型，Token 消耗减少 116 倍
开源框架 MAC 发布 v2，用户只需输入自然语言就能生成可编辑、可打印的 3D CAD 零件与装配体。它通过多智能体分工与自动校验，相比基线方案将 Token 消耗降低 116 倍、成本减少 13 倍，支持导出 STEP、STL 及 URDF 格式。
京东开源 JoyAI-Video-Edit：文字即时修视频，720p 达 30 帧
京东开源实时视频编辑模型 JoyAI-Video-Edit。它采用 16B 参数自回归扩散架构，用户输入文字指令即可实时编辑流式画面，支持换装、去杂物与风格迁移。系统在 720p 下跑出 30 FPS，单张 RTX 5090 也能实时运行。
腾讯发布 Hunyuan3D-Buffalo 1.0：生成、理解与编辑全包了
腾讯混元团队公布统一 3D 多模态框架 Hunyuan3D-Buffalo 1.0。它基于共享的 VLM 底座，单套流程就能搞定文本生成 3D、自然语言编辑、3D 问答和部件拆解。创作者不再需要拼凑多个专用工具，用一句话就能微调或拆解 3D 资产。
MiniMax 发布全模态模型 H3：自带立体声 2K 视频，权重即将开源
MiniMax 宣布推出通用全模态模型 H3，打破任务与模态界限，能统一理解并生成文本、图像、视频和音频。模型支持最长 15 秒、最高 2K 分辨率的原生立体声视频生成。最值得关注的是，官方承诺未来几天将开源权重，且 2K 单秒生成价格宣称不足主流模型的三分之一。
Ideogram 推出 P-Image：单张 0.003 美元起，原生支持 2K
Ideogram 联合 Pruna AI 发布图像生成模型 P-Image-Ideogram，主打质量、速度与成本的平衡，单张生成价格低至 0.003 美元。模型提供 4 种质量模式并原生支持 1K 与 2K 分辨率，延迟在 3 到 8 秒之间。目前已通过 API 及 ComfyUI、Replicate 等平台开放测试。
Google Earth 上线 AI 生图才一天：因违规内容被紧急撤回
Google 为 Google Earth 网页版接入 Nano Banana 2 图像生成能力，允许用户基于卫星与 3D 实景输入提示词重构全球任意地点。然而仅隔一天，Google 便因发现违规截图流出而紧急下架该功能，表示将在补强安全护栏后重新评估上线。
Ideogram 推出图像消除工具：连阴影和反光一起抹干净
Ideogram 推出图像编辑工具 Object Remover。用户框选物体、文字或杂物后，它能在不影响原图其他区域的情况下彻底抹去目标，连同阴影、倒影与微弱光斑一并消除并重构底色。官方称其在 RemovalBench 评测中质量第一且调用单价最低。
Replit 推出 Replit Design：用 AI 让所有人都能做设计
Replit 推出全新 AI 设计套件 Replit Design。该工具旨在降低创作门槛，帮助用户直接将构想转化为视觉设计。这意味着 Replit 正从编程助手向全流程创作工具扩展，让没有专业背景的用户也能轻松上手。
Ai2 推出 OlmoEarth 平台：大洲级卫星图像 AI 推理一天搞定
Ai2 发布地理空间模型推理平台 OlmoEarth Platform。它能把大洲规模的卫星图像分析压缩到约一天完成，每平方公里成本不足一美分。在北美野火风险图测算中，平台并行调度 19,600 个 CPU 与 994 个 GPU，将耗时缩短 155 倍。
ReDesign：把一张扁平截图拆回可编辑的图层与矢量文件
ReDesign 能将单张扁平图片还原为包含真实文字排版、矢量形状与图层顺序的工程结构，方便直接微调与重绘。它通过多模态智能体调用 Qwen-Image-Layered、SAM 2 等工具自顶向下拆解图像，目前代码与基准数据集已在 GitHub 开源。
Adobe 与 JHU 发布视频世界模型 Wonder：单图实时生成可交互场景
Adobe 与约翰霍普金斯大学公布视频世界模型 Wonder。输入一张图片或视频，它能以 16 FPS 实时生成可漫游的世界。最值得关注的是它解决了相机精准控制与长程记忆问题，用户转一圈探索新区域再走回来，原来的景物依然保持一致。
Google 开源 GNM 头部模型：600 多个滑块精细控制牙齿与表情
这周 Google 开源 3D 头部模型 GNM，支持通过滑块精确控制人物面部结构。模型提供 253 个身份参数和 383 个表情参数，连眼球、牙齿乃至舌头都能独立调节，采用 Apache 2.0 协议发布。它能直接解决以往 AI 人脸千篇一律以及口腔内部结构缺失的问题。
Midjourney 收购占星应用 Co-Star：打造首批独立应用
周四，Midjourney 宣布收购个性化占星应用 Co-Star。Co-Star 创始人 Banu Guler 将出任 Midjourney 首席设计官，带队协助开发 Midjourney 的首批独立应用（包括图像生成应用）。目前 Midjourney 仅通过网页和 Discord 提供服务。
Netflix 开源 ID-V2V：只换场景风格，保留人物长相与表情
Netflix 旗下团队发布视频框架 ID-V2V。用户只需修改一帧画面，就能将新风格与灯光扩散到整段视频，同时锁定人物长相、微表情和口型不走样。系统最高可输出 720p 视频，但主模型体积近 80GB，本地运行门槛较高。
OpenDreamer：把《我的世界》做成可交互的开源世界模型
开源世界模型 OpenDreamer 正式发布，作为 Google 闭源模型 Dreamer 4 的开源复现，能实时生成响应玩家按键操作的《我的世界》画面。项目不仅开放了模型权重与训练代码，还提供了单 GPU 验证架构的经验总结与在线试玩演示。