開源 FPS 世界模型 SCOPE：支援 10 自由度手柄即時操控
研究團隊開源了 FPS 互動式世界模型 SCOPE。它基於 Wan2.2 打造，支援移動與開火等 10 自由度控制，能將連續按鍵操作直接生成為連貫的遊戲畫面，並支援未知場景的零樣本遷移。目前模型權重、程式碼和資料集均已在 GitHub 開源。
AI影像
檢視更新的新聞
ASASR：基於 FLUX 的影像超分工具，4 倍放大且不生幻覺細節
ASASR 是一款開源影像超解析度工具，基於 FLUX.1-dev 實現 4 倍高畫質重建，重點解決傳統生成式放大中憑空捏造細節與偽影的問題。它採用對齊頻域結構的對抗 DPO 最佳化，提供雙 LoRA 推理方案。目前程式碼與權重已開源，並在 Hugging Face 上線了線上 Demo。
研究人員提出 SEGA：免訓練調節 RoPE，讓 DiT 穩出 4K 大圖
研究人員提出免訓練方法 SEGA，專門解決 DiT 模型生成超解析度影像時易崩潰的問題。它在每步去噪時按頻域能量動態縮放 RoPE 位置編碼，既保留宏觀構圖又還原微觀細節。這意味著無需昂貴的重新訓練，現有模型也能直接輸出 4096 級別的高畫質大圖。
Arq.live 推出語音製片系統 GLITCH：導演動口排程，8 分鐘生成短片
Arq.live 推出語音生成影像系統 GLITCH，導演無需手打提示詞，直介面述即可完成選角、搭景與排程走位。系統後臺由多個 AI 智慧體像電影攝製組一樣協同即時出片，在單檯筆記本電腦上用時不到 8 分鐘就生成了一部完整短片。
Krea 推出 Krea 2 LoRA 微調功能：可精準定製專屬畫風與角色
Krea 宣佈面向影像模型 Krea 2 開啟 LoRA 微調功能的 Beta 測試。使用者現在可以用自己的素材高精度訓練特定的視覺風格、物體或角色，大幅提升生成畫面的可控性與一致性。這是該平臺迄今最強大的模型微調系統。
Lift4D 亮相：一段普通 2D 影片直接重建完整 4D 場景
研究人員公佈 Lift4D 框架。它只需一段普通的單視角 2D 影片，就能重建出包含完整外觀與運動變形的 4D 場景，還能自動腦補鏡頭未拍到的死角與遮擋區域。這意味著日常單機位拍攝的動態物體，也能實現 360 度環視檢視。
PhysX-Omni 釋出：AI 生成 3D 資產補齊物理屬性，直通機器人模擬
研究人員釋出物理 3D 生成框架 PhysX-Omni，讓 AI 生成的模型不僅外觀逼真，還能具備可直接用於模擬的材質、運動學和可變形屬性。最值得關注的是，它配套推出了通用物理資料集與評測基準，讓生成的資產能直接接入具身智慧與機器人訓練。
Figma 畫布上線原生 AI Agent：直接動嘴改稿，支援多 Agent 並行
Figma 在協作畫布中上線原生 AI agent。它基於針對設計微調的模型，設計師直接輸入自然語言就能生成介面、改稿或自動探索迭代，還能同時啟動多個 agent 並行幹活。最值得關注的是，日常改圖和創意測試從此無需離開畫板。
Google 把街景裝進 Genie：真實世界秒變可互動 3D 虛擬場景
Google 將通用世界模型 Project Genie 與街景影像打通。使用者選定美國真實地點後，可套用「海洋世界」等風格生成互動環境，供機器人或智慧體訓練與漫遊。該原型功能現面向全球每月 200 美元的 Google AI Ultra 訂閱者開放。
Odyssey 推出兩款世界模型：即時音畫同步，還能 4 人聯機打遊戲
Odyssey 推出世界模型 Starchild-1 與 Agora-1。前者能根據使用者輸入即時生成音畫同步的內容且無固定時長，後者首次支援最多 4 名玩家在同一個由 AI 即時生成的虛擬世界中互動。這意味著世界模型正從離線影片生成轉向真正可互動的多人模擬引擎。
OpenAI 接入 SynthID 隱形水印：上線公開工具查驗 AI 圖片
OpenAI 宣佈升級內容溯源體系，成為 C2PA 認證生成器，並聯合 Google DeepMind 為 ChatGPT 等生成的圖片嵌入 SynthID 隱形水印。官方還上線了公開驗證工具，可同時檢查後設資料與水印訊號，防止影像被二次篡改。
位元組開源統一模型 Lance：影像與影片的理解、生成、編輯全打通
字節跳動開源統一多模態模型 Lance，啟用引數 30 億，同時支援影像與影片的理解、生成及編輯。最關鍵的是，它不僅能看懂畫面，還能通過多輪對話連續修改影片。不過本地執行門檻較高，至少需要一塊 40GB 視訊記憶體的 GPU。
Leonardo AI 上線 3D 生成功能：從 2D 概念圖直接匯出 .glb 模型
Leonardo AI 在平臺內上線 3D 物體生成功能，創作者無需切換工具即可將 2D 概念圖轉為 3D 模型。藉助多視角參考藍圖，使用者能匯出支援四邊面和三角面的 .glb 檔案，直接對接遊戲引擎或 3D 列印。獨立遊戲開發者和電商做資產省事多了。
PanoWorld 亮相：輸入戶型圖，直接生成整套房屋連貫 3D VR 遊覽
研究人員公佈空間世界模型 PanoWorld。輸入一張平面戶型圖和風格參考，它就能生成整套互相連線、帶傢俱的 360 度全景房屋遊覽。最關鍵的是，它通過 3D 空間記憶維持各房間視點的一致性，避免畫面錯亂。目前程式碼和權重尚未正式釋出。
GPT Image 2 搭檔 Seedance 2.0：從 12 格故事板直接做動畫
創作者分享了一套 AI 影視工作流：先用 ChatGPT Image 2 將故事創意生成帶角色和鏡頭標註的 12 格故事板，再交給 Seedance 2.0 生成連貫的電影感影片。配合節點式平臺編排，一人做動畫的門檻進一步降低。
阿里公佈 FashionChameleon：單卡 23.8 幀，影片生成中能即時互動換衣
阿里巴巴公佈影片試衣框架 FashionChameleon。它允許在影片生成過程中即時互動式更換服裝，單卡生成速度達 23.8 FPS，並能保持人物動作與外觀連貫。最值得關注的是它僅靠單服裝資料訓練就實現了多套換裝。目前程式碼與模型尚未正式開放。
開發者開源 Claude Code 3D 工具包：單圖生成完整場景與物理
開發者 Neilson 開源了一套適配 Anthropic Claude Code 的 3D 生成工具包。該工具僅需輸入單張圖片，即可自動生成包含網格、物理模擬、光照和音訊元件的完整 3D 環境，讓開發者在 Claude Code 中無需手動建模也能快速搭建 3D 場景。
Articraft 開源：讓 AI 寫程式碼生成能動的 3D 資產，帶關節還自帶測試
研究團隊開源帶關節 3D 資產生成系統 Articraft 及超 1 萬個資產的資料集。它把 3D 建模轉化成程式設計問題，由 AI 智慧體寫程式碼定義部件與鉸鏈關節，並自動執行測試。生成結果能真正活動，大幅降低了機器人模擬和 VR 資產的製作門檻。
Warp-as-History：僅靠單個影片微調，就能精準控制 AI 運鏡軌跡
上海交通大學與上海人工智慧實驗室等提出 Warp-as-History。該方法無需新增相機編碼器或控制分支，而是把視角形變打包成視覺歷史上下文，僅用一個標註影片進行輕量 LoRA 微調，就能在陌生場景中精準聽從運鏡軌跡並補全畫面盲區。
輝達釋出世界模型 SANA-WM：單張 5090 可 34 秒生成 1 分鐘影片
輝達釋出互動式世界模型 SANA-WM，僅 26 億引數即可將單張影像轉化為可鍵盤漫遊的 720p 影片。其蒸餾版本在單張 RTX 5090 上僅需 34 秒即可生成 1 分鐘片段。官方表示權重即將開源。