SpatialEdit 開源：精準移動物體與轉動相機視角，權重與資料全公開
影像空間編輯模型 SpatialEdit 宣佈開源，權重與訓練資料全部公開。它不僅能微調畫面中物體的精確位置與朝向，還能直接控制相機的偏航、俯仰與縮放視角。最關鍵的是，它在空間基準測試中表現亮眼，不過 32GB 的模型權重需要高階 GPU 才能跑起來。
AI影像
檢視更新的新聞
研究人員提出 FML 語言：將向量平面圖生成轉為 Token 預測任務
研究人員公佈統一向量平面圖生成研究，提出類似 HTML 的平面圖標記語言 FML。該方法將房間、門和牆壁等空間結構編碼為標籤序列，讓 Transformer 模型像預測下一個 Token 一樣生成向量戶型圖。目前該專案僅釋出論文，尚未開原始碼。
傳 OpenAI 新影像模型 GPT-Image-2 洩露：文字渲染與常識大提升
開發者 Pieter Levels 爆料 OpenAI 新影像模型 GPT-Image-2 以 maskingtape-alpha 等代號現身 Arena 平臺。早期測試顯示其具備極強的世界知識與文字渲染表現，甚至可能超過 Nano Banana Pro。目前官方尚未對此證實。
Generative World Renderer：靠一段文字，直接重塑 3A 遊戲畫面與光照
研究團隊釋出 Generative World Renderer，從《黑神話：悟空》等 3A 遊戲中提取了 400 萬幀 G-buffer 資料。結合文本提示詞，它能直接重塑遊戲畫面的材質、天氣與光照。最值得關注的是，藉助完整的幾何與法線資訊，創作者無需重新建模就能修改遊戲風格。
阿里推出 Wan2.7-Image：單次生成 12 張一致圖片，支援 12 種語言文字渲染
阿里巴巴推出影像生成與編輯統一模型 Wan2.7-Image。該模型支援精確控制人臉輪廓與 HEX 調色盤，可實現 12 種語言的印刷級文字渲染，並能在單次生成中輸出最多 12 張風格一致的影像。這意味著創作者能直接用它完成複雜的多語言圖文排版和連貫分鏡製作。
Moonlake 釋出 3D 構建 Agent：能接管 Blender 做場景建模與修復
Moonlake 釋出 3D 世界構建 Agent 早期演示。它不再侷限於對話方塊生成資產，而是直接在 Blender 等專業軟體裡點選、編輯物件與調光，像人類一樣反覆迭代。最值得關注的是它能按長序列動作自查自糾，並複用專家演示的工作流。
阿里釋出 Wan 2.7 Image：生成編輯一體，能輸色號還能畫圖表
阿里釋出生成與編輯一體的影像模型 Wan 2.7 Image。它主打更具真實瑕疵的人臉微調，支援直接輸入最多 8 個十六進位制色號鎖定配色，並能渲染 3000 tokens 的多語言長文本與表格。單次提示還可生成最多 12 張風格一致的影像，分鏡和設計物料製作效率大增。
Gen-Searcher 框架開源：先聯網搜參考圖再出圖，解決生圖盲區
研究團隊開源影像生成框架 Gen-Searcher。它利用搜索代理先在網上檢索參考圖與事實資訊，再輔助出圖，能解決特定角色、冷門地點和資料的事實盲區，且相容開源與閉源底模。
位元組推出 DreamLite：3.9 億引數端側模型，手機離線生圖編輯只要 3 秒
字節跳動公佈輕量影像模型 DreamLite，僅 3.9 億引數即可在手機端完全離線執行。它兼顧文本生圖與影像編輯，在 iPhone 上生成一張 1024×1024 肖像圖約需 3 秒，還能直接換背景或改畫風。雖然寫實細節不及雲端大模型，但大幅壓低了手機端修圖的延遲與算力門檻。
通用汽車用 AI 重塑車身設計：手繪草圖數小時變 3D 動畫
通用汽車公佈其在整車設計流程中全面引入生成式 AI 工具。通過與初創公司 Vizcom 合作，GM 可在一天內將手繪草圖轉化為 360 度 3D 模型和動態影片；配合虛擬風洞，風阻估算從兩週縮至即時反饋，大幅壓縮研發週期。
拓竹 MakerWorld 接入 Meshy：單張照片生成 3D 模型，支援 AMS 自動分色
拓竹 MakerWorld 宣佈將 3D 生成平臺 Meshy 整合進 MakerLab。使用者上傳任意照片即可由 Meshy-6 引擎在數分鐘內生成可列印的 STL 或 3MF 檔案。最值得關注的是其多色列印功能支援自動匹配 AMS 耗材分色，免去在切片軟體中手動填色的步驟。每次匯出模型需消耗 2 個 MakerLab 積分。
Runway 推出 Ad Concepter：用產品圖和提示詞快速生成廣告方案
Runway 網頁端上線新應用 Ad Concepter。使用者只需提供一段提示詞、一張參考圖和一張產品圖，就能快速生成廣告構圖、視覺概念與故事節奏。最值得關注的是，創作者和營銷人員無需搭建複雜工作流，即可低門檻批次探索廣告創意。
Meta 釋出 SAM 3.1：多目標跟蹤提速 7 倍，128 個物體順暢跑
Meta 釋出影片與影像分割模型 SAM 3.1，引入共享記憶體機制 Object Multiplex。在單張 H100 上跟蹤 128 個目標時，推理速度提升約 7 倍且不損失精度，並在 6 項影片分割基準上超越前代。模型權重已在 Hugging Face 開放申請。
微軟釋出 Babylon.js 9.0：支援分簇光照與高斯潑濺，視訊記憶體降 40%
Babylon.js 正式釋出 9.0 版本。新版引入分簇光照系統，讓成百上千個光源在 Web 端保持流暢；同時上線幀圖管線，部分場景 GPU 視訊記憶體佔用直降 40% 以上。此外還帶來節點粒子編輯器，並在 Adobe 協作下深度支援高斯潑濺渲染。
PSDesigner 亮相：輸提示詞直接生成帶分層結構的 Photoshop 海報
研究團隊提出自動化設計系統 PSDesigner，輸入提示詞就能生成帶分層結構的可編輯 Photoshop 檔案。它通過素材收集、版式規劃和工具執行三個智慧體迴圈最佳化版面。這意味著 AI 生成的海報終於能直接接入現有的改稿工作流。
Real Restorer 開源：42 GB 模型本地搞定老照片降噪與反光修復
開源影像修復模型 Real Restorer 釋出。它專門修復模糊、噪點、壓縮偽影、劃痕與反光，並能增強黑白老照片，基準測試表現比肩頂級閉源模型。專案總大小 42 GB，已提供程式碼和部署說明，需配備高階 GPU 本地執行。
ComfyUI 上線動態視訊記憶體功能：按需載入模型，低視訊記憶體生成提速一倍
ComfyUI 推出 dynamic VRAM 功能，改變了以往一次性將模型全部塞入視訊記憶體的做法。新機制在生成過程中按需載入部分模型、用完即解除安裝，既減少視訊記憶體溢位報錯，也讓中端顯示卡能跑更大模型。實測在部分場景下生成耗時甚至縮短了一半。
Lovart 上線 Move Object：免蒙版和圖層，圈中物體就能直接拖走
Lovart 推出 Move Object 工具。使用者用矩形或套索工具框選影像中的任意物體，即可直接拖拽到新位置，還能通過提示詞補充微調。整個過程無需畫蒙版或分圖層，也不用反覆重新抽卡，直接生成一張乾淨連貫的新圖。
RealMaster 增強 3D 渲染：把遊戲塑膠感變成照片級真實影片
AI 工具 RealMaster 能把 GTA 等遊戲或 3D 渲染畫面轉化為照片級真實影片。與破壞畫面的同類工具不同，它能完整保留原影片的幾何結構、陰影和運動邏輯，除了遊戲寫實化，還能用於增強自動駕駛的模擬訓練資料。
Figma 向 AI 智慧體開放畫布：Claude Code 可直接呼叫規範改圖
Figma 推出 MCP server 測試版，正式向 AI 智慧體開放設計畫布。Claude Code 和 Codex 等工具可通過 use_figma 工具直接呼叫團隊的設計系統建立並修改圖層，還能通過 Markdown 格式的 Skills 約束規範。目前測試期免費，後續按量收費。