Luma Labs 釋出 Uni-1：邊思考邊生成畫素，把推理與渲染合二為一
Luma Labs 推出新模型 Uni-1，主打思考與畫素生成同步進行。與以往將推理和影像渲染完全割裂的流水線不同，它採用一體化架構直接出圖。官方稱這種設計減少了人工干預痕跡，能帶來更具原生智慧的視覺表現。
AI影像
檢視更新的新聞
Pascal Editor：在瀏覽器裡跑的開源 3D 建築編輯器，免裝桌面端
Pascal Editor 是一款開源免費的瀏覽器端 3D 建築編輯器，基於 WebGPU 和 React Three Fiber 構建。它支援牆體、樓板和區域的層級化即時編輯，依靠髒節點追蹤技術呼叫本地顯示卡流暢渲染。使用者無需安裝動輒昂貴的專業桌面軟體，開啟網頁就能堆疊拆解樓層並快速建模。
Microsoft 釋出 MAI-Image-2：文生圖榜單衝進前三，主打自然光影與文字渲染
Microsoft 推出文生圖模型 MAI-Image-2，在 Arena.ai 排行榜位居第三。新模型重點提升了自然光影與膚色表現，支援可靠的圖內文字渲染與複雜場景生成。目前已上線 MAI Playground，並逐步接入 Copilot 與 Bing Image Creator。
Adobe 上線 Firefly 自定義模型公測：用自己作品訓練 AI，保持畫風統一
Adobe 推出 Firefly 自定義模型公開測試版，允許創作者用自己的作品訓練專屬影像模型，在多個專案中保持筆觸、調色與角色的一致性。該模型預設私有，不會用於訓練通用模型；系統還會自動檢測內容真實性憑證，攔截被拒絕用於 AI 訓練的素材。
3DreamBooth 亮相：用單幀最佳化解耦空間運動，搞定多視角影片一致性
研究團隊提出 3D 影片定製框架 3DreamBooth。它將定製主體視為 3D 實體，靠單幀最佳化解耦空間幾何與時間動作，並配合 3Dapter 模組補充多視角線索。這意味著影片模型生成新視角時不用瞎編細節，徹底搞定 3D 一致性。
Character.ai 上線 Imagine 畫廊：聊天配圖全歸集，點訊息即生圖
Character.ai 在移動端推出 Imagine Gallery。該功能將對話中生成的所有 AI 圖片集中收錄為網格畫廊，支援按 Persona 角色身份篩選與匯出；同步上線的 Imagine Message 支援點選單條訊息快速生圖。c.ai+ 訂閱者還可將其設為聊天背景。
Google Labs 升級 Stitch：自然語言與語音直接生成高保真 UI
Google Labs 宣佈將 UI 設計工具 Stitch 升級為 AI 原生無限畫布。除了用自然語言和語音直接指揮 AI 調整介面與出方案，它還支援通過 DESIGN.md 規範管理設計系統、一鍵生成可互動原型，並能通過 MCP 協議無縫匯出至開發工具。
SegviGen：自動拆解 3D 模型部件，點選或給張圖即可精準分割
SegviGen 開源了基於 TRELLIS.2 的 3D 部件分割框架。使用者只需在模型上點選區域性或上傳 2D 參考圖，就能自動把 3D 模型精準拆成獨立零件。其互動分割效能比此前 SOTA 提升 40%，不過本地執行需要至少 24GB 視訊記憶體的 Nvidia GPU。
AI 影片變 3D 世界：新方法抹平畫面衝突，單段影片就能重建
研究人員提出 World Reconstruction from Inconsistent Views，能將 AI 生成影片轉化為一致的 3D 世界。它通過非剛性幾何對齊消除幀間形變與矛盾，單段影片即可重建，且不挑影片模型。最關鍵的是，它直接把現有影片生成器變成了可漫遊的 3D 場景工具。
Midjourney 開啟 V8 Alpha 測試：速度快 5 倍，支援原生 2K
Midjourney 開啟 V8 影像模型 Alpha 測試，生成速度比 V7 提升約 5 倍。新版本改進了提示詞遵循、文字渲染與畫面連貫性，支援原生 2K 解析度的 --hd 模式。不過，目前該版本暫不支援 Relax 模式。
SWM 首爾世界模型亮相：結合真實街景 RAG，生成數公里漫遊影片
研究團隊提出首爾世界模型（SWM），將真實街景影像作為 RAG 檢索錨點引導影片自迴歸生成。它解決了長影片誤差累積的問題，支援數百米至數公里尺度的真實街道漫遊，還能用文本提示為城市新增海嘯等場景變化。
NVIDIA 釋出 DLSS 5：引入即時神經渲染，迎來「圖形的 GPT 時刻」
NVIDIA 在 GTC 上釋出 DLSS 5，稱其為 2018 年光線追蹤以來最大的圖形突破。它利用即時神經渲染模型注入逼真光影與材質，最高支援 4K 即時執行。黃仁勳稱其為圖形領域的「GPT 時刻」，預計今年秋季正式推出。
Retime GS：丟幀卡頓的 2D 影片，也能重建出平滑全身 4D 動畫
AI 專案 Retime GS 亮相。它只需普通 2D 影片幀作為輸入，就能生成支援任意視角觀看的全身 4D 場景；即使原影片丟幀卡頓，也能通過改進的 4D Gaussian Splatting 補全空缺，比同類方法更流暢、偽影更少。
Canva 上線 Magic Layers：一鍵把靜態 AI 圖片拆成可編輯圖層
Canva 推出由自研設計模型驅動的 Magic Layers 功能。它能智慧識別靜態影像或 AI 圖片裡的文字、主體與背景，將其拆解還原為多圖層設計，使用者無需重新生圖即可直接修改文字和微調排版。目前該功能已在美、英、加、澳開啟公測。
ID Laura 開源：單模型搞定數字人生成，音畫同步還能帶環境音
一體化數字人模型 ID Laura 開源。它基於 LTX 2.3，改變了以往先克隆聲音再匹配口型的兩段式做法，只需輸入單張人像、參考音訊和臺詞，就能由單個模型同步生成影片、克隆語音與環境音。目前執行至少需 24GB 視訊記憶體，推薦 48GB。
NVIDIA 升級 ComfyUI：簡化介面免連線，4K 超分提速 30 倍
本週在 GDC 上，NVIDIA 宣佈為 ComfyUI 推出全新 App View 模式，並上線 RTX 影片超解析度節點。使用者無需連線即可輸入提示詞生成影片；藉助 RTX 50 系列顯示卡的 NVFP4 格式與超分技術，4K 放大提速 30 倍，視訊記憶體佔用降低 60%。
倫敦大學學院新突破：僅憑小鼠大腦訊號，演算法重建出 10 秒影片
倫敦大學學院團隊在《eLife》發表研究，僅憑小鼠視覺皮層的單細胞腦活動記錄，成功重建出小鼠看過的 10 秒影片。模型還結合了運動與瞳孔變化等內部生理狀態，納入神經元越多重建越準。這為解析大腦如何過濾和修飾視覺現實提供了全新工具。
Photoshop 推出 AI Assistant：說話就能修圖，Firefly 接入 25 款模型
Adobe 為 Photoshop 網頁版及移動版推出 AI Assistant 公測版。使用者輸入文字或說話就能摳圖、換背景或調光，還能用 AI Markup 圈選畫面定點修改。同時 Firefly 影像編輯器支援接入 OpenAI 等超 25 款主流模型。
GlyphPrinter 開源：專治影像生成缺筆少劃，中日韓泰及符號都能打對
研究團隊開源文字渲染框架 GlyphPrinter，專門解決影像生成中文字崩壞、缺筆少劃的問題。它基於 FLUX.1-dev 並採用區域性偏好最佳化，不僅能準確渲染中日韓泰等複雜字元，還能生成石碑刻紋等特殊符號。程式碼與權重均已開放。
小紅書開源修圖模型 FireRed 1.1：保臉保穿著，還能復刻海報字型
小紅書開源影像編輯模型 FireRed-Image-Edit 1.1，用自然語言即可精細修圖。它在改變背景或動作時能穩定保住人臉和穿著，還支援多圖融合換裝，甚至能把參考圖裡的字型風格準確遷移過去。不過其完整模型接近 60GB，消費級顯示卡直接跑起來門檻偏高。