X 悄悄上線新開關：允許使用者禁止 Grok 重新編輯其上傳的圖片
據報道，X 在發帖上傳流程中悄悄加入了一個開關，允許使用者禁止 Grok 拿自己的素材重新生成變體。此前 Grok 因被濫用生成未經授權的不雅影像而遭到多國監管調查。該選項能讓使用者保護個人內容，同時也意在幫 X 減輕潛在的合規罰款壓力。
AI影像
檢視更新的新聞
CubeComposer：把普通影片擴充套件成 360 度全景，還支援 4K
研究員開源全景影片模型 CubeComposer，能把單臺相機拍攝的普通影片轉化為 360 度全景影片，並支援 4K 增強。它通過擴散模型拆解球體的六個面，用稀疏注意力機制補全鏡頭背後的畫面，整體質量超過 Argus。不過目前背後的腦補畫面仍有些許畸變。
騰訊推出特效遷移框架 EffectMaker：無需單獨微調，一鍵克隆影片特效
騰訊混元團隊提出特效定製框架 EffectMaker，能把參考影片中的視覺特效直接克隆到新畫面中。它通過多模態大模型與 Diffusion Transformer 雙路引導，無需針對單個特效微調，並配套構建了含 13 萬條影片的資料集。
騰訊開源換裝模型 HY-WU：即時生成 LoRA，逼近 Nano Banana
騰訊開源影像編輯模型 HY-WU，主打虛擬試穿與風格遷移。它通過動態生成微型 LoRA 注入底座，無需額外微調就能把參考圖服裝自然合成到人像上，效果緊咬閉源的 Nano Banana。不過目前推理需要至少 4 張 80GB 視訊記憶體，門檻依然較高。
RealWonder 開源：拉動箭頭施加外力，AI 即時生成受力運動影片
開源專案 RealWonder 釋出，支援在單張靜態圖片上施加虛擬外力，即時模擬物體在水流或風吹下的受力運動。它以物理模擬作為橋梁，在單張 H200 上達到 480p、13 幀/秒的生成速度。目前程式碼與模型權重均已開源。
Luma 推出創意智慧體：自研 Uni-1 驅動，能排程外部模型做全案
Luma 推出創意智慧體平臺 Luma Agents，由底層統一多模態模型 Uni-1 驅動，支援文本、影像、影片和音訊的端到端創作。它不僅具備類似程式碼智慧體的自我反思和糾錯迭代能力，還能協同排程 Google Veo 3 與 ElevenLabs 等外部模型。目前該平臺已開放 API，並逐步向企業灰度鋪開。
OmniLottie 論文公開：能直接把圖文指令轉成 Lottie 向量動畫
研究團隊提出向量動畫生成框架 OmniLottie。它通過專用分詞器配合視覺語言模型，能將文本與影像等指令直接轉化為實用的 Lottie JSON 動畫檔案。研究團隊還同步推出了包含 200 萬條標註動畫的資料集 MMLottie-2M。
Spectrum 開源：預判擴散軌跡，讓影像影片模型提速超 4 倍
字節跳動與斯坦福大學研究團隊開源擴散加速框架 Spectrum。它通過切比雪夫多項式預判未來的特徵軌跡，無須重新訓練即可疊加到現有流程中，讓 FLUX.1 和 Hunyuan Video 等模型提速 3.5 到 4.7 倍，且生成質量幾乎不受影響。
WildActor：用 3 張參考圖搞定影片人物一致性，動作再大也不走樣
美團團隊開源人物影片生成專案 WildActor，支援通過 3 張參考圖實現多視角身份保持。它適配開源模型 Wan2.2-5B，無論真人還是卡通角色，在大幅動作下都能維持面部與服裝高度一致，並同步開源了 Actor-18M 資料管線。
ArtiFixer 修復稀疏 3D 重建：藉助自迴歸擴散模型，幾張圖也能補全場景
研究團隊公佈 3D 重建增強方案 ArtiFixer。針對僅有幾張照片導致的 3D 重建殘缺與偽影，它藉助自迴歸擴散模型補齊未觀察到的背景與結構細節，基準指標較以往提升 1 至 3 dB。不過目前該成果僅有論文，尚未開原始碼。
位元組釋出空間獎勵模型：靠 8 萬組對比資料，讓 AI 擺對「前後左右」
位元組團隊提出空間獎勵建模框架，專門解決影像模型搞不清前後左右的問題。團隊構建了包含 8 萬多組正誤對比的資料集訓練獎勵模型，能有效指導 Flux 等模型擺對複雜物體的空間佈局。相關資料集與模型權重計劃公開。
開源專案 SynapsCAD 亮相：打造 CAD 版 Cursor，點 3D 零件就能改程式碼
開源專案 SynapsCAD 打造了一個 CAD 領域的 Cursor。介面左邊寫 OpenSCAD 程式碼，右邊即時渲染 3D 模型，使用者點選模型零件即可讓 AI 順著上下文修改對應程式碼。最值得看的是它堅持「程式碼即唯一真相」，AI 生成的始終是可讀、可版本管理的程式碼，而非黑盒幾何體。
Google 推出 Nano Banana 2：Pro 級生圖進駐 Flash 速度，支援 5 人一致性
Google 釋出影像生成模型 Nano Banana 2（Gemini 3.1 Flash Image）。新模型兼具 Pro 級的畫面質感與 Flash 級的生成速度，支援最多 5 個角色的一致性生成、即時聯網檢索和 4K 解析度輸出，已直接接入 Gemini、Google 搜尋及 API。
QuiverAI 開啟 Arrow 1.0 公測：專門生成原生 SVG 向量圖
QuiverAI 宣佈開放向量圖 AI 模型 Arrow 1.0 的公開測試。與常見生成點陣圖的影像模型不同，Arrow 1.0 原生輸出可無損縮放、可編輯的 SVG 格式向量圖，主要面向需要素材排版與設計的開發者及設計師。
Google 改版創作平臺 Flow：整合 ImageFX，生圖直接無縫轉影片
Google 宣佈改版 AI 創作平臺 Flow，將 ImageFX 和 Whisk 的生圖能力直接併入統一工作區。使用者用內建模型生成的影像可直接餵給 Veo 製作影片；新版還加入了套索圈選與自然語言精細化修改，並支援影片內物體增刪與運鏡控制。
PhysicEdit 開源：讓影像編輯懂物理，吸管折射、黃油融化不再翻車
研究團隊開源物理感知影像編輯框架 PhysicEdit。它專門解決傳統編輯模型不懂物理規律的問題，能準確模擬水中光線折射、紙牌屋倒塌和黃油融化等動態效果。該框架基於 Qwen ImageEdit 2.5 構建，程式碼已在 GitHub 開源。
VecGlypher 開源：用一句話或樣張，直接生成整套向量字型輪廓
開源字型生成模型 VecGlypher 亮相，支援從文本提示或區域性樣張直接生成可編輯的向量字形。它避開了點陣圖轉向量的繁瑣流程，能一趟生成閉合的 SVG 輪廓。測試顯示，其在字形結構和風格還原度上明顯優於 GPT、Gemini 等通用大模型。
tttLRM 開源：不到 4GB 搞定 3D 重建，連電線和文字都能清晰還原
3D 重建模型 tttLRM 正式開源，利用測試時訓練（TTT）技術將照片高效轉為 3D 高斯潑濺模型。相比傳統 3DGS，它消除了煙霧感與噪點，能精準還原電線和微小文字；模型體積不到 4GB，普通消費級顯示卡就能本地跑起來。
虛擬人系統 SARAH：具備 3D 空間感知，VR 裡能自然對視
研究人員提出即時全身虛擬人系統 SARAH。它能感知使用者在 3D 空間的位置，即時調整身體朝向、站位並進行眼神接觸，執行幀率超 300 FPS。最值得關注的是它支援眼神接觸強度調節，讓 VR 互動體驗更貼近真人。
互動式 VR 影片世界模型：用頭顯動作即時操控生成畫面，達 11 FPS
研究人員公佈一項互動式 VR 影片生成技術，可根據頭顯追蹤的頭部與手部姿態，即時生成第一人稱互動影片。配合文本提示詞，使用者能用真實肢體動作與虛擬世界互動，實測約 11 FPS。這推動影片模型邁向具身互動，不過畫質與流暢度仍處早期階段。