阿里上線 Qwen-Image-2.1 API：單模型搞定摳圖、2K 渲染與十圖融合
Alibaba 在 Model Studio 上線 Qwen-Image-2.1 Pro 與 Turbo API。這個 7B 視覺模型集成了文生圖、最多 10 張圖的參考編輯、原生透明摳圖和 2K 文字排版。Turbo 版單張生成低至約 0.014 美元，商用無需自建 GPU 叢集。
AI影像
檢視更新的新聞
Kimi 釋出 K3.1 Pro：支援 1M 上下文與 3D 程式設計，總引數 2.8T
Kimi 釋出 3T 級多模態模型 K3.1 Pro，擁有 2.8T 總引數與 104B 啟用引數，支援 1M 上下文。模型擅長 Blender 與 CAD 的 3D 建模及遊戲全專案程式設計，金融幻覺率下降 65%。該模型已上線且權重定於 Nov 4, 2026 開源。
Canva 釋出自研影像模型 Craft：不僅能出 2K 圖，還能一鍵拆成可編輯圖層
Canva 正式推出首個自研影像生成模型 Canva Craft。該模型基於平臺內海量專業設計模板訓練，支援生成最高 2K 解析度的畫面，並能通過 Canva Magic 直接轉為可自由修改的分層設計。目前所有使用者已可在 Dream Lab 中免費體驗。
Ideogram 推出 Vector 1.0：用提示詞生成可編輯 SVG 向量圖
Ideogram 釋出首個向量 AI 模型 Vector 1.0。它支援通過文字提示詞直接生成可編輯的 SVG 向量圖，或將現有圖片轉為無限放大的向量格式，兼具平滑漸變與清晰排版。模型現已在 Ideogram 平臺及 API 同步上線。
Bria 開源 FIBO 2 影像編輯模型：登頂評測榜，支援 4 圖融合編輯
Bria 開源影像生成與編輯模型 FIBO 2。它支援最多 4 張參考圖的混合自然語言編輯，在 Artificial Analysis 影像編輯榜單上登頂，效果緊咬 Qwen Image 2.1。INT8 版為 8.4GB，不過權重僅限非商業用途且需申請訪問。
HiP3R 提出分層位姿圖：不用重訓模型，長影片也能穩拼 3D 大場景
研究團隊提出 3D 重建方案 HiP3R。它採用分層位姿圖結構，先做影片片段級整體對齊，再逐幀最佳化統一相機位姿，解決長影片拼接時的機位漂移問題。最值得關注的是，它無需重訓基礎大模型，直接插入現有演算法就能穩定重建連貫大場景。
騰訊開源世界模型 Hy-Nomas：單張 4090 能跑，文字和相機即時操控
騰訊開源互動式影片世界模型 Hy-Nomas，支援通過自然語言和相機運鏡即時控制虛擬場景。模型可輸出 720p、24 幀畫面，通過分段生成維持長時間一致性，蒸餾後的 9GB 版本單張 RTX 4090 即可執行，並以 Apache 2.0 協議開源全套程式碼與權重。
Google 上線 Gemini 商業中心：自帶記賬做圖，直連 Shopify
Google 在 Gemini 應用中推出中小企業商業中心。商家可上傳品牌規範，藉助 Nano Banana 2.1 生成風格統一的宣傳圖，並能將雜亂收據轉化為互動財務圖表。此外還打通了 Shopify 與 Canva 等工具，讓小微團隊無需專人也能快速打理運營。
GaussiAnimate 開源：用雙層骨架搞定動物與衣物 3D 動畫
GaussiAnimate 開源了角色動畫製作程式碼。它將內部運動骨骼與靈活的外部表面結構結合，內部管運動、外部管形變，解決了傳統剛性骨架難以處理衣物和動物軟體彎曲的問題。最值得關注的是，複雜形變動畫製作被大幅簡化，支援在本地電腦部署執行。
HairDeck 開源：單張圖片生成帶骨骼 3D 髮型，轉頭就能自然擺動
HairDeck 開源了單圖生成風格化 3D 髮型的模型，輸入一張角色圖就能生成完整的 3D 發片，並自帶驅動動畫的彈簧骨骼鏈。生成發片僅需 1 秒左右，比同類方法快 33 倍且朝向更準，支援直接匯出 VRM 格式。模型大小僅 2.45GB，普通消費級顯示卡就能跑。
Skyfall AI 釋出工程世界模型 SKY-001：看圖拆解零件並生成 CAD 步驟
Skyfall AI 釋出首個專門面向工程設計的世界模型 SKY-001。輸入跑車或噴氣發動機的圖片，它就能將其拆解為獨立 3D 零件，並生成在 CAD 軟體中建模的分步草圖與流程，還能按輪廓生成建築平面圖。其速度與成本優於通用大模型，目前暫未開源，僅開放候補名單。
Viggle 推出世界模型 JST-2：輸入文字或圖片秒變 3D 空間，角色免綁骨骼就能動
Viggle 推出物理原生 3D 世界模型 JST-2，支援把文字或圖片一鍵轉為可探索的三維環境。它通過持續追蹤空間中的物質單元保持場景一致，生成的 3D 角色原生包含動力學，省去骨骼繫結步驟。場景可在瀏覽器中即時渲染，目前開放免費體驗。
OpenAI 洩露「Aurora」影像模型：現身 Arena 盲測，疑似 GPT-Image-3
OpenAI 在 API 和 Arena 盲測中短暫曝光代號為「Aurora」的三款新影像模型。其中 red 主打速度，green 細節更清晰，業內推測這很可能是下一代 GPT-Image-3。目前官方已撤下引用，暫無文件與定價。
OpenMOSS 開源 MOSS-Image：50 億引數文生圖，支援精準佈局與文字渲染
OpenMOSS 開源 50 億引數文生圖模型 MOSS-Image，提供 Base 與 SFT 兩個版本。它支援繪製邊界框控制畫面構圖與文字渲染，Transformer 部分僅約 10GB，可在消費級顯示卡執行。不過目前僅支援純文本生成，暫無法用自然語言編輯圖片。
Krea 3 開啟 Beta 測試：8 秒完成 2K 影像編輯，支援多輪框選修改
Krea 開啟影像編輯模型 Krea 3 的 Beta 測試。該模型能在 8 秒內完成端到端 2K 影像編輯，畫質對標 Nano Banana Pro 與 GPT Image 2.5，並支援多輪對話與邊界框精準控制。完整版本將於下週上線。
Black Forest Labs 釋出 FLUX 3 Klein：5.6B 引數跑進 8GB 視訊記憶體
Black Forest Labs 開源 5.6B 引數的影像生成模型 FLUX 3 Image Klein。它支援原生 4K 輸出、精準區域編輯和多圖參考，INT8 版本在 8GB 視訊記憶體顯示卡上就能直接執行，讓本地與端側部署的門檻大幅降低。
動作模型 Möbius：一句話生成 3D 動作，還能反向理解與指令編輯
研究人員提出統一動作-語言模型 Möbius，把 3D 人體動作的生成、理解、補全與編輯整合進同一個架構。模型直接處理連續幀級動作，省去了離散化和預訓練 VAE，引數最高拓展至 1.7B。這意味著同一個模型既能聽懂動作也能做動畫，大幅降低了 3D 角色動作製作與微調的門檻。
InfiniSplat v2 開源：多張照片一鍵重建 3D 場景，消費級顯示卡可跑
開源 3D 重建模型 InfiniSplat v2 釋出，能將多角度照片或上千幀駕駛影片直接轉成可自由探索的 3D 場景。模型將幾何結構與視覺表現預測解耦，並能自動抑制不一致的噪點。整個模型僅約 6.6GB 且已開放程式碼和權重，普通消費級 GPU 即可在本地部署執行。
Skywork 開源 Matrix Game 4.0：單卡 83 幀即時渲染可玩 3D 遊戲
Skywork 開源 3D 遊戲世界模型 Matrix Game 4.0。它讓傳統引擎處理物理與規則，再由 AI 即時細化畫面，單張消費級 GPU 下最高可跑出 83 幀，並內建智慧體用自然語言修改玩法。這解決了以往 AI 遊戲畫面容易漂移變形的問題，程式碼與權重均已開放。
NVIDIA 開源 Stream Render H3：用影片模型把遊戲粗模即時變成大片
NVIDIA 釋出並開源 Stream Render H3，利用 MiniMax H3 影片模型將遊戲引擎輸出的簡單語義圖即時渲染成高畫質畫面。玩家可通過參考圖一鍵切換風格；不過實現即時需 8 塊 GP200 GPU，整套模型體積超 200GB。