Z.ai 釋出 GLM-Image：混合架構，文本渲染準確率達 91.2%
Z.ai 在 Hugging Face 釋出影像生成模型 GLM-Image，採用混合自迴歸與擴散解碼器架構。該模型支援單一模型內完成文本生成影像，在 CVTG-2K 評測上的文本渲染單詞準確率達到 91.2%，超過 Seedream 4.5 與 GPT 圖片 1。
AI影像
檢視更新的新聞
Qwen 3D 相機控制上線：在網頁裡拖動滑塊就能改影像視角
開發者 multimodalart 在 Hugging Face 上線 Qwen 3D 相機控制 Space。該工具基於 fal 的 Qwen 影像編輯 LoRA，支援直接在 3D 視口拖動把手或調節滑塊，精確修改畫面中主體的方位角、仰角和相機距離。換句話說，調整 AI 影像視角變得像擺弄 3D 模型一樣直觀。
開源影像編輯器 VIBE：2K 圖片編輯只要 4 秒，視訊記憶體 24GB
開源影像編輯模型 VIBE 正式公佈，採用 2B 引數的 Qwen3-VL 搭配 1.6B 的 Sana 1.5。在 H100 上編輯 2K 影像約需 4 秒，蒸餾版本更壓至 2 秒以內。最值得關注的是，它用極小引數量實現了出色的原圖一致性保留。
UniSH 開源：僅憑一段普通影片，前向跑出 3D 場景與動態人體
UniSH 開源了統一前向 3D 重建框架。無需複雜的迭代最佳化，僅憑一段有鏡頭抖動或複雜動作的普通影片，單次推理就能同步還原出場景 3D 點雲、相機軌跡以及帶公制尺度的人體姿態。程式碼已在 GitHub 開源，支援本地部署執行。
通義實驗室開源 Qwen-Image-2512：毛孔更逼真，還能生成 PPT
12 月，通義實驗室開源釋出文生圖模型 Qwen-Image-2512。新版本主打擺脫「AI 塑膠感」，不僅讓人像皺紋、毛孔和動物毛髮根根分明，還大幅提升了文字渲染精度，甚至能直接生成排版工整的資訊圖和 PPT 幻燈片。
騰訊開源 3D 動作生成模型 HY-Motion 1.0：引數破 10 億
騰訊開源文生 3D 動作模型 HY-Motion 1.0，基於 DiT 架構與 flow matching，引數量超 10 億。它涵蓋 6 大類逾 200 種動作，並採用預訓練到強化學習的完整流程最佳化物理真實感，生成的 3D 資產可直接接入動畫管線。
fal 推出 FLUX.2 Turbo：生成只需 8 步，單張成本不到 1 美分
fal 推出 FLUX.2 [dev] Turbo 影像模型。藉助 DMD2 蒸餾技術，模型推理步數從 50 步驟減至 8 步，生成單張 1024 解析度圖片僅需 6.6 秒，成本約 0.008 美元。該模型權重已在 Hugging Face 開放，但遵循非商用許可，商用需走 fal 官方 API。
阿里上線 Qwen-Image-Edit-2511：多人合照不走樣，還內建社群 LoRA
阿里推出 Qwen-Image-Edit-2511。相比 2509 版本，新模型大幅減少影像漂移，重點強化了多人合照的人物一致性與幾何推理能力。最實用的是直接內建熱門社群 LoRA，做工業設計或改圖免去了額外微調。
阿里開源 Qwen-Image-Layered：把圖片直接拆成 Photoshop 級透明圖層
阿里通義千問開源 Qwen-Image-Layered 影像拆解模型。它能把整張圖片直接拆解為帶透明通道的 RGBA 圖層，支援提示詞指定 3 到 10 層，甚至可在圖層裡套層無限細拆。設計師以後拿到 AI 圖片不用再費勁摳圖，直接就能分層編輯。
Manus 幻燈片支援區域性編輯：改字調圖不用再整頁重跑
Manus 宣佈支援對 nano banana Pro 生成的幻燈片進行精準區域性編輯。以往幻燈片作為完整圖片生成，改個錯字或微調排版就得整頁重跑；現在使用者可以直接點選修改文字或特定視覺元素，畫質保持不變。新功能已向所有使用者開放，舊簡報也能直接修改。
Photoshop 接入 Flux.2 Pro：創成式填充有了新模型選項
Adobe 在 Photoshop 中引入 Flux.2 Pro，作為創成式填充（Generative Fill）的新合作模型。這意味著使用者在修圖時除了自帶選項，還能直接呼叫 Flux.2 Pro 進行畫面重繪與補充，為創意生成提供了更多選擇。
微軟開源 TRELLIS.2-4B：單圖生成高精度 3D 資產，最快 3 秒出結果
微軟團隊開源 40 億引數的 3D 生成模型 TRELLIS.2-4B。它基於 O-Voxel 稀疏體素結構，支援從單張圖片生成包含完整 PBR 材質與半透明效果的 3D 網格。在 H100 上生成 512³ 解析度資產僅需約 3 秒，執行至少需要 24GB 記憶體的 NVIDIA GPU。
OpenAI 推出 GPT Image 1.5：生成提速 4 倍，支援自然語言精準修圖
OpenAI 推出旗艦影像生成模型 GPT Image 1.5，生成速度比此前提升 4 倍，API 定價降低 20%。該模型支援用自然語言直接進行區域性微調，能在多次修改中保持人臉與品牌 Logo 一致，並登頂 LMArena 影像生成與編輯榜單。
Black Forest Labs 釋出 FLUX.2 [max]：支援聯網搜尋，參考圖拉到 10 張
Black Forest Labs 釋出新模型 FLUX.2 [max]。新模型支援聯網檢索即時資訊輔助生成，並允許輸入最多 10 張參考圖來保持角色、產品與風格一致，在 @ArtificialAnlys 的文生圖和影像編輯中排名第二。
阿里釋出 Wan2.6：支援 15 秒多鏡頭敘事，還能原生音畫同步
阿里巴巴釋出原生多模態模型 Wan2.6。它不僅支援生成 15 秒 1080p 影片，還能實現自動分鏡的多鏡頭敘事與多人對話原生唇形對齊，甚至可將參考影片中的角色跨場景遷移。這意味著用 AI 製作連貫劇情短片的門檻進一步降低。
Adobe Firefly 上線提示詞影片編輯：接入 FLUX.2，不用重抽整段影片了
Adobe 正式向所有使用者推出 Firefly 影片編輯器。使用者輸入文字指令就能直接修改影片裡的元素、色彩或運鏡，不必整段重新生成。新版還接入了 FLUX.2 和 Topaz Astra 4K 超分等第三方模型，多檔付費訂閱使用者在 1 月 15 日前可享無限生成。
OpenAI 升級 ChatGPT 影像模型：生成快 4 倍，修圖終於不跑偏了
OpenAI 推出新版 ChatGPT Images 及 API 模型 GPT Image 1.5。新模型生成速度最高提升 4 倍，修改圖片時能鎖定光影和人物面貌，文字排版也更穩，API 費用降低 20%。最值得關注的是，ChatGPT 側邊欄還新增了獨立專區，免寫提示詞就能直接套用風格模板。
Google 升級 Gemini Deep Research：不僅出文字，還能生成互動圖表與模擬
Google 為 Gemini Deep Research 推出視覺化報告功能。新功能突破純文本限制，能自動生成定製影像、圖表以及可互動的動態模擬模型。目前已面向 Google AI Ultra 訂閱使用者開放，幫助更直觀地預測變數並理解複雜資料。
Manus 推出 1.6 版：Max 智慧體支援端到端寫 App，上線修圖畫布
Manus 釋出 Manus 1.6，推出旗艦智慧體 Manus 1.6 Max。新版本大幅提升了一次性任務成功率，雙盲測試滿意度提升 19.2%。除了強化表格與網頁開發，Manus 首次支援端到端構建移動 App，並新增支援點選區域性微調與改文字的「Design View」影像畫布。
傳 OpenAI 新影像模型現身 Arena：代號板栗與榛子
社群使用者發現疑似 OpenAI 旗下的新影像生成模型正在 Design Arena 和 LM Arena 盲測，代號分別為 Chestnut 和 Hazelnut。測試顯示其在世界知識、圖內程式碼生成上表現亮眼，外界推測或隨 GPT 5.2 近期釋出，但官方尚未確認。