DiffSynth-Studio 開源 Qwen-Image-i2L：單張圖片直接轉出專屬 LoRA
DiffSynth-Studio 開源 Qwen-Image-i2L，支援僅憑單張圖片直接生成定製 LoRA 模型。該套件基於 SigLIP2、DINOv3 與 Qwen-VL，提供 2.4B 風格提取和 7.9B 內容捕捉等模型。這意味著無需繁瑣微調與大批訓練集，靠一張圖就能快速提煉畫風與主體。
AI影像
檢視更新的新聞
Google Labs 升級 Mixboard：接入 Nano Banana Pro，畫布草圖一鍵變簡報
Google Labs 宣佈為其創意畫板 Mixboard 引入 Nano Banana Pro，可結合板面上下文將零散靈感直接生成精美簡報。更新還增加了塗鴉區域性修改、匯入 PDF 與自拍相機功能，並支援單個專案建立多個畫板。
Google 搜尋 AI 模式擴至近 120 國：上線 Gemini 3 Pro
Google 宣佈將 Gemini 3 Pro 與影像生成模型 Nano Banana Pro 引入近 120 個國家和地區的搜尋 AI Mode（英文版）。Google AI Pro 與 Ultra 訂閱使用者可選「Thinking with 3 Pro」，支援複雜推理並即時生成互動工具與動態佈局。
Kling AI 推出 Kling O1：打通文本、圖片與影片的統一創意引擎
Kling AI 推出全新創意引擎 Kling O1，開啟 Omni 釋出周。該模型主打真正的多模態理解，能統一處理文本、影像和影片輸入，簡化生成創作流程。目前新功能已面向訂閱使用者開啟限時體驗。
OpenAI 聯手 NORAD：在 ChatGPT 裡上線三款聖誕追蹤小工具
OpenAI 宣佈與北美防空司令部合作，在 ChatGPT 中推出三款「NORAD 追蹤聖誕老人」專屬工具，包括把真人照片變成精靈、將玩具創意轉為可列印填色線稿，以及定製家庭節日故事。這些工具直接收錄在 NORAD 官方網站上。
算力扛不住了：OpenAI 與 Google 縮減 Sora 和 Nano Banana 免費額度
因使用需求激增，OpenAI 與 Google 分別收緊了 Sora 和 Nano Banana Pro 的免費生成限制。Sora 免費額度定為每天 6 條影片，Nano Banana Pro 則降至每天 2 張圖。說白了，算力緊缺讓大廠吃不消，免費紅利正在加速退場。
Luma AI 提出 TVM：從零訓練提速 25 倍，影像生成僅需 4 步
Luma AI 公佈全新訓練範式 Terminal Velocity Matching（TVM）。相比標準擴散模型，它在保持同等畫質的前提下實現 25 倍訓練提速，並能輕鬆擴充套件至百億引數規模。最值得關注的是，基於 TVM 訓練的模型僅需 4 步即可生成高精度影像。
Black Forest Labs 釋出 FLUX.2：支援 10 張圖多參考，開源 32B 權重
Black Forest Labs 釋出視覺模型家族 FLUX.2。新模型支援最多 10 張參考圖進行風格與角色一致性生成，編輯解析度最高達 4MP，並包含 32B 的開源權重版 FLUX.2 [dev]。這意味著專業排版與精準控圖的門檻進一步降低。
NotebookLM 上線幻燈片與資訊圖功能：自定義角色擴至 5000 字元
NotebookLM 團隊公佈新更新，正式上線幻燈片和資訊圖生成功能，能把參考資料直接轉化成視覺敘事與單圖概覽。自定義角色字數上限也從 500 字元擴充到 5000 字元，此外團隊還預告了正在內測的思考過程互動介面。
Meta 介紹 WorldGen：一句話生成 50 米見方的可漫遊 3D 世界
Meta 介紹了端到端系統 WorldGen，輸入一句提示詞就能在幾分鐘內生成風格統一、可自由行走的 3D 場景。它能覆蓋 50x50 米範圍，生成資產相容 Unity 和虛幻引擎。目前仍處於研究階段，暫未向開發者開放。
Midjourney 推出「Style Creator」早期版：不用文字也能捏風格
Midjourney 宣佈推出新工具「Style Creator」的早期版本。該工具讓創作者完全不依賴文字提示詞，就能探索並生成全新視覺美學風格，官方稱這是對未來生成體驗的一次提前窺見。
Google 釋出 Nano Banana Pro：支援多語言長文本渲染與 4K 輸出
Google 推出影像生成與編輯模型 Nano Banana Pro（Gemini 3 Pro Image）。它不僅能結合搜尋資料生成資訊圖，還攻克了文字渲染難題，支援多語言長段落，並能融合 14 張圖保持 5 人一致性。免費使用者可在 Gemini 應用中限量體驗。
MIT 研發 VideoCAD：讓 AI 模仿人類點滑鼠，草圖直接變 3D 模型
MIT 工程師正在研發能直接操作 CAD 軟體的 AI。團隊製作了包含超 41,000 個建模示範影片的 VideoCAD 資料集，讓 AI 學習人類在介面上的點選與拖拽操作。系統能直接把 2D 草圖建造成 3D 模型，目標是打造一個降低設計門檻的 CAD 助手。
Meta 釋出 SAM 3D：單張 2D 照片一鍵變 3D，權重與程式碼全開源
Meta 推出全新 SAM 3D 系列模型，包含 Objects 和 Body 兩個分支，能從單張 2D 照片直接重建高精度 3D 物體、場景及人體。官方已開源權重與推理程式碼，並在 Playground 開放體驗；該技術目前已落地至 Facebook Marketplace 的房間預覽功能中。
Meta 釋出 SAM 3 與 SAM 3D：支援複雜提示詞分割，單圖直接重建 3D
Meta 釋出分割模型 SAM 3 與 SAM 3D。SAM 3 支援用複雜的自然語言提示在圖片和影片中精確定位並追蹤物體，SAM 3D 則能把單張 2D 影像中的人或物體直接重建成 3D 模型。兩款模型已上線互動試玩區，SAM 3 的程式碼與權重已開源。
Midjourney 上線個人主頁：24 小時內配齊資料送 5 小時算力
Midjourney 正式推出個人主頁功能，支援自定義頭像、橫幅、社交連結並精選展示畫作。為了給社群冷啟動，官方宣佈 24 小時內填完資料並精選至少 8 張作品的使用者，可直接領到 5 小時免費 Fast 算力。關注功能也已同步上線，但關注者列表僅自己可見。
Replit 上線 Design Mode：接入 Gemini 3，兩分鐘搞定高顏值原型
Replit 推出全新 Design Mode，接入了最新的 Gemini 3 模型。使用者通過自然語言即可在兩分鐘內生成兼顧排版與配色的互動原型或靜態網站，不僅能直接部署，還能一鍵轉換為可接後端邏輯的完整應用。
ElevenLabs 推出影像與影片生成工具：整合 Sora 和 Kling，打通全流程
ElevenLabs 推出 Image & Video 公測版。平臺聚合了 Veo、Sora、Kling、Flux 等主流影像與影片模型，使用者生成畫面後可直接套用其聲音庫生成旁白並自動對口型，在 Studio 時間軸內一站式完成剪輯與匯出。
Google 聯名 Golden Goose：在 40 多家門店用 Gemini 定製球鞋
Google 宣佈與義大利時尚品牌 Golden Goose 合作，在全球 40 多家門店內上線 AI 球鞋定製服務。顧客可以在 Pixel 10 上用專用 Gemini 定製專屬圖案，再由駐店工匠手工繪製到球鞋上，讓生成式 AI 落地傳統手工體驗。
解讀「世界模型」分歧：李飛飛做 3D 資產，LeCun 賭大腦，DeepMind 押模擬器
科技分析拆解了 AI 領域對「世界模型」的路線分歧。World Labs 的 Marble 本質是 3D 高斯潑濺資產流水線；LeCun 押注的是用於規劃與預測的認知潛變數；DeepMind 則用 Genie 與 SIMA 2 搭建互動影片模擬器。同一個詞背後其實是三種完全不同的方向。