UniForge 3D 開源：幾張多角度照片，就能腦補出完整 3D 模型
3D 重建與生成框架 UniForge 3D 開源。它只需物體不同角度的幾張稀疏照片，就能生成包含背面等盲區的完整 3D 資產；系統一邊精準重建可見細節，一邊靠生成模型腦補缺失結構。目前相關程式碼和模型已開放本地執行。
AI影像
檢視更新的新聞
Pure：普通影片無需 3D 標註，就能直接重建動態三維環境
3D 重建專案 Pure 正式開源。它無需昂貴的人工 3D 標註，僅靠普通影片提取深度與運動資訊做後訓練，就能將動態連續畫面重建為三維場景。模型體積僅 13.2GB，並附帶了完整訓練指令碼，本地即可下載執行。
阿里開源 Qwen-Image-2.1-Turbo：8 步去噪出 2K 圖，兼顧生成與編輯
阿里巴巴開源影像生成模型 Qwen-Image-2.1-Turbo。它基於 7B 架構，僅需 8 步去噪即可輸出 2K 影像，並支援自然語言影像編輯。這意味著開發者在本地跑輕量生成和修改時推理速度大幅提升。目前模型權重已上線 Hugging Face 與 ModelScope，官方 API 也已同步開放。
Midjourney 測試「思考模式」：重跑生圖更懂提示詞，排版與畫面更連貫
Midjourney 在其 Alpha 網站上線「思考模式」（Thinking Mode）測試。使用者在任務燈箱中點選「Rerun (Thinking)」即可體驗，該模式能顯著提升提示詞準確度、文字排版能力和畫面連貫性。官方表示未來可能全面開放或支援生成後追加思考。
Claude Design 整合進 Claude Code：讀程式碼庫元件直接畫 UI，還能畫布微調
Anthropic 將 Claude Design 深度整合到 Claude 對話與 Claude Code 中，所有使用者均可使用。開發者在終端輸入 /design 即可讀取原生代碼庫的設計規範，生成符合品牌風格的介面並直接在畫布上微調，隨後一鍵銜接寫程式碼或推送至 Vercel。
Meta 開源 GenIA：輸入單張照片或影片，直接重構完整 3D 物體
Meta 釋出新系統 GenIA，能將普通圖片或影片轉換成完整 3D 模型。它基於 SAM 3D 改進，加入持續比對機制即時校準外觀、位置與幾何結構。最值得關注的是它無需重新訓練大模型就能大幅提升還原度，程式碼已在非商業許可證下開源。
開源技能 Anatomy：一句話讓 AI 生成可互動 3D 機械圖解
開源智慧體技能 Anatomy 釋出。輸入一行抽象技術概念，Claude 等程式設計智慧體就能將其轉化為由精密零件組成的等軸測立體機械，生成支援滑鼠拖拽互動的 SVG、WebGL 或 3D 頁面，讓齒輪轉動等動作對應實際執行邏輯。
Google 上線 Nano Banana 2.1：支援 14 張參考圖融合，區域性微調不用重畫
Google 上線影像生成與編輯模型 Nano Banana 2.1，登陸 Gemini、Flow 等平臺。新版本重點改善了主體一致性與區域性精準編輯，支援最多 14 張參考圖融合與最高 4K 解析度。雖然實際畫質仍遜於頂尖模型，但 Flow 平臺每天提供幾十次免費生成額度，門檻極低。
Pinterest 推出 Beauty Guides：把髮型美甲圖變成沙龍實操方案
Pinterest 推出 AI 功能 Beauty Guides。它能把使用者收藏的髮型和美甲圖轉化為髮型師通用的專業術語，並列出具體提單話術、耗時預估、價格區間與後期維護建議。首發支援髮型、髮色、指甲形狀及質感。
復旦與騰訊開源 Prism：原生 2K 音影片聯合生成提速 2.5 倍
復旦大學、騰訊混元和浙江大學開源音影片生成框架 Prism，支援原生 2K 解析度音影片聯合生成。它通過動態稀疏注意力把算力集中在發聲和畫面快速變化區域，大幅減少冗餘計算，訓練速度提升 2.5 倍且聲畫更契合。目前已在 Hugging Face 釋出預覽權重與程式碼。
DistScene 亮相：用單張圖片生成完整 3D 世界，告別物體拼接錯位
研究團隊公佈 DistScene 框架，能用單張圖片生成包含周邊環境和獨立物體的完整 3D 場景。它摒棄了先生成散落物體再硬拼的舊做法，改在統一座標系中聯合建模並單獨精調物體幾何。官方表示未來將公開模型和資料集。
Midjourney Alpha 更新：側邊欄支援風格預覽，資料夾可設預設引數
Midjourney 釋出 Alpha 版本更新日誌，推出側邊欄風格預覽與資料夾預設引數功能。使用者在出圖前即可直觀預覽風格效果，多個風格參考還會合併為縮圖膠囊顯示。此外，新版修復了歷史圖片超過 10 萬張時的崩潰問題，並在影像編輯時自動鎖定原圖寬高比。
ChatGPT 上線虛擬試衣功能：上傳全身照就能看穿搭效果
OpenAI 宣佈在全球為 ChatGPT 上線虛擬試衣與收藏功能。基於最新的 ChatGPT Images 2.5 模型，使用者在購物搜尋結果中點選「Try On」並上傳自拍或全身照，就能預覽衣服與配飾的上身效果，挑中的穿搭還能存入素材庫。
Black Forest Labs 釋出 FLUX 3 Image：畫框精準控圖，單圖反覆重繪不跑偏
Black Forest Labs 釋出影像模型 FLUX 3 Image。它引入邊界框排版機制，支援最多 10 張參考圖與原生 4K 輸出。最值得關注的是畫素級區域性編輯能力，修改指定區域不會影響其餘畫素，反覆微調畫面也不會變花變糊。目前已在官方 Playground 和 API 上線。
Runway 推出營銷引擎 Runway Ads：AI 自動做廣告、投流再復盤
Runway 釋出效果營銷引擎 Runway Ads，能根據品牌物料自動生成影片和影像廣告，並直接釋出至 Meta、Google 和 TikTok。系統會回傳消耗資料，自動迭代下一輪素材。Runway 稱其內部測試使廣告周產量從 77 條激增至 900 條，獲客成本降低 41%。
Ideogram 釋出 4.5：主打多輪影像編輯不失真，支援 2420 萬畫素拼接
Ideogram 釋出影像編輯模型 Ideogram 4.5，重點解決連續修改導致的偽影與顏色漂移問題。它支援最高 2420 萬畫素的高畫質區域性修改與無縫回貼，即使連續多輪編輯畫面依然乾淨。模型已上線 Ideogram App、MCP 和 API，單張編輯 0.008 美元起。
輝達開源 PixelUMM：不用 VAE，一個模型搞定影像影片理解與生成
NVIDIA 開源多模態模型 PixelUMM。它完全去掉了傳統的 VAE 與視覺編碼器，基於 Qwen3-8B 骨幹網路，直接在原始畫素空間同時完成影像與影片的理解和生成。最值得關注的是，單一架構通吃四項任務，大幅簡化了多模態管線。
CMU 推出 Point2Part：點一下即可拆解 3D 模型，零件嚴絲合縫不重疊
卡內基梅隆大學團隊釋出 3D 分割模型 Point2Part，使用者只需在目標部件上點一下，就能把單張圖片或 3D 網格拆成獨立零件。它通過全域性聯合劃分確保部件互不重疊、沒有空隙，拼合後嚴絲合縫。目前該研究已公開論文與專案主頁。
World Play 2 開源：可即時互動的世界生成器，離開再回來場景依然一致
開源互動式世界模型 World Play 2 公開程式碼。它支援在虛擬場景中即時漫遊並與角色互動，關鍵突破在於將歷史資訊壓縮儲存到記憶中，長時間探索或離開重返後場景依然一致。團隊還提供了 4 步推理的 Turbo 版本，完整未量化模型大小達 69GB。
InSpatio-World 1.5：一張圖加運鏡軌跡，生成 4D 漫遊影片
InSpatio 開源 4D 世界模型 InSpatio-World 1.5。它支援輸入單張圖片、全景圖或影片，通過預測新視角沿著指定鏡頭軌跡生成漫遊畫面，還能保留動作並製作「子彈時間」效果。模型體積不到 6GB，大多數消費級顯示卡即可執行。