xAI ha puesto Imagine Image 2.0 a disposición general como el nuevo Modo de Calidad, junto con las aplicaciones para iOS y Android. La actualización se centra en la generación y edición precisa de imágenes para flujos de trabajo creativos profesionales.
Las pruebas iniciales del modelo DeepSeek v4 Flash indican mejoras notables en sus habilidades de diseño de interfaz de usuario y experiencia de usuario. A pesar de estas mejoras, se señala que el modelo es hambriento de tokens.
Los investigadores presentan Cluster-Guided Vector Quantization (CGVQ), un método diseñado para mejorar el rendimiento de tasa-distorsión en la compresión de imágenes basada en primitivas gaussianas. El enfoque particiona los parámetros de Gaussiana en grupos homogéneos antes de la cuantización, abordando la ineficiencia causada por almacenar grandes cantidades de parámetros de punto flotante por primitiva.
Kavram está probando una API de generación de imágenes en producción que utiliza una red GPU distribuida con división de pipeline para permitir a los desarrolladores implementar modelos de imagen abiertos sin gestionar el hardware ellos mismos.
Hugging Face Diffusers ahora admite la carga de checkpoints de Nunchaku Lite de forma nativa mediante `from_pretrained()`, eliminando la necesidad de un motor de inferencia separado o compilación local de CUDA. Esta integración utiliza el método SVDQuant para ejecutar capas transformadoras con pesos y activaciones de 4 bits (W4A4), reduciendo significativamente el uso de memoria mientras mejora la velocidad de inferencia.
Microsoft ha lanzado Mage-Flow, una pila generativa compacta de escala 4B diseñada para la generación eficiente de texto a imagen y la edición de imágenes basada en instrucciones. El sistema alcanza una calidad competitiva con el estado del arte mediante el co-diseño de un tokenizador ligero, Mage-VAE, y un Transformador de Difusión Multimodal de Resolución Nativa (NR-MMDiT).
NVIDIA ha presentado CTRL-G (Controllable Generative Graphics for Games), un marco diseñado para abordar el desafío de controlar sistemas de IA generativa dentro de entornos de juegos interactivos.
Google ha lanzado tres nuevos modelos: Gemini 3.6 Flash para cargas de trabajo eficientes de agentes de propósito general, 3.5 Flash-Lite para aplicaciones de baja latencia y un modelo 3.5 Flash especializado en ciberseguridad integrado con CodeMender.
Un usuario en el foro de discusión de Hugging Face está pidiendo a la comunidad que identifique la etiqueta de artista específica utilizada para "Figura B" en una imagen de comparación publicada por toyxyz.
NVIDIA y Hugging Face han integrado NVIDIA NeMo Automodel con la biblioteca 🤗 Diffusers para proporcionar entrenamiento distribuido de nivel de producción para modelos de difusión de código abierto. Esta colaboración permite a los usuarios ajustar cualquier modelo en formato Diffusers en el Hub de Hugging Face sin requerir conversión de puntos de control ni reescritura del código del modelo.
Un usuario en los foros de Hugging Face está consultando sobre el posible desarrollo de una versión ConvRot INT8 o FP8 para el modelo FireRed Image Edit v1.1.
Simon Willison demuestra cómo crear una "mascota" animada personalizada para la aplicación Codex Desktop aprovechando el modelo Sol de OpenAI GPT-5.6 y la API gpt-image-2.
Para conmemorar su 25.º aniversario, Google lanza un rediseñado y navegable espacio principal para Google Images junto con nuevas capacidades de generación de imágenes dentro de AI Overviews.
Los autores presentan CtrlVTON, un marco que aborda la falta de control del usuario en la prueba virtual redefiniendo la tarea como edición de imágenes con máscaras de segmentación a nivel de píxeles. Este enfoque permite a los usuarios especificar el tamaño de la prenda, el estilo y la colocación espacial en el cuerpo.
HoLo-FuSe demuestra que un sustrato byte de HoLo Semantic Layer (HSL) congelado y de cero parámetros puede condicionar eficazmente un modelo de difusión para la generación de imágenes. El proyecto prueba si este marco de características determinista de 27-D puede servir como mecanismo de condicionamiento para un DDPM condicional por clase, reemplazando los embeddings aprendidos tradicionales.
El desarrollador ZimengXiong ha completado un puerto Swift-MLX y Python MLX de los modelos Hunyuan3D-Paint y Hunyuan3D-Shape, habilitando la generación local de imágenes a 3D en dispositivos Apple Silicon. El trabajo se distribuye como la aplicación de escritorio Modelr de código abierto para macOS e iOS, junto con el código fuente para integrar la tecnología en aplicaciones Swift.
Fabricio3g ha lanzado Flaxeo Image, una interfaz de usuario de escritorio local construida en torno al reciente lanzamiento de sd.cpp. La aplicación tiene como objetivo exponer la mayoría de las capacidades del backend, incluyendo generación, edición, rutas de video, gestión de modelos y opciones de hardware.