OpenAI ha lanzado ChatGPT Images 2.5, un nuevo modelo de imagen de última generación que ofrece detalles más nítidos, capacidades de edición más precisas y una generación hasta un 50% más rápida en comparación con la versión anterior.
En colaboración con la cineasta Liz Garbus y Primordial Soup, Google DeepMind utilizó modelos de IA generativa para reconstruir un encuentro no fotografiado entre Burt y Ethelle Shatz para el cortometraje documental "Love, Rendered". El proyecto aborda el declive cognitivo recreando un recuerdo específico que existía solo en la mente de la pareja.
Google está implementando Google Pics, una herramienta de creación y edición de imágenes basada en el modelo Nano Banana, para todos los suscriptores de Google AI Pro y Ultra, así como para la mayoría de los clientes empresariales de Workspace durante las próximas semanas.
Esta actualización cubre varios desarrollos en el panorama de la IA, incluyendo que Meta abra su plataforma Muse a desarrolladores de terceros, lance una nueva versión de su modelo de segmentación y un incidente de seguridad que involucra a Gemini de Google.
El equipo de Qwen de Alibaba ha lanzado Qwen-Image-2.1, un modelo unificado de generación de texto a imagen y edición de imágenes que consolida los puntos de control anteriores separados en un único transformador de difusión de 7B parámetros.
Qwen ha lanzado Qwen-Image-2.1, un modelo unificado diseñado tanto para la generación como para la edición de imágenes.
Badaramoni ha lanzado un nuevo adaptador para el modelo Krea-2-Turbo que combina paquetes de realismo públicos de diferentes formatos en un solo archivo. El lanzamiento aborda la limitación donde las herramientas de fusión estándar fallan al combinar adaptadores LoRA y LoKR clásicos porque no comparten el mismo formato de bajo rango.
Diffusers-workflow es un motor declarativo construido sobre Hugging Face Diffusers que permite a los agentes de modelos de lenguaje grandes autorar, validar, ejecutar e inspeccionar pipelines de imagen o vídeo utilizando documentos JSON en lugar de scripts Python. Expone un servidor MCP con aproximadamente 50 herramientas como interfaz principal, permitiendo el control no supervisado de los agentes sobre los recursos GPU.
Gradio ha lanzado Workflow1111, un proyecto que reconstruye la mayoría del conjunto de funciones de stable-diffusion-webui de AUTOMATIC1111 utilizando el framework gr.Workflow. La aplicación consiste en un único lienzo que contiene once pipelines multimedia construidos a partir de setenta y tres nodos, cubriendo tareas de texto a imagen, imagen a video y varias tareas de preprocesamiento.
Un usuario ha publicado código y pesos para ejecutar el modelo Cosmos3 de NVIDIA con 64 mil millones de parámetros localmente utilizando cuantización INT4. La implementación soporta tareas de Texto a Imagen e Imagen a Video en Apple Silicon vía MLX, así como CUDA.
OpenAI ha lanzado ChatGPT Images 2.5, una actualización a sus modelos de generación de imágenes que mejora la capacidad de seguir instrucciones en múltiples turnos y aumenta la velocidad de respuesta. La nueva versión también es mejor para preservar los sujetos de las fotos de referencia proporcionadas por los usuarios.
Un ingeniero ha liberado como código abierto una reproducción del proyecto viral de Surya Narreddi, que entrena un modelo de programación para pintar acuarelas utilizando JavaScript y aprendizaje por refuerzo. La implementación utiliza la biblioteca TRL y OpenEnv para crear un pipeline de extremo a extremo en Hugging Face para entrenamiento, puntuación e inferencia.