Esta atualização cobre vários desenvolvimentos no cenário de IA, incluindo a Meta abrindo sua plataforma Muse para desenvolvedores de terceiros, lançando uma nova versão de seu modelo de segmentação e um incidente de segurança envolvendo o Gemini do Google.
A equipe Qwen da Alibaba lançou o Qwen-Image-2.1, um modelo unificado de geração de imagem a partir de texto e edição de imagens que consolida os checkpoints anteriores separados em um único transformer de difusão com 7B de parâmetros.
A Qwen lançou o Qwen-Image-2.1, um modelo unificado projetado tanto para geração quanto para edição de imagens.
Badaramoni lançou um novo adaptador para o modelo Krea-2-Turbo que combina pacotes de realismo públicos de diferentes formatos em um único arquivo. O lançamento aborda a limitação onde ferramentas de fusão padrão falham ao combinar adaptadores LoRA e LoKR clássicos porque não compartilham o mesmo formato de baixo posto.
O Diffusers-workflow é um mecanismo declarativo construído sobre o Hugging Face Diffusers que permite que agentes de modelos de linguagem grandes (LLMs) criem, validem, executem e inspecionem pipelines de imagem ou vídeo usando documentos JSON em vez de scripts Python. Ele expõe um servidor MCP com aproximadamente 50 ferramentas como interface principal, permitindo controle não supervisionado de agentes sobre recursos de GPU.
O Gradio lançou o Workflow1111, um projeto que reconstrói a maioria do conjunto de recursos do stable-diffusion-webui do AUTOMATIC1111 usando o framework gr.Workflow. O aplicativo consiste em uma única tela contendo onze pipelines de mídia construídos a partir de setenta e três nós, abrangendo texto-para-imagem, imagem-para-vídeo e várias tarefas de pré-processamento.
Em colaboração com a cineasta Liz Garbus e a Primordial Soup, o Google DeepMind utilizou modelos de IA generativa para reconstruir um encontro não fotografado entre Burt e Ethelle Shatz para o curta-metragem documental "Love, Rendered". O projeto aborda o declínio cognitivo recriando uma memória específica que existia apenas na mente do casal.
Um usuário publicou código e pesos para executar o modelo Cosmos3 da NVIDIA com 64 bilhões de parámetros localmente usando quantização INT4. A implementação suporta tarefas de Texto para Imagem e Imagem para Vídeo no Apple Silicon via MLX, bem como CUDA.
A OpenAI lançou o ChatGPT Images 2.5, uma atualização para seus modelos de geração de imagens que aprimora a capacidade de seguir instruções em múltiplos turnos e aumenta a velocidade de resposta. A nova versão também é melhor em preservar os sujeitos das fotos de referência fornecidas pelos usuários.
A OpenAI lançou o ChatGPT Images 2.5, um novo modelo de imagem state-of-the-art que oferece detalhes mais nítidos, capacidades de edição mais precisas e até 50% de geração mais rápida em comparação com a versão anterior.
Um engenheiro abriu o código-fonte de uma reprodução do projeto viral de Surya Narreddi, que treina um modelo de codificação para pintar aquarelas usando JavaScript e aprendizado por reforço. A implementação utiliza a biblioteca TRL e OpenEnv para criar um pipeline de ponta a ponta no Hugging Face para treinamento, pontuação e inferência.
O Google está lançando o Google Pics, uma ferramenta de criação e edição de imagens baseada no modelo Nano Banana, para todos os assinadores do Google AI Pro e Ultra, bem como para a maioria dos clientes empresariais do Workspace nas próximas semanas.