A xAI tornou o Imagine Image 2.0 amplamente disponível como o novo Modo de Qualidade, além dos aplicativos para iOS e Android. A atualização foca na geração e edição precisa de imagens para fluxos de trabalho criativos profissionais.
Os testes iniciais do modelo DeepSeek v4 Flash indicam melhorias notáveis em suas habilidades de design de interface do usuário e experiência do usuário. Apesar dessas melhorias, observa-se que o modelo é faminto por tokens.
Pesquisadores apresentam o Cluster-Guided Vector Quantization (CGVQ), um método projetado para melhorar o desempenho de taxa-distorção na compressão de imagens baseada em primitivas gaussianas. A abordagem particiona os parâmetros de Gaussiana em grupos homogêneos antes da quantização, abordando a ineficiência causada pelo armazenamento de grandes números de parámetros de ponto flutuante por primitiva.
A Kavram está testando uma API de geração de imagens em produção que utiliza uma rede GPU distribuída com divisão de pipeline para permitir que desenvolvedores entreguem modelos de imagem abertos sem gerenciar o hardware eles mesmos.
O Hugging Face Diffusers agora suporta o carregamento nativo de checkpoints do Nunchaku Lite por meio de `from_pretrained()`, eliminando a necessidade de um mecanismo de inferência separado ou compilação CUDA local. Essa integração utiliza o método SVDQuant para executar camadas de transformador com pesos e ativações de 4 bits (W4A4), reduzindo significativamente o uso de memória enquanto melhora a velocidade de inferência.
A Microsoft lançou o Mage-Flow, uma pilha gerativa compacta de escala 4B projetada para geração eficiente de texto em imagem e edição de imagens baseada em instruções. O sistema alcança qualidade competitiva com o estado da arte por meio do co-design de um tokenizador leve, Mage-VAE, e um Transformer de Difusão Multimodal de Resolução Nativa (NR-MMDiT).
A NVIDIA apresentou o CTRL-G (Controllable Generative Graphics for Games), um framework projetado para abordar o desafio de controlar sistemas de IA generativa dentro de ambientes de jogos interativos.
A Google lançou três novos modelos: Gemini 3.6 Flash para cargas de trabalho eficientes de agentes de propósito geral, 3.5 Flash-Lite para aplicativos de baixa latência e um modelo 3.5 Flash especializado em cibersegurança integrado com o CodeMender.
Um usuário no fórum de discussões do Hugging Face está pedindo à comunidade que identifique a tag específica de artista usada para "Figura B" em uma imagem de comparação postada por toyxyz.
A NVIDIA e a Hugging Face integraram o NVIDIA NeMo Automodel à biblioteca 🤗 Diffusers para fornecer treinamento distribuído de nível de produção para modelos de difusão de código aberto. Essa colaboração permite que os usuários ajustem qualquer modelo no formato Diffusers do Hugging Face Hub sem exigir conversão de checkpoints ou reescrita do código do modelo.
Um usuário nos fóruns do Hugging Face está perguntando sobre o possível desenvolvimento de uma versão ConvRot INT8 ou FP8 para o modelo FireRed Image Edit v1.1.
Simon Willison demonstra como criar um "pet" animado personalizado para o aplicativo Codex Desktop aproveitando o modelo Sol da OpenAI GPT-5.6 e a API gpt-image-2.
Para comemorar seu 25º aniversário, a Google está lançando uma página inicial redesenhada e navegável para o Google Images, juntamente com novas capacidades de geração de imagens dentro do AI Overviews.
Os autores apresentam o CtrlVTON, um framework que aborda a falta de controle do usuário na prova virtual ao reformular a tarefa como edição de imagens com máscaras de segmentação em nível de pixel. Esta abordagem permite aos usuários especificar o tamanho da roupa, estilo e posicionamento espacial no corpo.
HoLo-FuSe demonstra que um substrato byte do HoLo Semantic Layer (HSL) congelado e de zero parâmetros pode condicionar eficazmente um modelo de difusão para geração de imagens. O projeto testa se este quadro de características determinístico de 27-D pode servir como mecanismo de condicionamento para um DDPM condicional por classe, substituindo os embeddings aprendidos tradicionais.
O desenvolvedor ZimengXiong concluiu uma versão Swift-MLX e Python MLX dos modelos Hunyuan3D-Paint e Hunyuan3D-Shape, permitindo a geração local de imagem para 3D em dispositivos Apple Silicon. O trabalho é distribuído como o aplicativo de desktop Modelr de código aberto para macOS e iOS, junto com o código-fonte para integrar a tecnologia em aplicativos Swift.
Fabricio3g lançou o Flaxeo Image, uma interface de usuário de desktop local construída em torno do recente lançamento do sd.cpp. O aplicativo visa expor a maioria dos recursos do backend, incluindo geração, edição, caminhos de vídeo, gerenciamento de modelos e opções de hardware.