OpenAI推出ChatGPT Images 2.5，细节更清晰、生成速度更快并新增编辑工具
OpenAI发布了ChatGPT Images 2.5，这是一款全新的最先进图像模型，与上一版本相比，能够提供更清晰的细节、更精确的编辑能力，并且生成速度快达50%。
Google DeepMind利用AI为纪录片重现一对夫妇未记录的回忆
在与导演Liz Garbus和Primordial Soup的合作中，Google DeepMind利用生成式AI模型重建了Burt和Ethelle Shatz夫妇未曾被拍摄到的会面场景，用于纪录片短片《Love, Rendered》。该项目通过重现仅存在于夫妇脑海中的特定记忆，来应对认知衰退问题。
Google 向 Workspace 订阅用户推出 Pics 图像创建工具
Google 将在未来几周内向所有 Google AI Pro 和 Ultra 订阅用户以及大多数 Workspace 企业客户推出基于 Nano Banana 模型的图像创建和编辑工具 Google Pics。
AutoRef 优化多参考图像生成的智能体框架
研究人员提出了 AutoRef，一种自动优化用于智能体多参考图像生成的执行框架的方法，同时保持底层模型冻结。编码智能体迭代重写框架代码，以解决主体遗漏和不自然构图等挑战。
Hung Tran 指出过拟合神经图像编解码器中的截断陷阱
胡江（音译），越南国立大学信息技术学院（VNU-HCM）的硕士生，已发布其论文《截断陷阱：过拟合神经图像编解码器中的一种静默故障模式》的代码和数据。该工作强调了 Cool-chic 和 C3 等过拟合编解码器如何在特定内容类型上产生零失真梯度的平坦色彩图像。
Meta开放Muse连接器，发布SAM 3.1，Gemini入侵系统
本次更新涵盖了AI领域的几项进展，包括Meta向第三方开发者开放其Muse平台、发布其分割模型的新版本，以及涉及Google Gemini的安全事件。
阿里巴巴Qwen发布统一的7B Qwen-Image-2.1图像生成与编辑模型
阿里巴巴Qwen团队发布了Qwen-Image-2.1，这是一个统一的文本到图像生成和图像编辑模型，将之前独立的检查点整合为一个拥有70亿参数的扩散Transformer。
Qwen 发布开源权重图像生成模型 Qwen-Image-2.1
Qwen 发布了开源权重的 Qwen-Image-2.1，这是一款专为图像生成和编辑设计的统一模型。
Badaramoni 通过合并混合 LoRA 和 LoKR 适配器发布 Krea 2 Turbo 照片级真实感 LoRA
Badaramoni 发布了针对 Krea-2-Turbo 模型的新适配器，将不同格式的公开真实感包合并为单个文件。此次发布解决了标准合并工具无法结合经典 LoRA 和 LoKR 适配器的限制，因为它们不共享相同的低秩格式。
Diffusers-workflow 让智能体通过 MCP 驱动 GPU 图像和视频生成
Diffusers-workflow 是一个构建在 Hugging Face Diffusers 之上的声明式引擎，允许大型语言模型智能体使用 JSON 文档而非 Python 脚本来编写、验证、运行和检查图像或视频流水线。它暴露了一个包含约 50 个工具的 MCP 服务器作为主要接口，从而实现智能体对 GPU 资源的无人值守控制。
Gradio 发布 Workflow1111，将 AUTOMATIC1111 功能重建为 Gradio 图
Gradio 发布了 Workflow1111，该项目使用 gr.Workflow 框架重建了 AUTOMATIC1111 的 stable-diffusion-webui 的大部分功能集。该应用程序由一个包含十一个媒体管道的单一画布组成，这些管道由七十三节点构建，涵盖文生图、图生视频以及各种预处理任务。
gtrg55 发布 INT4 量化的 NVIDIA Cosmos3 64B，用于本地图像生成
一位用户发布了在本地运行 NVIDIA 640 亿参数 Cosmos3 模型的代码和权重，采用 INT4 量化。该实现在 Apple Silicon 上通过 MLX 以及 CUDA 支持文本到图像和图像到视频任务。
OpenAI 发布 ChatGPT Images 2.5，增强指令遵循和参考照片保留能力
OpenAI 发布了 ChatGPT Images 2.5，这是对其图像生成模型的更新，增强了多轮对话中的指令遵循能力并提高了响应速度。新版本在保留用户提供的参考照片中的主体方面也表现更好。
OpenEnv 使用 TRL 复现 Surya Narreddi 的水彩画模型
一名工程师开源了对 Surya Narreddi 的病毒式传播项目的复现，该项目训练一个编码模型使用 JavaScript 和强化学习来绘制水彩画。该实现利用 TRL 库和 OpenEnv 在 Hugging Face 上创建用于训练、评分和推理的端到端管道。