搜索
OpenAI发布新一代图像生成模型ChatGPT Images 2.5，在图片细节质量、生成速度、编辑精度及多轮修改一致性上有所提升，并新增Sketch手绘参考、创作模板和图片评论编辑等功能。
近年来，视频生成模型在清晰度、时序一致性和可控性上快速进步。给定文本、图像、相机轨迹或玩家动作，模型已经能够合成连贯的后续画面，也让「可交互视频世界」逐渐从概念走向可观看、可操作的原型。
CMAP团队发表于TPAMI 2026的工作提出基于一致性模型的对抗净化方法，将传统像素空间去噪转化为隐空间流形优化，使对抗样本映射回干净数据流形，在多种攻击类型与自适应攻击条件下均有效提升深度神经网络的鲁棒性。
影眸Hyper3D发布世界生成模型WorldGen，用户上传一张场景图片即可在两三分钟内生成由多个独立可交互物体组成的3D场景，物体具备质量、摩擦系数等物理属性，可直接接入Blender、Unity、Unreal Engine等主流工具及机器人仿真环境，标志着3D生成进入场景级时代。
Runway发布首个界面世界模型Solaris，基于Gen-4.5视频生成模型与GWM-1世界模型技术，用户通过点击、拖拽或输入文本即可实时生成交互界面而无需编写代码，该系统还可用于训练Computer Use Agent。
阿里千问创作平台上线 Wan 3.0 视频生成模型及 Agent Teams 多智能体协作模式，用户输入剧本与一句话提示词即可由编剧、导演、美术、分镜师、配乐师等 Agent 自动接力完成影视短剧制作，文章以"华强买瓜"剧本配合《JoJo的奇妙冒险》风格进行实测，展示了从需求拆解、角色资产生成、镜头提示词确认到视频拼接与片段迭代修改的完整流程。
群核科技发布3D生成模型Lux3D，最快20秒即可批量生成带PBR材质的3D资产，并同步内测世界模型产品，以显式3D路线打造可交互数字空间的底层能力。
8 月 26 日，群核科技正式发布了 AI 3D 生成模型 Lux3D。它提供标准版、极速版和渲染器能力，还能通过 API、插件接入 Codex、WorkBuddy 等 Agent 及主流设计工作流。
过去几年，视频生成模型在清晰度、运动表现和画面质感上不断进步。输入一句文字，模型已经能够生成颇具电影感的视频。
今天的视频生成模型，已经越来越像一个会拍电影的导演。