新闻、仓库与研究，按时间排列。
i3oot 发布 pixal3d-runpod-worker，一个基于队列的 RunPod Worker，支持 2–8 张带相机元数据的多视图图像生成持久化带纹理 GLB，每个 warm worker 初始化一个模型并支持 GPU 缩容到零。所需 3D checkpoints 共 24.045 GB，镜像面向 SM 8.9 / CUDA 12.8 / PyTorch 2.7，建议 RTX 4090（约 $1.10/小时），50 GB 网络存储约 $3.50/月。CUDA 编译与真实 GPU 推理仍待验证。
GitHub 新仓库 Xjet3d/XjetJewelryBuilderPipeline3 提供一条精简的戒指设计流程：四张图片生成、缩放选择后可再精炼，并支持静态图加 Minimax 相机控制影片定制，定价按固定 1 cm³ 的 Fashion 预览档执行，无 Visual Hull 与测量功能，Hitem3D/STL 网格仅开发者可用。该仓库与商用 Pipeline 2 完全独立，不共享任何代码、数据、配置或部署。默认 Mock 模式免费模拟，切到 Live 模式经 fal.ai 计费，每次图像批次约 $0.60、每个开发者网格约 $2.10。
vivekg7 在 GitHub 发布 talekit，一个面向 AI Agent 的故事视频生成工具，Agent 通过 MCP 服务器设计角色与场景、写逐镜头时间线、根据渲染预览自查，最终输出带语音气泡和配音的 2D 动画 mp4。方案是让 Agent 写它熟悉的语言（SVG 片段加 JSON），引擎负责绑定、行走、镜头、天气、声音、编码等手工难以做对的环节，每次写入都返回图片便于修正；依赖 Node 20+ 和 ffmpeg，语音需要 Apple Silicon Mac 上的 MLX，另附 Python kit 和多个 MCP 工具与 CLI 命令，项目地址 https://github.com/vivekg7/talekit。
推荐理由：面向 Agent 的故事视频生成工具，作者讲了让 Agent 写 SVG 和 JSON、每次写入返回预览图来自查的思路，方案可迁移到其他可视化任务。
Tripo 团队介绍了其 3D 原生基础模型 P2.0 与 Astra 的配合流程：P2.0 生成支持可调 polygon 密度、part 分离、Smart UVs 和区域网格编辑的三角或四边面网格，Astra 则负责在 Blender、Unity 中完成组装、绑定、动画与交互场景搭建。文中案例包括用户用 Astra → Tripo P2.0 → Blender → Unity 流程，仅三个 prompt、90 分钟做出魔兽粉丝游戏。团队同时指出了当前在形变和复杂动画方面的局限，以及人类艺术指导仍不可替代。
SimpleCADforDSH 是一个基于官方 dsh 插件契约的开源（MIT 协议）插件，可将文本提示转为真实的参数化 CAD 模型。智能体用 build123d 生成 Python 脚本并导出 STEP + GLB，内置 single_body、watertight 及 0.2 mm 容差的 overall_dimension 几何 QA 检查，并在 dsh UI 右侧打开同窗 CAD 面板，支持点击面或通过 simplecadfordsh_apply 修改 length / width / height / hole_d 等参数后自动重新生成，另可导出 STL。
roblox-workbench 是一款面向独立 Roblox 创作者的 AI 桌面套件，基于 Tauri v2（Rust 核心 + React 19 前端）构建，Windows 版本 v1.0.0 开源。它支持 3D 生成、纹理、Skybox、音频、动画与地形等，所有生成内容经 JSON schema 验证后才会进入 Studio。应用不做服务器端 AI 调用，密钥经 Argon2id + AES-256-GCM 加密存储，支持 Anthropic、DeepSeek 或任意 OpenAI 兼容端点。
laurentvv 发布 generator-assets 仓库，一个 100% 本地、无 CUDA、纯 Vulkan/GGUF 的 headless CLI 管线，把自然语言描述转成 Godot 4 与 Blender 可用的 2D/3D 资产、AI 视频和音乐循环。管线用 Flux.1、SDXL、Wan 2.1/2.2、LTX-2.5、MiniMax-H3、MiniMax-Music3 等 C++/GGML 引擎，直接导出 .tres、.glb（内嵌 PBR）、.gdshader、360° 天空盒和 .wav/.ogg；内置 40 个工作流和可被 Claude Code 等 Agent 自动发现的 skill，基准测试显示加 skill 后路由正确率 100%、token 消耗降 15%。
推荐理由：原文给出了完整的引擎清单、VRAM 管理策略和实测时长数据，读者可以据此评估这套无 CUDA 本地管线是否适配自己的硬件。
开源项目 booth-image-to-model 可将一张展会展位照片或渲染图转换为以米为单位的可编辑参数化 3D 模型（JSON spec）、.blend 文件、干净客户渲染图和 GLB。它以 Agent 技能（支持 Claude Code、Codex、Cursor）或本地 Web studio 两种方式使用，Web studio 可配置任意 OpenAI 兼容模型读图。项目基于 Python 3.10+ 和 Blender 4.0+，尺寸为单图估算、非施工级，采用 Apache-2.0 许可证。
华为联合上海交大、华中科大发布 SUPRA-Tex，从单张图像生成保留文字、图案与材质边界细节的可重新打光 GLB 资产，含 base color、metallic、roughness 纹理，仓库已开源图像到 3D 与网格纹理化的推理代码。模型在 Hugging Face 开放，包括 2.1B 的 3D Completion 和 33.6M 可训练参数的 Material Adapter，论文见 arXiv:2610.22352；全流程已在 RTX 3090 24GB 测试，建议 48GB 以上 GPU，训练代码未发布。
ComfyUI 发布 v0.42.0，新增 Krea 3 Image 节点、MOSS-image 支持，并改进 Qwen 3.x 性能与 Qwen3.5 嵌入模型加载。更新还包括 ARM Linux 执行与单元测试、修复 webcam 节点和文本生成清理等问题，前端包升级至 1.55.18。
GitHub 仓库 Multi-Modal-105 提供一套生产级多模态生成 Agent，支持 Text-to-Image（512×512 至 1024×1024）与 Text-to-Video（16/32/64 帧）合成，以及基于 DDIM inversion 的图生图编辑。项目从零实现 VAE、StyleGAN2、VQ-VAE、U-Net、DiT 与 Video DiT 等架构，支持 BF16/FP16 混合精度与 1–512 GPU 分布式训练，并通过 FID、IS、CLIP Score 等指标评测。
GitHub 上出现名为 Sanfam/tps-sherpa 的新仓库，定位为 3D 生成项目。仓库目前包含 apps、content、docs、scripts 等目录，以及 Dockerfile、package.json 和 AGENTS.md、CONTEXT.md 等配置文件，项目细节尚未公开。
开源项目 MAC（Multi-Agent CAD）通过自然语言生成可编辑 CAD 零件与多零件装配体，新增视觉验证、独立 Judge 与实验性装配生成（Technology Preview）。在十提示词、141 特征的 single-part benchmark 中，MAC v2 基于 Qwen 3.8 以 140/141（99.3%）通过率、约 $4.85 成本完成，比复现的 CAD Skill 基线少用 62.7× token、成本低 6.1×；装配工作流可导出 STEP、STL、GLB 和 URDF，项目已获近 1,000 GitHub stars。
dcc-mcp 发布 dcc-mcp-comfyui，一个面向 DCC MCP 生态的 ComfyUI 适配器，提供 21 个typed工具，让 Agent 经 ComfyUI 本地 REST API 完成工作流校验、队列执行和产物交付，生成本地游戏 UI 美术、图标、透明 PNG 和 GLB 模型。内置九个覆盖 SD1.5、SDXL、FLUX.2 Klein 4B、Z-Image Turbo、Qwen-Image 2512、BiRefNet、Hunyuan3D 2、TRELLIS.2 PBR 和 Pixal3D PBR 的本地资产配方，不依赖付费 Partner Nodes；官方 ComfyUI 无需自定义节点即可完成校验、执行与产物取回。
推荐理由：仓库给出了21个typed工具、九个本地游戏资产配方和验证边界说明，读者可以评估用ComfyUI让Agent生成PNG与GLB资产的落地路径。
Local Asset Studio 是一个运行在 Windows 单机上的 Python Web 应用，基于本地 ComfyUI（主实例 127.0.0.1:8188，另隔离 8192/8194/8196 三个环境），以目标为导向生成图像与 3D 资产。它记录每次任务的完整提交图、设置、参考角色与输出哈希，并区分「已生成」「已检验」「已授权」三种状态。内置 92 个预设，覆盖 FLUX.2 Klein、Qwen-Image 2.1、HiDream O1、MiniMax H3、Wan 2.2、Hunyuan3D 2.1 等，服务器仅绑定 127.0.0.1:8191，无账号、非托管服务。
GitHub 新仓库 PlanTo3D 可将 PDF、PNG 或 JPEG 格式的建筑平面图转换为带尺寸的 3D 模型，输出 .glb 文件及平面、立面、鸟瞰等六种视图。系统用 U-Net + ResNet34 做像素级分割，结合传统视觉与 OCR 提取墙体、房间、门窗等几何信息与房间用途，在 CubiCasa5K 的 60 张测试图上墙体重建覆盖率达 97.8% 中位数，51/60 张图的尺寸误差中位数为 9.3%。窗口检测为最弱项，像素 IoU 仅 0.223，作者已定位为训练掩码 bug 并修复了转换器，但泛化到芬兰公寓图纸之外尚未验证。
GitHub 新开源仓库 mhvnsnt/Forge3D 提供免费的 3D 角色模型生成，目标以零成本达到 Tripo3D 级别的输出。项目整合 forge3d generate 单一接口，支持 TripoSR、TRELLIS、Hunyuan3D 等本地开源模型和 Meshy、Tripo3D 等 Free-API 提供商，流程覆盖文本到概念图、多视图、mesh、纹理到 GLB 导出。目前处于 PHASE 1，管线已搭建并自测完成，首次生成待所有者审核架构后进行。
ANTEI（代号 PixelVault）是一个多模型 AI 创作工作台，覆盖图像、视频、音频和 3D 生成，支持 BYOK 使用用户自己的 API key。内置节点画布用于多镜头长篇创作，LoRA 工作台可从 Civitai 和 Hugging Face 导入并克隆生成配方，助手引擎支持 Claude（Opus 5.5 / Sonnet 5.5 / Fable 5.1）、GPT-6、Gemini 3.x Flash、DeepSeek 和 Grok 作为规划模型，并通过 MCP 与 Claude 集成。每次生成永久存档提示词、模型、参数与谱系，付费生成需用户确认。
AI-Image-Video-Studio 1.3.1 是一款本地 Windows 桌面应用，支持文生图、图像编辑、文生视频和图生视频，安装器从 GitHub Releases 下载。内置 Z-Image-Turbo、FLUX.2 Klein 4B distilled FP8、Qwen-Image-2512、NSFW Wan 1.3B E14、Wan 2.2 TI2V 5B、LTX-2 19B distilled FP8 等模型，新模型家族约需 80 GB 独立下载。需 Windows 10/11 x64 与 NVIDIA RTX GPU，支持 LoRA 导入与 481 帧上限的视频生成。
Ludo AI 在 GitHub 开源 Unity 插件 ludo-unity-plugin（最新版 1.0.4），可在 Unity Editor 内通过文本提示生成精灵、图片、3D 模型和音频。精灵动画支持 Hydra、Forge、Forge Pixel 模型，帧数 4-64 帧；3D 生成面数 1,000-200,000，导出 GLB；音频含音效、音乐、语音克隆及 14 种预设语音、40+ 语言。需 Unity 2020.2 及以上，通过 API key 使用。
GitHub 新仓库 VGGT-Diff 可从仅 3 到 10 张照片生成未拍摄过的真实新视角，结合视觉几何与扩散模型完成 3D 重建。其采用优化的视频扩散技术，多数任务在标准硬件上几分钟内完成，应用覆盖房地产、电商、游戏与教育等场景。
GitHub 新开源的 meshy-image-to-3d-toolkit 基于 Meshy API 自动化图像转 3D 流程，提供 Node.js CLI 覆盖 image-to-3d、multi-image-to-3d 和 print 端点，支持本地图片归一化为 Data URI、轮询、超时处理与模型下载。配套 Python 助手实现多视图裁剪、按颜色拆分 GLB 及 Blender 体素修复，并生成水密性、连通分量、薄壁筛查和构建体积的打印就绪报告，输出 GLB/3MF/STL 切片文件。
Lumina 游戏引擎编辑器 Lumina Studio 的土耳其语插件仓库上线，基于 lumina_editor_api 构建，MIT 许可，可作模板。包含 lumina_plugin_pcg（PCG 图资产与 PCG Volume 撒布静态网格）、lumina_plugin_miniai（本地模型 vllm.cpp + Gemma 4 E4B 或 llama-server + MiniCPM5，或任意 OpenAI 兼容端点，经 MCP 工具操作项目）及 lumina_plugin_trellis_image（Qwen Image 2.1 Q4_K_M 配 stable-diffusion.cpp 做 Trellis 3D 生成前的图像编辑与审核）。
GitHub 新仓库 BalaramPai/AI-Video-Generation-Pipeline 将视频创意经 Ollama 运行的 llama3.1:8b 生成分镜脚本，用 Stable Diffusion 生成场景图，再通过 Runway API 以 Gen-4.5（单段 2–10 秒）或 Grok Imagine Video 1.5（单段 1–15 秒）图生视频并拼接为 MP4。流水线以角色、场景锚点和 img2img 低去噪强度保持跨场景视觉连续性，输出由 FFmpeg 按 H.264 重编码，另提供 Google Veo 与本地 ffmpeg 回退选项。
Meshy AI 3D 生成平台推出 MCP server，提供 24 个工具，让 AI 智能体通过自然对话创建、管理并下载 3D 模型、纹理、绑定角色和动画。新版本支持 Meshy 7.1 与 meshy-6-lite 模型、Smart Topology（100–15,000 面直接生成）、8K 纹理及 Creative Lab 7 种打印产品。需 Node.js >= 18 和 Pro 计划以上的 Meshy API key。
ComfyUI-Yomu（Yomu）是一个基于 ComfyUI 的文生图/图生图独立窗口 App，通过桌面捷径启动，支持 txt2img、img2img、局部重绘（inpaint）、文生影片和图生影片等工作流。前端不写死节点，通过 workflows/ 里的插槽节点（如 @ckpt、@lora、@sampler）替换复杂工作流，影片生成采用 Wan2.2 TI2V-5B 等模型。生成的 PNG 可拖回界面还原全部参数，并提供 Civitai 搜寻、图库与一键安装更新（Yomu-Setup.bat）等功能。
GitHub 仓库 MaratG2/LocalAtelier 发布，提供 MIT 许可的本地创作工作台，在自有 NVIDIA GPU 上组织项目并生成图像、带纹理 3D 物体和带立体声的视频。集成 Qwen-Image-2.1（INT8，约 17.3 GB）、HiDream O1（SDNQ 4-bit，约 10.7 GB）、TRELLIS.2 图生 3D（Q8，约 10 GB）和 VDN-H3/MiniMax H3 视频生成（约 56.7 GB），支持 GLB/glTF/OBJ 等导出；目标机器为 RTX 5060 Ti 16 GB 配 32 GB 内存，图像模型安装约需 55–65 GB 空间，队列为单任务运行、最多接受四个任务。
推荐理由：仓库 README 给出各模型磁盘占用、硬件要求和队列限制等具体细节，想在自己 GPU 上跑图像、3D 与视频生成工作流的读者可以据此评估。
这是 Qadam London 的 Instagram 视频生成项目仓库。在 Claude 中输入 /reels 命令即可生成 scenario.md——一份含镜头、旁白和屏幕文字的 30–45 秒 Reels 脚本，并为每个场景输出 3D 提示词文件，全部提示词还会汇总为可调 API 的 prompts.json。旧跑批会转入 archive/，仓库另含技能规则、风格指南（角色 Айгерим、Азиз）及校验脚本 tools/check_prompts.py。
GitHub 新仓库 Automated-video-Generation 发布双引擎自主视频生产平台。2D 引擎基于 Manim 渲染 1440p60、9:16 的 3Blue1Brown 风格科普短视频，3D 的 Project Aether 整合 Google Veo 3.1、Kling 3.0、Runway Gen-4.5、CogVideoX 等视频基础模型。平台具备 6 级复杂度规划、480p 草稿预审加 6 critic Council、局部 inpainting 修复及离线 Dream-RSI 元学习，含 367+ 测试，版本从 v1.0 演进至 v5.2。
fal-worldclaw 是基于腾讯混元3D 团队 WorldClaw 研究项目的浏览器化桌面应用，输入一句话描述即可在 10-30 秒内生成可自由行走、飞行的 3D 世界。它通过 fal.ai 云端模型生成地形、建筑、植被、动物和天气，支持调整时间、天气、地形与物体密度，并可保存、分享世界。应用支持 Windows 10/11，需 8 GB 内存与 DirectX 12 显卡，首次使用提供免费额度，之后按用量付费。
GitHub 新仓库 Forge3D 上线，这是一个 AI 驱动的本地优先 3D 创作工作区，可将参考图转为可交互预览、细化和导出的 3D 资产，本地使用无需订阅。集成 trellis.cpp 引擎（NVIDIA CUDA 二进制），并提供 Kaggle T4 和 Colab 云端 notebook；不支持 Google TPU v5e-1 / v5e-8。可选 MCP 集成让 Codex、OpenCode 等 Agent 提交生成任务并获取结果，UltraShape 与 FaithC 提供可选几何细化。
LivePair AI 发布 ComfyUI 自定义节点，支持 20+ 模型的文生图、图像编辑、放大、背景去除及文生视频/图生视频（wan-3.x、seedance 系列）。零依赖，MIT 协议开源，支持 ComfyUI Manager 一键安装。按预付余额计费，图像约 $0.02–0.05，5 秒 720p 视频约 $0.40，失败不扣费，渲染结果 48 小时后自动删除。
GitHub 新仓库 jedsdead/WanGP-2-Phase-Control-For-Minimax-H3 发布了一个 Wan2GP 插件，用于控制 MiniMax H3 两阶段生成（Guidance phases = 2）中 Phase 2 的 LoRA 与步数。默认情况下 Wan2GP 在 Phase 2 固定用 FL2V Turbo LoRA 跑 3 步，该插件允许将步数设为 1 到 12、替换或叠加自定义 LoRA，并兼容 2 Phases Plus；插件采用 MIT 许可，通过 Plugins 粘贴仓库 URL 安装。
开源项目 ProcessForge 发布，这是一个流程与产线流程图编辑器和仿真器，支持放置泵、反应器、热交换器等标准单元操作，通过离散事件仿真输出吞吐量、瓶颈和 OEE。缺失单元可由 AI 编写为合约，引擎经 schema、引用、物理约束、端口四道门校验后方可加入流程图。项目以 Apache-2.0 许可开源，提供 Windows、macOS、Linux 桌面端与浏览器版，可经 MCP 客户端（如 Claude Desktop）或 OpenRouter 使用 AI。
开源 Blender 扩展 AI LowPoly ModelMaker 通过 Codex CLI 的 GPT-6 Astra 在 Blender 内用文本提示词一回合生成游戏用 3D 模型（道具、建筑、自然物），支持 5 种美术风格、物体/背景空间/角色三种制作模式，可导出 FBX/glTF。角色模式走 TRELLIS.2 形状服务器（用户自部署 Modal，MIT 许可），参考图经 OpenRouter Image API 生成，无 API Key 时回退 codex image_gen。v0.46.0 引入按回合角色的模型路由与默认关闭视觉审查，实测单次生成约 $0.3~0.4，较旧设置降低约 65%。
推荐理由：作者用同一提示词的三组实测费用数据说明为何默认关闭视觉审查、按回合角色拆分模型路由，这套成本优化思路可直接迁移到其他 Agent 工作流。
ComfyUI v0.36.0 发布，实现通用循环（Generic Loops）并新增 Marigold v2、YuE2 音乐模型支持。更新还包括 MiniMax-H3 VAE 优化、AMD Windows VA 配额提升至 4TB、新增 Bria Video Eraser 和 BFL Flux Video Edit 等节点，工作流模板更新至 v0.11.62。
开源 Blender 插件 blender-ai-toolkit 支持通过文本提示生成 3D 模型、图片、PBR 材质和 HDRI 环境，要求 Blender 4.2+。3D 生成接入 Tripo3D、Meshy.ai 或本地 ComfyUI，图片生成支持 DALL-E 3 和 Stability AI，LLM 聊天支持 OpenAI、Anthropic、Claude、Ollama、LM Studio 并可自动执行 Blender Python 代码。插件采用 MIT 许可，无外部 Python 依赖，并提供 30+ 内置预设。
开源 Blender 插件 PGCRT 让用户无需离开 Blender 即可使用生成式 AI 工作流，支持生成图像、视频和 3D 模型，并提供 AI 辅助功能。项目目前托管在 GitHub 上。
malinaa1 在 GitHub 发布 AI 驱动的 Blender 与 Unreal Engine 桥接系统 blender-ue-bridge v2，通过 MCP 协议统一控制两个引擎。v2 自带零依赖 Blender Addon，MCP 工具从 v1 的 27 个增至 83 个（正文工具总览标注 62 个），提供宏层/原子层/验证层/视觉层分层工具、真实拓扑四边面建模、网格质量检查、AI 动画层与 6 个专家提示词，Blender 端口 9876、UE 端口 55557，采用长度前缀 JSON 的线程安全协议，支持 Claude Code 配置与 FBX/GLB 导出，MIT 许可证。
推荐理由：工具从 v1 的 27 个扩展到 83 个 MCP 工具，并给出真实拓扑建模与网格质量检查等实测能力细节，便于评估是否可用于 Blender 与 UE 协同工作流。
Max Texturizer 是一个 Blender AI 插件加 FastAPI 后端的组合，用 Hunyuan3D-Paint 为 3D 网格自动生成并应用真实感 PBR 纹理。Modo Mock 模式（CPU、约 100ms 即时纹理）与 LLM 编排器已可用；真实模式需 NVIDIA GPU、CUDA 11.8+ 和 8GB+ VRAM，并安装 hy3dgen。插件还可通过 Ollama 等本地 LLM（默认 llama3）编排各材质槽的 PBR 属性，LLM 不可用时回退到关键词解析。