新闻、仓库与研究，按时间排列。
VectorSpaceLab 发布 InfoVis，一个由 FLUX.2-klein-base-9B 微调而来的 9B 统一模型，支持文生幻灯片、模板条件生成、多图像引用生成与指令编辑四类任务。模型在自建评测集 VisSlideBench（1,527 个人工筛选案例）上取得 7.94 总分，超过 Nano-Banana-2 的 7.99 之外的开源模型，在全部 11 项指标上领先所评测的开源模型。代码、权重、评测代码与训练数据已开源于 GitHub 与 Hugging Face，权重遵循 FLUX 非商业许可。
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。
gateway 在 GitHub 开源 Media Studio，可在本地工作区完成图像生成、视频执导与配乐制作，集成 GPT Image 2.5、Nano Banana Pro、Seedance 2.5、Kling 3.0 和 Suno 等模型（经 Kie AI 调用）。项目提供可搜索媒体库、可复用 Presets、Prompt Recipes 与 Graph 工作流，数据库、项目和生成文件均保存在本机，支持 macOS、Windows 和 Linux 安装。
GitHub 上新公开的 theledgerwire/tlw-content-engine 仓库提供一套自动化内容与图像生成工具，含研究 agent、图像生成与去重、提示词管理、hook 校验及 Instagram 发帖等脚本，并附带数据、卡片与图片素材目录。README 将其定位为 TLW 自动化内容与图像生成方案，当前未披露具体模型版本或性能数据。
Hugging Face 上发布 Qwen-Image-2.1 的 Uncensored 量化版本，基于 Qwen/Qwen-Image-2.1 原始权重，提供 GGUF、Safetensors 和 MLX 格式，其中 Q4_K_M GGUF 为 4.60 GB 且被推荐为体积与质量的最佳平衡。该版本无内置安全检查或内容过滤，可直接生成成人及 NSFW 图像，配套 qwen3vl_8b 文本编码器与 VAE 文件，可在 ComfyUI 中通过 ComfyUI-GGUF 使用。
GitHub 仓库 AbrahamPaulJ/nightmare-mobile 发布，一个安卓节点图应用，在 Qualcomm Hexagon NPU 上离线运行文生图、图生图、inpaint、放大、图像编辑与文生视频，无需服务器或账号。
推荐理由：README 详细列出了各芯片档位支持的模型、显存与授权条件，安卓用户可以直接判断自己的手机能跑哪些本地生成流程。
该 GitHub 仓库提供 rtsl-scorer 评测工具和 RenderText SemLeak 数据集，用于测量图像生成器的渲染文字语义泄漏（TSL），即提示词中待渲染文字的含义影响图像非文字区域的现象。数据集含 TSL-60（60 个视觉目标、360 条图像请求）、144 条基线提示词和 200 条良性文字渲染请求及人工标注。评分指标包括 WR、DTSL、NSL 和 GSL，支持 FLUX-2-dev、Qwen-Image、Z-Image-Turbo、LongCat 等生成器后端。
prompts.chat 将图像编辑 prompt "Echoes of the Rust Age" 从原本的 STRUCTURED JSON 格式改为 TEXT 纯文本格式，并更新了提交者。该 prompt 要求以上传照片中的人物为主角，保留其样貌，把他们置于由数百年的锈蚀残骸构成的废土峡谷中，生成电影级写实的 Arri Alexa 风格图像。
prompts.chat 收录一条图像生成提示词，用于生成坐在苔藓树枝上的针毡羊毛小熊猫摄影图。提示词指定 16:9 构图、密集羊毛纤维质感、玻璃珠眼睛与真实苔藓装饰，并要求浅景深、左上方柔和窗光及无文字无水印。
prompts.chat 新增一条图像生成提示词"Hand-Drawn Batik Cloth of a Javanese Peacock"，用于生成铺在深色柚木上的手绘蜡染布平铺摄影图，画面为靛蓝、深棕、奶油与赭色调的爪哇孔雀蜡染纹样，含蜡纹裂纹与 parang 斜纹填充图案，16:9 构图，并要求无文字、无水印。
prompts.chat 收录由用户 @f 贡献的新提示词「Victorian Glass Conservatory at Blue Hour (Garden Approach View)」，用于生成维多利亚玻璃温室在蓝调时刻、自约 15 m 外花园砾石小径正面拍摄的写实建筑外观照片，指定 35mm 镜头、16:9 构图，并要求保持与 step 2 一致的固定设计细节。
prompts.chat 收录由匿名用户贡献的新提示词「Instagram UI Torn Paper Reveal」。该提示词要求将图片分为左右两区，中间用带真实纹理、阴影和深度的撕裂纸边分隔：左侧重建 Instagram 个人主页界面（头像、用户名、粉丝统计、按钮、故事集与帖子网格），右侧让持手机站立人物从撕口处"探出"，并保持两侧色彩连贯、光影自然和比例透视正确。
ShoeFit 提出 MVShoes 多视角鞋类试穿数据集（7305 组标注图像三元组）与双流 DiT 架构，通过 Multi-View Conditioning 结合 3D Rotary Position Embedding 缓解视角错位，并利用 LayeredRefAttention 借助背景特征调制鞋类 latent 以减少背景导致的色彩失真。实验表明该方法在真实商品鞋的高保真试穿合成上显著提升渲染保真度与鲁棒性，已被 NeurIPS 2025 接收。
研究者提出智能体图像生成框架 GenRevisit，将动作选择扩展为联合选择续接状态与编辑动作，使智能体可回访历史图像候选而非固定从最新图像继续优化。训练采用 SFT 加智能体强化学习，并提出 NACA 改进 GRPO 的粗粒度信用分配。在 GenEval2 上，GenRevisit 结合 Qwen-Image-2512 与 Z-Image-Turbo 分别取得 GM 分数 84.3 和 74.4，超过同生成器最强基线 12.7 和 10.9 分，并在 GenEval、GenEval++ 与 GenEval2 上达到 SOTA。
GitHub 开源项目 t2icomparison 提供一套文生图模型生成默认值的可视化对比方法，当提示词未指定光照、构图、配色等属性时，比较多个模型或生成设置的重复输出。系统通过 CLIP 特征和双极 aspect 分数分别衡量输出聚集的位置与紧密程度，每个读数可回溯到图像，aspect 经人工核查，附 experiments/、docs/RUNBOOK.md 等目录支持完整复现。
GitHub 上线开源项目 ai_image_video_generator，这是一个面向 AI 影视预演的本地工作台，从角色、场景与镜头表出发，在自由画布中组织素材、生成镜头关键帧，再用 MiniMax H3 或 LTX 2.3 生成视频。文生图支持 ComfyUI 的 Flux.2 Klein、Z-Image-Turbo（8 steps、CFG 1.0）与 QwenImage，另含 Qwen3-VL 镜头提示词生成和 Three.js 导演台 3D 预演。项目基于 React 18 与 FastAPI，ComfyUI、模型权重及 Gemini API 均需使用者自行配置。
开源桌面应用 HyperGen 发布，可调用本地 LTX 模型或 LTX API、fal.ai、Replicate、Runway、Luma、Google Veo 等 API 生成视频，支持文生视频、图生视频、音频生视频、Retake 编辑及文生图，默认本地 LTX 2.5 Fast，支持 LoRA。本地生成要求 NVIDIA GPU ≥15 GiB VRAM 或 Apple Silicon 且 ≥32 GiB 内存，2.5 Fast 核心包约需 72 GB 磁盘；项目源自 Lightricks 维护的 LTX Desktop，目前为 Beta。
Ballsworthy/Flux-Uncensored-V2 上架 Hugging Face，为 black-forest-labs/FLUX.1-dev 提供 LoRA 权重，可通过 Diffusers 的 pipe.load_lora_weights 加载并生成 nsfw 图像。页面同时给出在 Google Colab、Kaggle 及 Draw Things 等本地应用中的使用入口。
开发者 ZaneAtega 在 GitHub 发布 sdxl-api 仓库，为 Stable Diffusion XL 图像生成提供 FastAPI 封装，称其专为个人使用构建。仓库包含 main.py、schedulers.py、datasets 与 outputs 等目录和文件，目前获 0 star、0 fork。
GitHub 新仓库 opencode-duckai-image-generation 为 OpenCode 增加 /gen 命令和 gen 工具，通过 Duck.ai 免费生成图片且无需 API key，结果直接存入项目。其原理是用本地 relay（DuckAI2API）驱动真实浏览器获取反爬 token 并暴露 OpenAI 兼容端点，首次生成时自动安装（需 git 和 Python 3.11+），单批耗时约 25–45 秒，采用 MIT 许可。
GitHub 开源全栈 AI 漫剧生成系统，通过多轮自然对话收集需求，自动生成剧情大纲、分卷、分镜脚本和角色设定。系统采用多阶段 AI Agent 流水线，AI 引擎基于 LangChain 与 mimo-v2.5，调用 GPT Image 2 生成三视图和场景概念图，使用 Vue 3 + FastAPI + MySQL 8.0 + Redis 7 + RabbitMQ 3.12+ 架构，支持增量结果回传与跨会话记忆管理，采用 MIT 许可证。
Black Forest Labs 在 Hugging Face 开放 FLUX 3 Image Klein 权重，这是一个 5.6B 参数的文生图与图像编辑模型，支持最多 10 张参考图，以 Qwen3-VL-4B-Instruct 作为文本编码器。仓库含 BF16 蒸馏版及 FP8、NVFP4 量化变体，B200 上 1024x1024 推理峰值显存 BF16 为 31 GB；蒸馏版 16 步采样供自托管与 BFL API 使用，未蒸馏 Base 版用于微调与 LoRA 训练。模型采用 FLUX Kommunity License v.1.0，年收入低于 500 万美元的 Qualifying Users 可商用输出。
推荐理由：模型卡同时给出蒸馏与未蒸馏两个检查点的定位、显存占用和许可证门槛，方便自托管者判断选哪个版本。
Black Forest Labs 在 Hugging Face 发布 FLUX 3 Image Klein Base，一个 5.6B 开放权重文生图与图像编辑模型，支持最多 10 张参考图，文本编码器为 Qwen3-VL-4B-Instruct。该仓库为未蒸馏 base checkpoint，面向微调、LoRA 训练与研究；模型卡强调必须使用提示词上采样器，并给出 BF16/FP8/NVFP4 格式在 B200 上 31/29/26 GB 的峰值显存数据。模型采用 FLUX Kommunity License，非商业使用免费，年收入低于 500 万美元的合格用户可享商业输出例外。
推荐理由：官方模型卡写清了基础版与蒸馏版的分工、提示词上采样要求和各精度显存占用，方便读者选对 checkpoint 再动手。
Hugging Face 用户 Joscio 发布 Qwen-Image-2.1 的 Uncensored 量化版本，提供 GGUF、Safetensors 和 MLX 多种格式，文件大小从 4.00 GB（MLX 4-bit）到 14.23 GB（BF16）不等，其中 Q4_K_M（4.60 GB）被推荐为体积与质量的最佳平衡。该版本移除内置安全检查器，可直接生成 NSFW 等敏感图像，需配合 ComfyUI 与配套的 qwen3vl_8b 文本编码器及 VAE 使用，遵循 Qwen Research License。
Denova 是一个面向小说写作与 AI 角色扮演游戏的开源一体化创作平台，当前版本 v0.5.1（Beta），采用 Apache-2.0 协议。其内置创作 Agent（支持 Native、Codex 和 Claude Code）、Skills、SubAgent 协作、图像生成与本地版本管理，资料库可按组为写作与游戏 Agent 提供上下文。平台支持 Windows/macOS/Linux、局域网访问与手机 PWA，图像模型支持 OpenAI、xAI/Grok、Gemini Image 等。
juren056 在 GitHub 开源 nano-banana-image-workflows 仓库，提供图像生成与参考编辑的提示词配方和人工审查清单，作为独立图像创作服务 Nano Banana 2.1 的公开文档，并非 Google 或 OpenAI 官方项目。内容涵盖产品宣传图创建、参考图编辑、虚拟角色一致性、海报文字渲染及输出参数设置等教程，仓库不运行后端、不连接付费 API，也无已公布的成功率数据。
GPT Image 2（official，model id 为 gpt-image-2-official）可通过 APIMart 的 OpenAI 兼容端点按 token 计费调用：text_input $4/M、cached_text_input $1/M、image_input $6.4/M、cached_image_input $1.6/M，image_output $24/M。$1 起充值、无需订阅，任务异步执行并在 cost 字段返回实际扣费，失败任务退款，同一 key 可访问 300+ 模型。
Z1rconium 在 GitHub 发布 GPT Image Panel，一个轻量级自托管 Web UI，通过外部 GPT 兼容图像 API 完成图像生成与编辑，并在本地保存图片与元数据。核心功能包括内置掩码编辑器（笔刷/套索/羽化，掩码持久化并在重试时恢复）、带 color-drift guard 的结果贴回原图、SQLite 任务队列与 SSE 进度、可选流式部分图像预览、按上游用量估算美元成本、本地画廊管理与 Cloudflare R2 备份同步，以及支持 function calling 的 Agent 多轮对话模式。技术栈为 FastAPI + SvelteKit，支持 Docker Compose 部署、预设健康检查、SOCKS5 代理与访问密钥门控，许可为 CC BY-NC 4.0。
推荐理由：这是一个自托管的图像生成与编辑控制面板，README 详细覆盖了掩码编辑、任务队列、成本估算和部署排障，可直接复用。
教程讲解用 Claude Opus 5.5 配合 Claude Code、Blender、Unreal Engine 5 和 Meshy 七步构建游戏：通过 MCP 连接各工具，Meshy 生成道具和角色，Blender 清理放置，Unreal 负责光照物理与游戏本体，Opus 在同一对话中调度。首个完整构建约花 4 小时、消耗约 19% 的每周 Max plan 用量，之后因素材复用会明显加快。
prompts.chat 将图像编辑 prompt "Echoes of the Rust Age" 由纯文本改写为结构化 JSON 格式，原 prompt 核心内容不变。该 prompt 以照片中的两名人物为主角，生成后启示录废铁峡谷的 photorealistic 场景，并新增 year、lighting、color_palette、negative_prompt、两位主角服装与动作等详细字段，条目类型由 TEXT 改为 STRUCTURED。
prompts.chat 的每日 prompt 更新了名为 "Video" 的条目：由原“扮演专家助涨 TikTok 粉丝”的提示词，替换为一段视频生成描述——神秘调酒师将发光绿色液体倒入杯中，烟雾弥漫的昏暗酒吧背景，4k、超写实、慢动作。该提示词为用户提交的文本条目。
prompts.chat 收录新提示词「Conservatory Concept Design Brief Builder」，让 AI 充当维多利亚风格玻璃温室设计师兼视觉艺术指导，把用户描述的温室构想转化为完整概念设计。提示词要求输出 14 至 18 条固定设计细节清单，并生成两个不同视角、不同时段的图像 prompt，使两张 AI 图像看起来是同一真实建筑的照片，另附 10 项一致性检查清单与建造可行性说明。
prompts.chat 上架新提示词"Paper Quilling Portrait of a Hummingbird and Hibiscus"，用于生成真实的衍纸手工艺摄影图。提示词描述了由约 3 mm 宽纸条卷成的紧卷、泪滴等造型拼出的红喉蜂鸟与洋红色朱槿花，采用 16:9 横构图、奶油色棉纸底板、柔和窗光与浅景深，并强调照片须呈现纸边、胶痕和投影等真实工艺细节。
prompts.chat 收录由 @f 贡献的新图像生成 prompt「Noir Comic Panel of a Detective in a Rain-Soaked Phone Booth」。该 prompt 描述一幅 16:9 横版黑白黑色电影风格漫画分格：雨夜电话亭中一位穿风衣戴软呢帽的侦探，采用硬朗钢笔与毛笔勾线、zipatone 网点、1940-1950 年代犯罪漫画风格，画面严格限定黑、白、灰三色，并禁止出现对话气泡、可读文字与水印。
prompts.chat 新增一条名为「Victorian Glass Conservatory Interior with Ferns (Morning Light)」的图像生成提示词，描述 photoreal 风格的 16:9 玻璃暖房内景与蕨类植物、晨光效果。该条目与卷纸蜂鸟肖像、黑色漫画分镜、剪纸珊瑚礁立体盒等提示词一同加入提示词库。
prompts.chat 收录社区贡献的新提示词 "Character sheet"，由 @anonymous 提交。该 TEXT 类型提示词用于生成超写实工作室人像：深棕色头发盘成凌乱高发髻的成年女性，佩戴黑色圆框眼镜与金色小耳环，着鼠尾草绿露肩上衣，指定 4K 超清、3:4 竖构图、浅景深与柔和漫射光。
Hugging Face 上发布了 Qwen/Qwen-Image-2.1 的 Uncensored 量化版本，提供 GGUF、Safetensors 和 MLX 格式用于本地图像生成。Q4_K_M（4.60 GB）为推荐的 GGUF 量化方案，MLX 格式针对 Apple Silicon 优化，模型无内置安全检查器，可直接生成成人及敏感图像。需配合 ComfyUI 和 leejet/ComfyUI-GGUF 使用，文本编码器可卸载到系统内存以节省 9–17 GB 显存。
SANZO 是一个开源的音乐创作、语音生成和歌曲再创作网站，通过 DeepSeek 辅助创作，经 RunningHub 调用音频与封面工作流。已接入 Songs 功能的 ACE-Step-V15-XL、MiniMax Music 和 YUE2，支持 AI 写词、ABC 乐谱生成、Qwen 音色克隆、Studio 翻唱及 SeedVC 零样本变声，本地运行需 Node.js 22 及以上并配置 DeepSeek 与 RunningHub API 密钥。
GitHub 上新开的 meowlab-seedance-references-temp 仓库收录了大量 3D 生成相关的参考素材，包括 kittyhug、kromia、mantachaqueta、solazly 等系列的产品图与参考图（PNG）以及多条 480p 参考视频（MP4），涵盖钢琴喂食器、服饰、包装盒等产品的多角度参考 sheet 与关键帧。
Open-PhyGDPO 是论文 "PhyGDPO: Physics-Aware Groupwise Direct Preference Optimization for Physically Consistent Text-to-Video Generation" 的公开复现仓库，包含数据构建管线 PhyAugPipe 和物理合理的直接偏好优化框架 PhyGDPO。该项目以 Wan2.1-T2V-14B 为基础模型进行后训练，代码基于 DiffSynth 开发，论文被 ECCV 2026 收录。