在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第 2 部分）
在 Amazon SageMaker AI 上部署同一 AWS vLLM-Omni DLC 镜像的两个端点：实时端点运行 FLUX.2-klein-4B 做图像生成（/v1/images/generations），异步端点运行 Wan2.1-VACE-1.3B 做图像条件视频生成（/v1/videos/sync），生成的 MP4 存入 Amazon S3。
#图像生成
#图像生成
今日 0 条AWS Machine Learning BlogAI 评分2222
Hugging Face Blog精选AI 评分7474 用 Gradio Workflow 重构 AUTOMATIC1111
Hugging Face 演示了基于 Gradio Workflow 搭建的 Workflow1111 项目，通过 73 个节点和 11 条流水线重构了 AUTOMATIC1111 的主要功能。
推荐理由：原文详细拆解了用节点图组合多模态模型与本地函数的架构，读者可据此参考如何将复杂应用封装为标准接口与智能体工具。
OpenAI NewsAI 评分5454 OpenAI 推出 ChatGPT Images 2.5
OpenAI 推出 ChatGPT Images 2.5。新版本支持将用户的想法、草图和参考照片转化为更具个性化、更精致且更能体现原意的图像。
Hugging Face Blog精选AI 评分6262 Diffusers 原生集成 Nunchaku 4-bit 扩散模型推理
Hugging Face Diffusers 现已原生集成 Nunchaku Lite，支持直接通过 from_pretrained() 加载基于 SVDQuant 的 4-bit 扩散模型。
推荐理由：该集成让开发者无需部署独立引擎即可直接加载 4-bit 扩散模型权重，在降低显存门槛的同时保持了推理加速。
Google ResearchAI 评分4444 Google Research 揭秘扩散模型的创造力来源
Google Research 在 ICLR 2026 发表的研究揭示，扩散模型的“创造力”并非随机巧合，而是源于神经网络训练中的得分平滑（score smoothing）现象。由于权重衰减等正则化效应，模型学到的是平滑后的近似得分函数，避免了单纯记忆复刻训练数据。这种平滑机制促使去噪过程在训练数据点之间实现插值，从而稳定生成逼真的全新样本。
Hugging Face BlogAI 评分5757 Photoroom 详解开源图像模型 PRX 预训练数据管线策略
Photoroom 详细公开了开源图像模型 PRX 的预训练数据工程管线与策略，围绕数据格式选型、VLM 长图说重标注与流式分发展开。团队采用 Lance 格式进行底层索引与多模态检索，选用 Qwen3-VL-8B 生成密集长图说，并实测验证 quality 92 的 JPEG 存储不会对生成质量产生负面影响。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana 2 Lite 与 Gemini Omni Flash
Google DeepMind 推出图像生成模型 Nano Banana 2 Lite 与视频生成编辑模型 Gemini Omni Flash，现已上线 Google AI Studio 与 Gemini API。
推荐理由：官方给出了高吞吐图像模型与多模态视频模型的延迟和定价，为构建轻量端到端多媒体流水线提供了参考。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini Omni，首款模型 Gemini Omni Flash 上线
Google DeepMind 发布 Gemini Omni 模型家族，主打从任意输入生成内容，首款模型 Gemini Omni Flash 率先支持视频。Omni 可组合图像、音频、视频和文本输入生成视频，并支持用自然语言多轮对话编辑视频，同时生成画面基于 Gemini 的世界知识，对重力、动能和流体动力学有更好的直观理解。
推荐理由：Gemini Omni 把视频生成与多轮对话剪辑合到同一模型中，读者可了解其输入方式与首批上线渠道。
Google Research精选AI 评分7272 Google 推出 3D 感知图像重构技术，已在 Google Photos 自动构图中上线
Google 推出一种结合三维场景理解与生成式 AI 的照片重构技术，并已在 Google Photos 的 Auto frame 功能中正式上线。该方案将图像处理解耦为 3D 场景与相机参数估计、潜在扩散模型修补两个阶段，能够在拍照后自动调整虚拟相机机位与焦距，并修复人像广角畸变。用户在编辑包含人物的照片时，可直接在构图候选项中选择重构视角的一键优化效果。
推荐理由：该方案将单张照片解耦为三维场景估计与扩散模型修补两阶段，展示了借助空间感知调整成像视角并消除畸变的新思路。
Mistral AI精选AI 评分8181 Mistral AI 为 Le Chat 推出深度研究、语音模式与项目空间等多项功能
Mistral AI 宣布为助手 Le Chat 推出一系列重大更新，包括提供结构化研究报告的 Deep Research 预览版，以及由新模型 Voxtral 驱动的低延迟语音模式。新版本还集成了推理模型 Magistral 以支持原生多语言深度思考，并增加用于归类管理对话与文件的 Projects 功能，同时携手 Black Forest Labs 支持直接通过提示词进行图像连续编辑。
推荐理由：原文集中展示了深度研究、语音和推理模型等多项能力更新，读者可以了解该助手在工作流组织与多模态交互上的最新进展。