Sega 因灾难性首发下架《全面战争：幕府将军 2》重制版
Sega 已将《Total War: Shogun 2 — Complete Edition》从各商店下架，该重制版本周二发售后因 bug 和疑似 AI 处理的画面遭大量差评，Steam 评价为“Overwhelmingly Negative”。Sega 与开发商 Creative Assembly 承认其未达玩家和自身标准，表示将恢复原版游戏，已拥有该版本的玩家仍可访问。
#图像生成
The Verge · AIAI 评分2020 The Verge · AIAI 评分1818 特朗普在 Truth Social 发布 AI 修改照片，炫耀白宫翻新工程
特朗普在 Truth Social 发布白宫翻新对比照，其中一张被 Google SynthID Detector 标记为"由 OpenAI 制作或编辑"。该"翻新后"照片两侧台阶数不一致，与"翻新前"照片角度和细节几乎相同，窗中倒影也近乎一致。特朗普发布的其他白宫外观和直升机停机坪照片未检测到 SynthID 水印。
The Decoder精选AI 评分8080 Black Forest Labs 发布开源图像模型 FLUX 3 Image Klein
Black Forest Labs 发布 FLUX 3 Image Klein，这是一个 5.6B 参数的开源权重模型，支持文生图、图像编辑以及最多十张参考图生成，支持原生 4K 输出、像素级编辑和用于元素定位的边界框。
推荐理由：5.6B 参数开源图像模型在 8 GB 显存消费级显卡上出图，可据此判断本地部署门槛与商用许可边界。
Hugging Face Blog精选AI 评分8080 Black Forest Labs 发布 FLUX.3 Image Klein，Diffusers 首日支持
Black Forest Labs 发布 FLUX.3 Image Klein，在 Diffusers 中首日可用，一个模型同时支持文生图、多参考图生图和用边界框控制布局。
推荐理由：FLUX.3 Image Klein 在 Diffusers 首日支持，并给出显存与耗时数据，可据此判断本地部署成本。
Ars Technica · AIAI 评分6666 White Circle 研究称 OpenAI 与 Google 图像模型易被越狱生成裸露内容
White Circle 在预印本中提出 RISE 攻击方法，用去掉安全训练的 Qwen3-32B 生成越狱提示、Gemini 2.5 Flash 判定输出，绕过 DALL·E 3、Nano Banana 2 和 GPT-Image-2 的安全过滤。
Simon WillisonAI 评分6262 llm-gemini 0.35 支持 Gemini 4 Argon 模型
Simon Willison 为 llm-gemini 0.35 加入对 Gemini 4 Argon 的支持，该模型当天通过 Gemini API 和每月 100 美元订阅计划开放。
OpenAI NewsAI 评分5050 Higgsfield 用 GPT-6 Astra 将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 借助 GPT-6 Astra 把 AI 视频生成时长从 1 分钟延长到 10 分钟以上，并用 GPT-Image-2.5 提升画面精度，同时通过 GPT-Live 打通语音电影制作路径。
Simon WillisonAI 评分7272 Meta AI 发布 Muse Wonder 与 Muse Wonder Full 模型
Meta AI 发布新模型 Muse Wonder 和 Muse Wonder Full，称其为目前能力最强的模型。
OpenAI NewsAI 评分1818 Pollo AI 用 OpenAI 模型把创意变成营销活动
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者把创意转化为精细图像和电影级视频广告。
Google ResearchAI 评分4040 Google Research 提出 Diffusion Controller，统一并简化 AI 图像生成控制
Google Research 提出 Diffusion Controller 框架，将扩散模型去噪过程重构为连续控制问题，用轻量“转向阻尼”网络在冻结基座模型的前提下动态调整生成轨迹。在 Stable Diffusion v1.4 上以 HPS-v2 评测，其完全解锁版本对基线模型取得 90% 胜率，并支持黑盒、灰盒模型的微调控制。
Berkeley AI ResearchAI 评分2222 基于信息量的成像系统设计：Berkeley AI Research 提出直接评估与优化框架
Berkeley AI Research 提出一套基于互信息的成像系统评估与优化框架，可直接从含噪测量中估计信息量，无需任务专用解码器。该框架在彩色摄影、射电天文、无透镜成像和显微镜四个领域验证，信息估计能预测下游解码性能，优化后的设计达到端到端方法水平，且内存和算力需求更低。相关论文发表于 NeurIPS 2025。