字节Seedream 5.0 Pro正式发布，带来高密度信息可视化、交互式精准编辑（圈选/图层分离）、真实影像质感及10+语言原生文字生成四项核心升级。
字节跳动旗下Seed团队于2026年7月8日全球正式发布Seedream 5.0 Pro，带来四项核心升级：高密度信息可视化（可将数据与概念转化为专业排版图表）；交互式精准编辑（支持圈选、点选与图层分离输出，直接对接PSD工作流）；真实影像质感提升；以及支持10余种语言的原生文字生成。模型已上线Volcano Ark平台，ComfyUI同日通过Partner Nodes接入。
图像生成模型开始向「理解设计意图」方向演进，图层分离与可编辑输出将AI生图结果更紧密地嵌入现有平面设计工作流。
Reve 2.0采用「先图层→后对象→再合成」的层级化生成路径，用户可单独选中任意图层修改提示词重绘，等效于输出可编辑PSD。
据优设龙爪槐守望者解析，Reve 2.0在底层采用层级化生成路径——先生成图层，再在图层内生成对象，最后合成最终图片——这一架构使其输出等效于可编辑PSD文件。用户可单独选中任意图层并修改提示词进行局部重绘，无需重新生成整图。这一机制将AI图像生成从「一次性输出」推进至「分层可编辑输出」的工作模式。
可编辑图层输出代表AI生图在「精细可控」方向的结构性演进，对设计工作流中的后期调整效率有直接影响。
LibTV推出二维坐标轴界面控制AI生图微表情的工具，x轴控制表情类型，y轴控制强度，替代提示词堆砌实现局部精准调整。
LibTV推出坐标轴式AI微表情调控工具，通过二维交互界面——x轴对应表情类型，y轴对应强度——让用户通过拖拽精准控制AI生图中人物的微表情，局部重绘且不影响整体构图。此方案将语义化的情绪控制从提示词描述转移到可视化的参数坐标，降低了反复迭代的成本。
将生图控制从提示词语言转向可视化参数界面，体现了AI图像生成工具在「精细可控性」维度的持续演进方向。
GPT-5.6 Sol旗舰、Terra均衡、Luna轻量三款模型于7月9日全量公开，结束约两周国家安全审查，在ChatGPT与API中全球同步上线。
OpenAI旗下GPT-5.6系列——Sol旗舰版（$5/$30每百万Token输入/输出）、Terra均衡版（$2.5/$15）、Luna轻量版（$1/$6）——于2026年7月9日全量公开发布，结束约两周的国家安全审查有限预览期，在ChatGPT、Codex及API中全球同步上线。Sol于有限预览期间登顶LMSYS竞技场排行。
新一代旗舰语言模型的全量开放将影响以GPT系列为底层的AI设计工具与工作流平台的能力上限，对下游创作工具链的演进有间接参照意义。
OpenAI发布GPT-Live-1与mini两款全双工实时语音模型，支持边听边说、主动打断及实时多语言翻译，已向ChatGPT用户和开发者开放。
OpenAI于2026年7月8日发布GPT-Live-1与GPT-Live-mini两款全双工实时语音模型，支持边听边说、主动打断与暂顿理解，以及实时多语言翻译能力。复杂推理任务将在后台调用GPT-5.5处理。ChatGPT Plus用户默认使用GPT-Live-1，Free用户使用mini版本，同时向开发者开放API接入。
全双工语音交互能力的商用化落地，为语音界面原型设计、多媒体创作及多语言教学工具的开发提供了新的底层模型选项。
Google Photos上线Video Remix功能，由Gemini Omni驱动，支持将用户视频转换为水彩、素描、油画艺术风格及电影级色彩重映，已在14国上线。
Google Photos于2026年7月8日推出Video Remix功能，由Gemini Omni模型驱动，支持对用户手机视频应用三档艺术风格——水彩、素描、油画——以及电影级色彩重映和背景替换效果。功能入口位于Google Photos「创意」标签页，已在14个国家面向Google AI Plus/Pro/Ultra订阅用户上线。
消费级应用将AI风格迁移能力直接集成到手机相册内，艺术类风格的实时可及性大幅提升，也为风格迁移技术的实际使用门槛与审美偏好提供了大规模用户验证场景。