9 月 9 日，今天值得关注的项目覆盖图像编辑、文档检索、模型推理、三维场景与 Agent 开发：GPT-Image-2.5 提升多轮编辑的一致性，腾讯 EVIE 为复杂文档检索补充接入方式，Cohere 则开放了针对编码模型的推理加速引擎。本期同时收录近期公开的三维生成与搜索 Agent 项目。
★ ChatGPT Images 2.5 / GPT-Image-2.5
根据文字和参考图生成、修改图像，在连续编辑中更好地保留人物、构图与视觉细节。
OpenAI 于 9 月 8 日发布 Images 2.5，重点改善参考图一致性、画面细节和多轮编辑。对于反复调整服装、商品背景或海报元素的工作流，这次更新着重减少修改局部时对原有画面的影响。
API 提供两个版本：Flare 面向速度与日常生成，Sunburst 面向更精细的编辑控制。官方报告，Flare 相比 GPT-Image-2 的生成延迟降低 50%；Sunburst 则更适合对连续修改要求较高的广告素材和商品视觉制作。
ChatGPT 端还加入 Sketch 草图引导与创作模板，可用简笔画表达布局，再结合文字完成图像。Images 2.5 正向各档用户逐步开放；开发者可通过 Image API 或 Responses API 接入生成与编辑能力。
上手门槛
开发接入：🟡 中｜提供图像生成与编辑 API｜可能需要完成组织验证
在线入口：https://chatgpt.com/
API 文档：https://developers.openai.com/api/docs/guides/image-generation
发布说明：https://openai.com/index/introducing-chatgpt-images-2-5/
★ 腾讯 EVIE
直接检索包含文字、表格和图像的文档页面，并通过向量压缩降低索引存储成本。
腾讯 EVIE 面向复杂版式文档提供视觉检索能力，近期补充了 Sentence Transformers 接入方式。它将页面中的不同区域表示为多个向量，再与查询匹配，有助于保留表格结构、图表和小字号文字等细节，适合接入企业文档检索与知识库。
项目提供 8B 与 4.5B 两档模型。4.5B 版本支持在运行时选择 64—2048 维表示，并配合页面向量压缩，让开发者按检索质量和索引体积调整配置，无需为每种维度分别维护模型。
模型权重、训练流程、压缩算法与评测代码已公开，采用 Apache 2.0 许可证。实际接入时仍需建设页面索引和检索流程；EVIE 负责找到相关页面，后续答案生成可再连接业务中的问答模型。
上手门槛
自行部署：🟡 中｜提供 4.5B、8B 权重｜需接入多向量索引与检索流程
4.5B 权重：https://huggingface.co/tencent/EVIE-4.5B
8B 权重：https://huggingface.co/tencent/EVIE-8B
项目地址：https://github.com/Tencent/EVIE
★ Cohere Megakernel
把编码模型的完整解码过程整合进一个 CUDA 内核，减少 GPU 调度开销。
Cohere 于 9 月 8 日公开 Megakernel 推理引擎，当前针对 North Mini Code 优化。它用持续运行的 GPU 内核执行完整解码过程，减少多个算子之间反复启动与调度的开销，重点服务小批量、低延迟的编码模型请求。
项目方报告，在单张 H100、BF16 精度的指定服务测试中，相比 vLLM v0.24 可获得约 1.25—1.41 倍加速。这一数字对应官方测试条件，实际收益仍取决于请求长度、并发量和服务配置。
引擎提供 OpenAI 兼容接口，支持工具调用、连续批处理和分页 KV 缓存。代码采用 Apache 2.0 许可证开放，但目前仍是针对特定模型与 H100 的早期实现，适合已有相应硬件、希望优化编码服务延迟的团队评估。
上手门槛
自行部署：🔴 高｜当前针对 H100 与 North Mini Code｜需编译专用 CUDA 内核
源码与部署说明：https://github.com/cohere-ai/cohere-megakernel
技术介绍：https://cohere.com/blog/megakernels
★ WorldSculpt
结合多视角图像与物体标注，生成由独立物体网格组成的复杂三维场景。
Alaya Lab 与东京大学的 WorldSculpt 近期公开了推理代码和模型权重。它将复杂场景组织为物体级三维网格，使场景中的各个物体能够分别进入后续编辑与资产处理流程。项目展示了包含数百个物体的场景结果。
方法以 Pixal3D 的单物体生成能力为基础，适配遮挡条件下的多视角输入，再组合出完整场景。官方还展示了将 Marble 生成的三维高斯场景转换为物体级网格的应用，为已有三维世界补充可操作的几何资产。
当前流程需要RGB 图像、实例掩码和三维框，适合已有场景标注或预处理能力的三维开发团队。部署时需加载 WorldSculpt 与 Pixal3D 配套权重，并按官方流程准备 GPU 算子与输入数据。
上手门槛
自行部署：🔴 高｜需编译 GPU 算子并加载配套权重｜输入需含实例掩码和三维框
模型权重：https://huggingface.co/AlayaLab/WorldSculpt
项目地址：https://github.com/AlayaLab/WorldSculpt
效果展示：https://alaya-lab.github.io/WorldSculpt/
★ Iris-mini / Iris-pro
围绕多轮搜索与证据判断训练 Agent，持续检索、阅读并决定何时结束搜索。
AllSpark Research 近期公开 Iris 搜索 Agent 系列，提供 mini 与 pro 两档权重。模型围绕完整搜索过程训练：选择查询、阅读返回内容、判断是否继续，以及在证据足够时形成答案，适合需要跨页面查证的复杂信息检索任务。
Iris-mini 的总参数为 35B、激活参数为 3B；Iris-pro 的总参数为 397B、激活参数为 17B，两者均提供 256K 上下文。项目同时公开 Iris-Harness，包含搜索工具、Agent 循环与上下文管理策略，可连接 OpenAI 兼容模型服务。
长任务中如何处理累积的工具历史，会明显影响搜索表现。因此，官方同时报告不同上下文管理设置下的结果，使用时应把模型与运行框架一起评估。模型权重与评测框架已公开，数据构建和训练流水线尚未发布。
上手门槛
自行部署：🔴 高（mini）／🔴 极高（pro）｜总参数分别为 35B、397B｜需结合搜索工具运行，mini 官方示例采用四卡并行
mini 权重：https://huggingface.co/AllSpark-Research/Iris-mini
pro 权重：https://huggingface.co/AllSpark-Research/Iris-pro
项目地址：https://github.com/AllSpark-Research/Iris
★ Pydantic AI v2.41.0
通过统一的 Python 接口调用图像生成，并为 Agent 增加 ChatGPT/Codex 订阅认证接入。
Pydantic AI 于 9 月 8 日发布 v2.41.0，新增直接图像生成接口 ImageGenerator。开发者可以在应用中直接组织图像请求，将生成结果纳入已有内容生产或多模态工作流。
这一版本还新增 openai-codex provider，支持 ChatGPT/Codex 订阅认证。对于已经使用 Pydantic AI 构建 Agent 的开发者，更新补充了模型接入选择；具体可用模型、额度和调用条件仍由对应服务决定。
项目采用 MIT 许可证，发行包已上架 PyPI。此次更新适合需要把图像能力加入 Python 应用，或希望在现有 Agent 中接入相应订阅认证的团队。
上手门槛
开发接入：🟢 较低｜提供 Python SDK｜图像能力取决于所接模型服务的权限与计费
安装入口：https://pypi.org/project/pydantic-ai/2.41.0/
图像生成文档：https://pydantic.dev/docs/ai/guides/image-generation/
版本说明：https://github.com/pydantic/pydantic-ai/releases/tag/v2.41.0