The Verge AIAI 評分63
Canva 發布首個自研影像模型 Canva Craft，先規劃後生成
Canva 推出首個自研 AI 影像模型 Canva Craft，採用兩階段架構，先規劃設計方案再生成影像，官方稱這帶來更高的精度、一致性與可控性。該模型支援最高 2K 解析度和 30 多種寬高比，除社交媒體與營銷素材外，還可生成寫實場景、數字藝術與環境影像。它直接對標 OpenAI、微軟和 Google 的影像生成模型。
搜尋
依意思最接近的 30 筆
X @OpenAI● 精選AI 評分82
OpenAI 發布兩款 GPT-Image-2.6 影像模型 Flare 與 Sunburst
OpenAI 發布兩款面向開發者的影像模型 GPT-Image-2.6 Flare 與 Sunburst。Flare 主打速度，最快可在 6 秒內生成影像；Sunburst 主打品質，提供更高畫質，並在多次編輯之間保持更好的一致性。兩款模型都支援影像標記（image markup）與 SVG 匯出，開發者可以用更多方式細化和使用生成內容。
TechCrunch AIAI 評分67
Canva 發布首個自研影像生成模型 Canva Craft
Canva 推出首個自研影像生成模型 Canva Craft，所有使用者可在 Dream Lab 標籤頁使用，也可通過 Canva API 呼叫，並計劃經 MCP 接入 ChatGPT、Gemini 等第三方聊天機器人。模型分兩階段生成：先解析提示詞並規劃元素空間關係、相對大小、視覺層級與文字資訊，再輸出最高 2K、約 30 種寬高比的影像。它以 Canva 模板等設計圖而非照片訓練，文字更清晰、支援區域性精確編輯，還能用 Magic 轉成可編輯的分層設計；
Ars Technica AIAI 評分70
研究：OpenAI 和 Google 新影像模型更難攔截色情輸出
安全研究者指出，Google 與 OpenAI 最新的影像生成模型能力提升的同時，攔截色情輸出的表現反而可能變差。Google 今年 7 月對美國、澳大利亞和英國網民的聯合研究發現，未經同意的色情內容多經私信、文字或私人云盤傳播，不易被檢測或舉報。Google 研究者據此認為，最關鍵的干預點仍在源頭，即用於生成虛假性影像的 AI 工具。
X @OpenAI● 精選AI 評分78
OpenAI 發布 ChatGPT Images 2.6，新增 GIF 與參考圖
OpenAI 發布 ChatGPT Images 2.6，影像生成功能升級，新增 GIF 與參考圖支援，使用者可在 ChatGPT 中直接使用這兩項能力。OpenAI 同時預告，兩款新模型即將進入 API，官方稱其影像生成速度提升 50%。此次公告以版本號和功能更新為主，未披露兩款 API 模型的具體名稱、上線日期、可用範圍與定價。
X @OpenAIDevs● 精選AI 評分65
@OpenAIDevs: You can now send a marked-up image to the API to show exactly where you want an edit.
OpenAI 開發者帳號宣布，API 現在可以接收帶標註的影像，用來精確指定希望修改的位置。呼叫時建議大多數編輯從低複雜度起步，場景包含多個元素或約束時可改用中或高複雜度，讓模型有更多規劃空間；影像品質可單獨設定以匹配所需細節程度。
OpenCode releasesAI 評分55
v2.2.2 預設啟用 agent 影像生成
v2.2.2 把 experimental_image_generate 設為預設可用：只要接入的模型提供商支援影像模型，agent 無需額外配置即可生成影像，並可通過 experimental.image_generate.model 指定首選模型。新會話介面點選當前 Git 分支可直接開啟該專案的 worktree 選擇器；時間線引用、終端引用與瀏覽器標註統一為帶可選評論的編輯器。桌面端還恢復經典問題卡片，併為 Go 用量限制錯誤補充重置時間與帳戶連結。
Hacker News front pageAI 評分37
OpenAI 發布 Images 2.6
OpenAI 上線了名為 Images 2.6 的新版本，官方頁面標題為 Introducing Images 2.6，但正文尚未公開具體能力、價格與可用範圍。該連結在 Hacker News 被提交時僅獲 4 分、暫無評論，可見目前披露的資訊非常有限。關注 OpenAI 影像生成功能的讀者需等官方補充模型規格與接入方式。
Hacker News front page● 精選AI 評分87
FLUX 3 Image Klein 開源發布，8GB 視訊記憶體可本地跑
Black Forest Labs 發布 5.6B 引數的開源權重模型 FLUX 3 Image Klein，支援文生圖、影像編輯和最多 10 張參考圖的多參考生成，並保留原生 4K 與邊界框控制。INT8 版本可在 8GB 視訊記憶體的 NVIDIA RTX 顯示卡上通過 ComfyUI 或 Diffusers 執行，蒸餾模型在 RTX 5090 上約 4 秒生成一張 1MP 影像，RTX 4070 上不到 9 秒。
X @OpenAIAI 評分45
OpenAI 支援儲存參考圖並在新創作中複用
OpenAI 宣布使用者可以儲存參考圖片，之後在新創作中直接重複使用，無需再次上傳。官方說明中可儲存的物件包括本人、寵物和角色的參考圖，用於反覆生成新的影像內容。目前尚未公布該功能的適用範圍、上線平台與時間安排。
X @Alibaba_Qwen● 精選AI 評分79
阿里開源 Qwen-Image-2.1-Turbo：8 步去噪出圖與編輯
阿里發布 Qwen-Image-2.1-Turbo，這是基於 Qwen-Image-2.1 的加速 checkpoint，只需 8 步去噪即可生成和編輯影像，權重已在 ModelScope 與 Hugging Face 開放。它沿用同一 7B 視覺生成架構，官方稱步數減少不犧牲品質，仍可從文字生成 2K 影像，並支援用自然語言繼續編輯，例如新增配飾或更換場景。Diffusers 中載入 QwenImage21Pipeline 即可使用推薦的 8 步取樣；
X @OpenAIDevsAI 評分18
@OpenAIDevs: A robot that turns photos into drawn portraits:
OpenAI 開發者帳號（@OpenAIDevs）發布了一條演示：機器人可以把照片轉成手繪風格的肖像。帖文正文只有這一句話，沒有給出機器人或模型的名稱、演示影片、技術細節，也沒有說明上線時間與可用範圍。
Hugging Face blog● 精選AI 評分89
Black Forest Labs 開源 FLUX.3 Image Klein，支援框選佈局控制
Black Forest Labs 發布開源影像生成模型 FLUX.3 Image Klein，新增可用 bounding box 指定畫面元素位置的佈局控制，Diffusers 已首日支援。單一模型同時覆蓋文生圖、多參考圖生圖：提示詞中用 <ref_image_0> 引用參考圖，編輯時用 src_bbox 與 tgt_bbox 指定區域移動，座標按 0–1000 歸一化、y 在前，任意尺寸通用。
量子位● 精選AI 評分87
Google 發布 Nano Banana 2.1 生圖模型，4K 直出並降價
Google 發布新一代生圖模型 Nano Banana 2.1，可 4K 直出，並升級蒙版編輯、背景替換與主體一致性。據 Arena 評測，其文生圖、多圖編輯與單圖編輯三項功能平均提升約 61.7 分，文生圖排名第四，僅次於 GPT。API 價格上，1K、2K 圖片生成價格減半，4K 降價約 25%；已上線 Gemini App、Google AI Studio，每天贈送 50 積分，開發者可用 gemini-nano-banana-2.1 接入付費 API。
機器之心● 精選AI 評分78
輝達開源 PixelUMM，無需 VAE 和 ViT 統一影像與影片理解生成
輝達與滑鐵盧大學開源 PixelUMM，一個不依賴 VAE 和 ViT、直接在畫素空間統一影像與影片理解及生成的多模態模型。它用單層線性投影把影像 patch 和影片 tubelet 接入以 Qwen3 初始化的 Mixture-of-Transformers 主幹，理解與生成共享注意力，沒有視覺編碼器、VAE 或離散視覺 tokenizer，程式碼和權重均已開源。模型可直接生成 832×464、96 幀（4 秒、24fps）影片；
Gemini API release notes● 精選AI 評分79
Gemini Nano Banana 2.1 正式可用，上一代影像模型被棄用
Google 將影像生成與對話式編輯模型 Gemini Nano Banana 2.1（gemini-nano-banana-2.1）轉為正式可用，保持 Flash 級速度與成本，並在畫質、提示詞遵循、多輪角色一致性、文字渲染上有明顯提升。新模型支援 1:4、4:1、1:8、8:1 等超寬與全景比例，輸出覆蓋 1K、2K、4K 解析度。上一代 gemini-3.1-flash-image 同時被標記為棄用，未公布關停日期，官方建議遷移至新模型。
Pi changelogAI 評分50
Pi 1.4.0：分類器支援圖片輸入，摘要改用模型輸出上限
Pi 1.4.0 發布，Codemode 的 models.classify() 現在接受圖片輸入，覆蓋 TypeSafe 的 Jev 與 Cloudflare 的 Clef 模型，可在 typesafe、cloudflare-workers-ai 與 OpenRouter 使用。壓縮與分支摘要改用模型自身輸出上限，長推理不再因固定上限報錯，compaction.reserveTokens 只決定何時開始壓縮。
X @OpenAIDevsAI 評分20
@OpenAIDevs: Shoot pictures remotely with an @M5Stack StickS3:
OpenAI 開發者帳號 @OpenAIDevs 發帖，展示用 M5Stack StickS3 遠端拍照。帖文只有這一句說明，沒有交代所用模型、呼叫方式、硬體配置，也未說明是否經由 OpenAI API，同樣沒有附帶程式碼或上手步驟。
機器之心● 精選AI 評分73
商湯等提出 MT Forcing，改善多輪影像編輯的畫質退化
商湯研究院、香港科技大學 MMLab 等聯合提出多輪影像編輯訓練方法 MT Forcing，用於緩解自迴歸擴散模型在連續編輯中的畫質退化與內容漂移。方法由 Single-Turn DMD 與 Teacher-Forcing Guidance 兩部分組成：前者讓學生模型按自身輸出逐輪展開、與單輪教師的輸出分佈匹配，後者用參考編輯軌跡約束跨輪的細節一致性。
Hugging Face blog● 精選AI 評分67
IBM 發布 Palette，20B 開源模型按企業設計規範生成幻燈片
IBM Research 發布 Palette：用 LoRA 微調一個 20B 開源權重模型，使其按指定設計語言製作整套幻燈片，並可部署在自有基礎設施上。模型分成“設計師”和“編碼者”兩個角色：前者輸出可讀、可編輯的 JSON 簡報，寫明配色、字號體系、每頁佈局與內容；後者按單頁規格編寫 pptxgenjs 程式碼；因此各頁可並行生成，編碼階段約快 6–7 倍。訓練資料由大模型合成，約 1000 份演示、近 1 萬頁，每例附帶反事實推理說明，並經渲染檢查修覆文字溢位與元素重疊；
X @Alibaba_QwenAI 評分6
阿里 Qwen 官方帳號發圖，正文無文字說明
阿里 Qwen 官方 X 帳號在 2026 年 10 月 9 日發布動態，正文只有「Pics:」一詞，隨附圖片，沒有任何文字說明。公開可見的文字裡沒有出現模型名稱、版本號、功能或發布時間，因此無法確認圖片指向哪款產品或更新。要了解具體內容只能檢視原帖圖片，後續說明有待官方補充。
X @OpenAIDevs● 精選AI 評分70
GPT-Image-2.6 接入 Codex 與 API，出圖快 50%
OpenAI 把 GPT-Image-2.6 接入 Codex 與 API，並推出兩個新的 API 影像模型 Image-2.6 Flare 與 Sunburst，官方稱生成速度比此前快 50%。其中 Sunburst 在中等或高品質下反覆編輯時，細節一致性更好。Codex 使用者與呼叫 API 的開發者現在即可使用。
量子位AI 評分63
AI 影視公司 Utopai 影片模型盲測排名第二
Artificial Analysis 最新文生影片榜單中，影視公司 Utopai Studios 的模型 Utopai X 以 1150 分位列第二，與第一名阿里 Wan 3.0 僅差 7 分，據福布斯估算其估值約 10 億美元。該榜單由評審在不知道模型名字的情況下盲投產生；Utopai X 以 MiniMax 開源的影片模型 H3 為底子做後訓練，10 項能力中有 7 項比基座更接近頂尖水平，音訊同步、運鏡控制與物理提升最明顯。
Anthropic Research● 精選AI 評分85
Frontier Red Team：小型模型或數月內可在 IoT 裝置自我複製
Frontier Red Team 的實驗顯示，小型 AI 模型可能再過數月就能在智慧烤箱、雜牌 Android TV 盒子等商用 IoT 裝置上自我複製：這類複製體沒有集中的關停點、倍增時間為數天，還能自行摸清陌生硬體，測試中 9B 模型在 9 類硬體裡有 8 類成功跑起推理。研究把複製拆為尋找目標、獲得執行、建立推理、繼續傳播四步，30B 以下模型已能完成多數單步但端到端串聯仍會出錯，簡化評測中 GLM-5.2 及更強模型可端到端複製。
The Verge AI● 精選AI 評分77
OpenAI 開始在 ChatGPT 圖片生成中測試視覺廣告
OpenAI 將於本月晚些時候在美國開始測試新的視覺廣告，在 ChatGPT 生成圖片時展示贊助商品的圖片。廣告與生成的圖片分開顯示，OpenAI 稱不會影響 ChatGPT 給出的回答。OpenAI 今年 2 月首次在 ChatGPT 投放廣告，此前廣告只顯示公司名、logo 和產品連結，位於對話下方的 sponsored 區域。訂閱 Plus、Pro 等方案的使用者不會看到廣告。
Hugging Face blog● 精選AI 評分78
用 ML Intern 幾天做出 6 個模型，9B 改寫器壓到 0.8B
Hugging Face 的 yuvraj sharma 用 HuggingChat 裡的 ML Intern agent，幾天內做出 6 個公開模型，其中把 Qwen-Image 2.1 自帶的 9B 提示改寫器蒸餾成 0.8B 版本，可在 CPU 執行，輸出有效率 99.7%，token 消耗約為教師模型的四分之一。該專案含 9B 模型標註 8,797 條樣本，算力成本 16 美元。
TechCrunch AI● 精選AI 評分81
OpenAI 在 ChatGPT 影像生成結果旁上線視覺廣告
OpenAI 正在為 ChatGPT 增加視覺展示廣告，廣告會出現在使用者要求生成的影像旁邊，本月晚些時候先在美國上線，僅面向初始測試廣告主，且廣告有明確標註、不影響 ChatGPT 給出的回答。同時 OpenAI 擴充套件廣告衡量工具與合作生態，納入 AppsFlyer、Adjust、Branch 等點選歸因夥伴，並與 DoubleVerify、Integral Ad Science 開展品牌適配性評估試點。
機器之心● 精選AI 評分75
清華提出樣本分佈訓練，一步生圖 SOTA、8 卡訓 14B 影片模型
清華大學等機構提出「樣本分佈訓練」，用一批生成樣本與參考樣本的整體分佈差異提供監督，取代逐樣本的參考答案，把生成壓縮到一步或少數幾步。MGFlow 在 ImageNet 256×256 上把 pMF-H、JiT-H 的單步 FDr⁶ 降至 1.45、1.64，較 FD-Loss 降低約 23% 和 38%；後訓練 FLUX.2 [klein] 4B 一步文生圖，GenEval 從四步的 0.794 升至 0.900。
機器之心● 精選AI 評分66
數美萬物開源 Hi3D V1.0，最高 1536³幾何解析度
數美萬物將圖生 3D 模型 Hi3D V1.0 開源，程式碼與權重已在 GitHub、Hugging Face 發布，基於 Sparc3D 稀疏表示框架。訓練用 3D 資產從約 50 萬擴至約 200 萬，新增 1536³層級，最高有效稀疏表面提取解析度為 1536³，官方稱該模型在開源前已進入真實使用者生產工作流驗證。技術報告顯示，562 組人類偏好對比中它勝出 469 次、綜合得分 85.9%，多視角一致性 0.75 與細節豐富度 0.841 在九種對比方法中最高。
Hacker News front pageAI 評分23
ArtCraft 開源上線：免費無訂閱的影像與 3D 合成工作室
面向藝術家的開源創作工具 ArtCraft 上線，提供 macOS、Windows 與瀏覽器版本，全部程式碼在 GitHub 開源，無需訂閱。它把生成與合成放在同一畫布：Image to Location 可把虛擬角色放進實拍環境並保持單一地點一致性，Image to 3D Mesh、Character Posing、背景移除、2D/3D 合成與混合素材用於精確排布鏡頭，頁面還列出 Seedance 2.5、Nano Banana 2 等模型。