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。
搜尋
依意思最接近的 30 筆
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；
Ars Technica AIAI 評分61
Artcraft 發布七款 Adobe 開源替代，由 Claude Opus 5.5 生成
開發者 Brandon Thomas 用 Anthropic 的 Claude Opus 5.5 生成了七款開源應用，復刻 Adobe 的 Photoshop、Illustrator、Premiere、Lightroom、After Effects、InDesign 與 Acrobat Pro 的介面和工具。Artcraft 去年以「面向藝術家的可控 AI」起步，用於 AI 生成影像與影片的精確後期編輯，本週末宣布轉向這套套件並在 Reddit 公布。
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57
Krea 3 發布：影像編輯比 Nano Banana Pro 快 4 倍
Krea 發布影像編輯模型 Krea 3，官方稱比 Nano Banana Pro 快 4 倍、便宜 3 倍。對比頁給出的資料是：Krea 3 單次 2K 編輯約 8 秒、約 0.06 美元，Nano Banana Pro 約 26.8 秒、0.135 美元，GPT Image 2.5 約 39.9 秒、0.21 美元，官方註明這是預生成輸出而非即時基準測試。
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。
Hacker News front pageAI 評分60
開源 Rembrandt 發布：本地 AI 修圖免費替代 Lightroom
免費開源的本地 AI 修圖工具 Rembrandt 發布，支援 macOS、Windows 與 Linux，無需帳號與訂閱。它把 2×/4× 超解析度、AI 降噪、失焦重對焦放在 GPU 上執行，可用自然語言（如「shadows +25」）或直接在照片上拖拽調參，編輯以標準 XMP 存在照片旁、不改原圖。另含筆刷與 AI 主體/深度蒙版、HDR 與全景合併、1000+ 相機 RAW 和 1500 個鏡頭配置檔案，並可自託管在瀏覽器中使用。
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。
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。
OpenCode releases● 精選AI 評分78
OpenCode 2.2.1 發布：新增 /goal 持續目標與影像生成
OpenCode 2.2.1 發布，最值得注意的是新增 /goal 命令：在 TUI 或 Desktop 輸入 /goal <objective>，會話會持續推進直到審查者確認目標達成，並可用 pause、resume、clear 控制。同時加入需手動開啟的 image_generate 工具，可建立或編輯圖片並指定預設模型；Desktop 預設啟用可搜尋的新模型選擇器，活動欄能直接檢視並停止後臺 shell 輸出。
Hacker News front pageAI 評分46
ArtCraft 發布 PhotoCraft：純 Rust 重寫的開源 Photoshop
ArtCraft 發布 PhotoCraft：一個以潔淨室方式從零重寫、純 Rust 編寫的開源 Photoshop 替代品，可開啟、編輯並儲存分層 PSD 檔案。它採用基於 wgpu 的 GPU 合成器（Metal、Vulkan、DX12、WebGPU）與多執行緒濾鏡，內建 34 個工具和 16 種可即時疊加的調整圖層，重存 PSD 時保留 psd-tools 全部 309 個測試檔案中 307 個的渲染，116 個向量形狀圖層與 Photoshop 畫素一致。
The Verge AIAI 評分48
Adobe Lightroom 移動版可用 AI 一鍵睜眼
Adobe 宣布，Lightroom 移動版（iOS、iPadOS、Android）新增生成式 AI 一鍵睜眼功能，可用於挽救閉眼照片。當應用檢測到照片中一人或多人閉眼時，會自動在影像上顯示 Open Eyes 快捷操作圖示；使用者只需點選該圖示，就能嘗試讓閉眼睜開。該功能面向 iOS、iPadOS 和 Android 使用者，操作入口直接出現在照片上。
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；
Hacker News front pageAI 評分48
Photopea 作者稱 GitHub 拒絕下架 AI 生成的盜版倉庫
網頁版圖片編輯器 Photopea 的開發者稱，GitHub 上存在數十個由 AI 提取其 JavaScript 程式碼、去除廣告後重新發布的倉庫，他於 2026 年 9 月 4 日提交 DMCA 下架通知，一個月後收到回覆稱無法確認違反 17 U.S. Code §1201，拒絕下架。作者表示這些第三方版本已導致使用者誤向他本人投訴，損害 Photopea 聲譽，並懷疑該回復是自動生成、無人真正稽核，正在考慮找律師走線下途徑。
The Verge AIAI 評分29
川普曬白宮修繕對比照，一張被 Google 檢測器標記為 AI 生成
川普在 Truth Social 發布一系列展示白宮翻新成果的照片，其中一張被 Google 的 AI 檢測工具標記為「由 OpenAI 製作或編輯」。Reddit 使用者指出，這張「修繕後」柱子的對比圖中，結構兩側臺階數量不等，也與「修繕前」照片裡的臺階數對不上；兩張照片在角度和細節上幾乎完全一致。報導由 The Verge 發布，正文在此處被截斷。
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77
人大高瓴與百度等開源 LoopVL：迴圈 Transformer 擴充套件到視覺語言模型
人大、百度、清華等機構開源視覺語言模型 LoopVL，把迴圈 Transformer 擴充套件到多模態：僅 1B 語言主幹、0.14T 訓練 token，就在 MMMU-Pro、MathVision 等評測上追平或超過用約 36T token 訓練的 Qwen3.5-2B、InternVL3.5-2B。模型以 32 層引數展開 128 次層呼叫（H2L3×2），影像只編碼一次，後續迴圈持續更新視覺—語言狀態；
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。
Gemini API release notes● 精選AI 評分79
Gemini Nano Banana 2.1 正式 GA，舊影像模型棄用
Gemini Nano Banana 2.1（gemini-nano-banana-2.1）已正式 GA，這是最新的高效率影像生成與對話式編輯模型，也是 gemini-3.1-flash-image 的更新版本。它在保持 Flash 級速度與成本效率的同時，提升了視覺品質、提示詞遵循、多輪角色一致性、文字渲染，並支援 1:4、4:1、1:8、8:1 的寬幅與全景比例，覆蓋 1K、2K、4K 解析度。
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；
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。
Simon WillisonAI 評分55
Claude Opus 5.5 生成的 Quick Study 能在數秒內把照片重繪成畫
實驗工具 Quick Study 開啟一張照片後，會在數秒內用 canvas 元素和模擬畫筆把照片重繪成一幅畫。它由一條發給 Claude Opus 5.5 High 的提示詞生成，影像處理只用了 Sobel 邊緣檢測，除 Google Fonts 外沒有引入任何外部庫。作者此前還用 P5.js 做過讓 Claude 模擬水彩插畫的類似實驗。
Hacker News front pageAI 評分37
新工具追蹤 AI 領袖影片言論，Amodei 累計 54 條
有人做了一款工具，追蹤 AI 行業領袖在影片中的公開表態，並展示他們觀點隨時間的變化。目前收錄了 Dario Amodei（累計 54 條）、Alex Karp（51 條）、Marc Andreessen（49 條）、Sam Altman（45 條）、Palmer Luckey（40 條）、Satya Nadella（23 條）、Elon Musk（21 條）、Yann LeCun（6 條）等人，頁面同時標註本週新增條數，例如 Alexandr Wang 本週有 5 條。
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。
機器之心● 精選AI 評分76
DiffusionART：影片 RL 後訓練提速 12 倍
新加坡國立大學、可靈 AI 與香港科技大學提出線上擴散強化學習演算法 DiffusionART，在 HunyuanVideo-13B 上達到 DiffusionNFT、Flow-GRPO-Fast 後期平均獎勵水平的速度分別快 12.02 倍和 11.72 倍。它支援 ODE 取樣，不要求獎勵模型可微，無需額外調參，可適配標量獎勵與二值偏好獎勵；
機器之心● 精選AI 評分80
Google 發布 Nano Banana 2.1，底座換成 Gemini 3.6 Flash
Google DeepMind 正式發布 Nano Banana 2.1，底層由 Gemini 3.6 Flash 驅動，模型 ID 為 gemini-nano-banana-2.1，已作為穩定模型上線 Gemini App、AI Studio、Gemini API、Search AI Mode、Google Ads、Flow 與 Stitch。新版定位高效率影像生成與對話式編輯，支援 1K/2K/4K 輸出、最多 14 張參考圖融合，重點強化設計版式、蒙版區域性編輯和主體一致性；
量子位● 精選AI 評分69
輝達與 MIT 開源基於 MiniMax H3 的 4K 影片重生成方案
輝達與麻省理工學院團隊在 Hugging Face 放出影片增強專案 Open-H3-Regenerate-2K 的模型權重，配套推理程式碼開在 NVlabs/Sana 倉庫，可自行部署把低解析度影片草稿重生成到 2K、最高 4K。方案基於 MiniMax H3 基礎模型，凍結 Transformer 主幹與影片 VAE，只訓練細化 LoRA，推理時經三步去噪補充畫面細節。
TechCrunch AIAI 評分65
Elorian 發布首個模型 Glimpse，推理中可裁剪圖片、抽影片幀
Elorian 發布首個模型 Glimpse，主打「視覺草稿空間」：模型在推理過程中可反覆回到原圖，裁剪區域性、抽取影片幀，或執行程式碼去測量和比較。該模型以研究預覽形式上線，提供 API，聊天介面需排隊；輸入每百萬 token 0.60 美元、輸出 3 美元。Elorian 稱其用幾百塊 GPU 訓練、規模遠小於對標的前沿模型，卻在科學圖表推理和短影片描述上超過 GPT-6 Astra。首批目標是機器人、科研、媒體等握有大量影片的公司。
機器之心● 精選AI 評分77
豆包工作上線創作畫布，接入豆包 2.1 Lite 與 Seedream 5.0 Flash
豆包工作新增創作畫布功能，並接入輕量級模型豆包 2.1 Lite。畫布把素材、設計方案與創作成果集中在同一張無限畫布上，圖片生成後仍可繼續修改文字、配色和佈局，同時接入全新圖片模型 Seedream 5.0 Flash，Agent 可覆蓋從理解需求到生成圖片、影片和成套設計。豆包 2.1 Lite 面向日常問答、文件撰寫、表格處理與 PPT 製作，在回應速度與額度消耗上做了最佳化，客戶端升級後選擇該模型即可使用。
機器之心● 精選AI 評分70
清華提出 Jev-LDE：ICL 範例只編輯一次，1-shot 準確率升至 88.1%
清華大學自動化系研究者提出 Local Demonstration Editing（LDE）與小型編輯模型 Jev-LDE，在目標 LLM 推理前對已檢索出的 demonstration set 只做一次 Keep、Delete 或 Replace 編輯，而非重新搜尋最優範例組合。