OpenAI 发布 GPT Images 2.6,支持 GIF 生成并向 ChatGPT 与 API 开放
OpenAI 正式发布新一代图像生成模型 Images 2.6,同步向 ChatGPT、Codex 和 API 开放,图像生成速度提升 50%,并新增文字提示词生成 GIF 动图能力。
推荐理由:原文梳理了 Images 2.6 的速度提升、GIF 生成、编辑控制和 API 定价细节,读者可据此判断它对设计工作流的适用性。
OpenAI 正式发布新一代图像生成模型 Images 2.6,同步向 ChatGPT、Codex 和 API 开放,图像生成速度提升 50%,并新增文字提示词生成 GIF 动图能力。
推荐理由:原文梳理了 Images 2.6 的速度提升、GIF 生成、编辑控制和 API 定价细节,读者可据此判断它对设计工作流的适用性。
OpenAI 推出 Images 2.6,图像生成速度更快,并新增 GIF 创建、更精准的编辑和新的 API 控制。新能力覆盖 ChatGPT、Codex 和 API 三个渠道。
ChatGPT 开始支持生成动画 GIF,基于 OpenAI 新的 Images 2.6 模型,正在向网页、桌面和移动端的 ChatGPT 与 Codex 用户推送。
ChatGPT 现在可以通过提示词或上传照片直接生成 GIF,支持调整动画速度、逐帧编辑和分享,此前无法一步原生生成 GIF。更新随 OpenAI 的 Images 2.6 模型推出,同时加快图像生成速度,面向所有 ChatGPT 和 Codex 用户的网页、桌面和移动端开放。
三体宇宙在2026三体日上联合无问芯穹推出智子 Agent 1.0,定位“三体世界观专家”,让用户以 AI 智能体形式与“智子”对话;并与 VAST 旗下 AI 3D 生成平台 Tripo 发起“三体·全球3D战舰共创计划”,降低 3D 建模门槛让粉丝参与战舰设计。此外还通过圆桌和联动视频,把系外探索、聚变能源、卫星通信、机器人等硬科技议题带进大众视野。
Adobe Research 与 UC San Diego 发布 EditAgent,将通用编辑器与专用工具结合,用测量数据代替目测来挑选最佳编辑结果。
华为小艺大模型应用实验室首任主任刘睿在专访中谈道,其团队此前在商汤未能立项的对话式修图技术,已落地于 2025 年华为 Mate 80 发布会。他主导的小艺大模型应用实验室于 2025 年底成立,研究方向涵盖大语言模型、多模态智能、Agent 与具身智能。今年上半年实验室发布了 Aura 流式视频理解模型(支持实时视频交互、主动服务和一问多答)和开源图像生成基础模型 Boogu。
Hi3D 开源生产级 3D 生成底座 Hi3D V1.0,并推出面向创作者的 Hi3D Agent。V1.0 训练资产约 200 万件,支持 1536³ 高分辨率输出,在 1536³ 档位切片通过率达 90%,远超同档竞品的 7%-17%。Hi3D Agent 将意图理解、任务规划、模型生成与工程优化串成连续工作流,公司此前半年内完成总额近 5000 万美元融资。
作者观察广州、长沙等地地铁站灯箱几乎被标注「画面由 AI 生成」的广告占满,指出蛋白粉、邮轮、乐园等直出素材因「平均脸」和恐怖谷效应引发观感不适。文章分析成本与决策分散导致 AI 成为广告业最大公约数,并以 balabala《中国小朋友》、亨氏番茄酱及游本昌 AI 数字分身广告等案例说明创意与诚意仍是关键,建议借鉴巴黎、纽约的户外广告规范治理公共视觉污染。
Simon Willison 让 Claude Opus 5.5 High 构建了一个名为 Quick Study 的 artifact:打开照片后几秒内即可在 canvas 元素上用模拟画笔将其“画”出来。该作品使用 Sobel 边缘检测实现,除 Google Fonts 外未依赖外部库。作者此前还曾用 Claude Fable 配合 P5.js 模拟水彩插画。
模思智能与OpenMOSS团队开源5B参数DiT生图模型MOSS-Image,上线4天海外下载达130万次,登顶Hugging Face文生图趋势榜。模型剔除训练数据中的AI生成图像,LLTB文本覆盖率96.3%,支持JSON Layout与最长4096 tokens的Prompt;社区已出现8步、4步加速和量化版本,API同步上线。
Canva 发布自研图像生成模型 Canva Craft,采用先生成设计方案再生成图像的两阶段架构,官方称可带来更高的精确度、一致性和可控性。模型支持最高 2K 分辨率和 30 多种宽高比,训练自平台数百万个人工模板,目前在 Design Arena 榜单排第四,已向全球用户开放,并计划通过 MCP 接入 AI 智能体。
Canva 发布首个自研图像生成模型 Craft,由内部实验室 Canva Research 从零训练,主要依赖数百万设计模板而非照片。模型先规划构图、比例和文本,再生成最高 2K 分辨率、支持超过 30 种宽高比的图像,可在 55 种语言中渲染文本,并支持通过 Magic Layers 拆分为可编辑图层。
Canva 发布首个自研图像生成模型 Canva Craft,由其研究团队打造,含 Leonardo.ai 研究者参与。模型分两阶段工作,先解析提示词生成包含空间关系、视觉层级和文字信息的计划,再生成最高 2K 分辨率、30 种宽高比的图像。
Adobe 宣布 Lightroom 移动版在 iOS、iPadOS 和 Android 上新增 Open Eyes Quick Action,用生成式 AI 一键打开照片中闭上的眼睛。应用检测到闭眼时会自动在图片上显示功能图标,并参考图库中同一人的其他照片以匹配颜色、大小和形状;免费版可试用两次,之后需订阅 Creative Cloud 计划。
AI 3D 公司 Meshy 发布局部编辑功能 Meshy Edit,用户圈选修改区域并用一句话描述改动,约一分钟生成新模型,未选中区域保持原样,现向全部注册用户开放,每次编辑消耗 20 积分。
Lovart 迭代至 2.0,推出个人设计 Agent Arti。Arti 从「记忆」功能出发,通过询问设计师领域、身份与审美偏好建立个性化起点,还能主动完成调研找参考、在画布层面检查风格一致性、自动汇总多方改稿意见,并把重复流程沉淀为可复用 Skill。
华中师范大学联合多所高校提出的 CoReFuse-Med,在 ACM MM 2026 上针对空间对齐但采样质量不一的多模态 MRI 融合失效问题,提出先净化后平衡的方案。
作者实测 Lovart 2.0,新版推出个人设计 Agent「Arti」,重点解决生成之外的记忆、调研、改稿与协作问题。Arti 可建立个人记忆库、后台抓取 Google、Pinterest、Behance 等平台做设计调研并输出情绪板报告,提供画布一致性巡检预警、评论一键交由 AI 处理与版本回溯,还能把重复流程封装为可复用 Skill。
Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,参数量 56 亿,支持文生图、图像编辑、最多十张参考图生成、原生 4K 输出和边界框元素定位。
研究人员表示,OpenAI 和 Google 的新 AI 模型可被攻击方法轻易诱导生成裸露图像,暴露两家公司在防裸露内容安全防护上的缺陷。
Nvidia 公布 DLSS 5 新对比截图,此前在《霍格沃茨之遗》中把角色面部改得像中年人的效果已被大幅收敛,该技术将于 11 月 5 日随《霍格沃茨之遗》正式上线,并随后登陆《Where Winds Meet》。
演员 Mia Goth 的代表向 The Verge 表示,一个带有蓝色认证标识的 Instagram 粉丝账号 miagoth_ 发布了 AI 生成的 Goth 身穿印有 MY EX IS MY BIGGEST FAN 字样 T 恤的图片,该图被数十万人点赞并被 OK!
Google 发布新一代生图模型 Nano Banana 2.1,围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性升级,支持 4K 直出。据 Arena 评测,其在文本转图像、多图像编辑和单张图像编辑三项上平均提升约 61.7 分,文本转图像排名第四。
推荐理由:汇总了 Nano Banana 2.1 的评测排名、API 降价与实测反馈,可快速了解这代生图模型的能力边界与短板。
Google 于 10 月 6 日将生图模型 Nano Banana 更新至 2.1,底座换成 Gemini 3.6 Flash,升级集中在视觉设计、蒙版编辑、主体一致性和画面真实感四个方向。实测显示画面质感支持 4K 原图直出、微距细节扎实,中文文字的清晰度与错误率也有改善,但连续改图仍存在需要留意的坑。
Google 于 2026 年 10 月 6 日发布 Nano Banana 2.1,底座换成 Gemini 3.6 Flash,把多参考图一致性、复杂局部编辑、文字海报等此前 Pro 级模型才稳得住的能力下放到 Flash 的成本和速度上。文章整理了九种实战用法,从多图一致性到养图,并附完整提示词。
作者在《NBA 2K27》中实测 DLSS 5 正式版,开启后球员皮肤、球衣织物、木地板和球场光影更接近真实摄影机画面,湖人球场此前的过曝感也被压下去。
谷歌发布 Nano Banana 2.1,这是一个 Flash 级小模型,性能超过自家旗舰 Nano Banana Pro。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5,帮助创作者将创意转化为精细图像和电影级视频广告。
Simon Willison 用同一提示词测试 Mistral Large 4 等模型生成 SVG 的能力,提示词为一只穿渔网袜的犰狳在火星上乱穿马路。参与对比的模型包括 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 和 mistral/mistral-large-4,均使用各自默认推理等级。
前 Ramp 工程师创立的 Melius 完成 2500 万美元融资,包括 CRV 领投的 2000 万美元 A 轮和 General Catalyst 领投的 500 万美元种子轮。该公司最初做 AI 效果营销工具,六个月后放弃全部代码库,转向生成广告创意素材与营销活动的“创意工作智能体实验室”,7 月结束隐身状态后两个月内年化收入超 100 万美元。
作者在《NBA 2K27》上体验 DLSS 5 正式版,认为球员面部、球衣、地板和整体光影都更接近真实比赛质感。DLSS 5 采用 3D-Guided Neural Rendering,在图形管线后段用神经网络对已渲染画面做生成式渲染,结合 Motion Vectors、Temporal State 和开发者 Masks 等 3D 数据。
华为 Mate 90 Pro Max 起售价 9499 元(12GB+512GB),典藏版 16GB+512GB 售 10999 元,影像升级是这一代最重要的改变。
伯克利 AI Research 提出一种基于互信息的成像系统评估与优化框架,仅用带噪测量和噪声模型即可量化信息含量,无需任务专用解码器。该方法在彩色摄影、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重建性能,优化后的设计可媲美端到端方法,且内存和算力需求更低。