浅译快报

精选

AI × 艺术设计前沿,客观汇集每日动态、征集机会与 SKILL 评测。

头版
Adobe Newsroom· 11月10日一手编辑精选 产品

Adobe 在 11 月 10 日开幕的 Adobe MAX 2026 大会上宣布两项核心智能体进展:一是全面扩展 Creative Agent,并在 Photoshop、Illustrator、Premiere Pro 和 After Effects 中预览原生本地 MCP(Model Context Protocol)支持,允许 OpenAI、Anthropic 等第三方 AI 智能体直接读写与编辑本地工程图层与时间线;二是与 Google DeepMind 达成战略合作,将 Google 最新图像与视频生成模型接入 Firefly 与 Photoshop。

AAF另有 2 家来源
推荐理由 桌面级专业创作软件首次通过原生本地 MCP 协议向外部第三方 AI 智能体开放工程文件的图层、矢量路径与视频时间线控制权,标志着设计工具从「软件内置 AI 按钮」走向「跨工具智能体直接编排本地工程」。

在 2026 年 11 月 10 日于迈阿密海滩开幕的 Adobe MAX 2026 大会上,Adobe 发布了围绕智能体工作流与开放生态的多项核心更新。首先,Adobe 在 Photoshop、Illustrator、Premiere Pro 与 After Effects 四大桌面旗舰应用中预览了原生本地 Model Context Protocol(MCP)接口支持:创作者可授权来自 OpenAI、Anthropic 等平台的外部 AI 智能体直接连接本地正在运行的 Creative Cloud 软件,在原生工程文件内执行命令、调整图层结构、修改矢量图形或编排视频时间线,同时配合扩展后的 Adobe Creative Agent 完成跨软件的多步自动化流水线。其次,Adobe 宣布与 Google DeepMind 建立战略合作伙伴关系,将 Google DeepMind 最新的图像与视频生成模型直接整合进 Adobe Firefly 创意工作室及 Photoshop 等桌面工具中,供创作者在现有商业安全模型之外按需切换调用。

桌面级专业创作软件首次通过原生本地 MCP 协议向外部第三方 AI 智能体开放工程文件的图层、矢量路径与视频时间线控制权,标志着设计工具从「软件内置 AI 按钮」走向「跨工具智能体直接编排本地工程」。

查看原始来源 ↗

OpenAI 开发者日 2026 回顾· 9月29日一手编辑精选 产品

OpenAI 9 月 29 日在旧金山举办 2026 开发者日,发布 20 多项更新:由 GPT-6 Astra 驱动、在云端有自己电脑和浏览器的常驻智能体 Dots,逐步向 Pro、Business Premium 和企业版开放;团队与 AI 共同编辑的 ChatGPT Space;API 价格为 Astra 五分之一的 GPT-6.1 Sol;以测试版开放、可在托管浏览器里操作网页的 Agents API;插件可在侧栏和对话旁打开完整界面,Adobe 同日为 ChatGPT 插件加入修图和 PDF 编辑面板。

推荐理由 智能体有了自己的云端电脑,用户离线时也能继续工作,并进入团队共用的文档;插件可以在对话旁打开完整的编辑面板。

OpenAI 于 9 月 29 日在旧金山 Fort Mason 举办 2026 开发者日(DevDay),开场主题演讲全程直播,当天发布 20 多项更新。ChatGPT 方面,新推出的 Dots 是一种常驻智能体:由 GPT-6 Astra 驱动,在云端有自己的电脑和浏览器,用户关机后仍可继续调研、分析数据、准备文档和编写软件,可以在 ChatGPT、Slack、Microsoft Teams 里对话或通话;目前逐步向 Pro 100/200/500(欧洲经济区、英国和瑞士以外的 18 岁以上用户)、Business Premium 和企业版开放。ChatGPT Space 让团队成员与 ChatGPT、Codex 或自己的 dot 在同一个空间里编辑可自动更新的新文档 Pages,协作幻灯片和表格即将推出。API 方面,GPT-6.1 Sol 每百万 token 输入 2 美元、输出 10 美元,是 GPT-6 Astra 的五分之一;Agents API 以测试版开放,由 OpenAI 托管 Codex 的执行框架,新增的电脑操作让智能体在 OpenAI 托管的浏览器里完成任务;新的 Ultrafast 服务档先向 GPT-6 Astra 开放,价格是标准档的 6 倍。插件现在可以在侧栏、对话旁面板和文件编辑器中打开完整界面;Adobe 同日为 ChatGPT 中的 Adobe 插件加入由 Photoshop、Adobe Express 驱动的修图面板,以及用 Acrobat 工具编辑 PDF 的面板。

智能体开始有自己的云端电脑,用户离线时也能继续工作,并进入团队共用的文档;和设计相关的变化集中在插件:修图、改 PDF 可以在对话旁的面板里手动完成。

查看原始来源 ↗

Google DeepMind· 10月27日一手编辑精选 模型

Google DeepMind 10 月 27 日发布第四代实时世界模型 Genie 4,可在生成画面的同时原生生成环境音、音乐和角色对话,支持用自然语言实时改变天气、摄像机和场景人物;目前以研究预览向受信任测试者开放,生成内容均带 SynthID 水印。

GGTA另有 4 家来源
推荐理由 世界模型输出的是可实时操控、带原生声音的交互环境而非固定视频片段,官方已提到创作者把它当作影视预可视化的快速草稿工具。

Google DeepMind 于 10 月 27 日发布第四代实时世界模型 Genie 4。模型原生多模态,在生成世界的同时生成环境音、音乐与可交互的角色对话;它建构在 Gemini 家族能力之上,由 Gemini Omni 锚定真实世界的外观与行为,其他 Gemini 模型负责维持模拟的连贯性。用户可用键盘导航与控制摄像机,并在模拟进行中用自然语言实时修改场景,如改变天气、移动镜头或加入新人物与物体;据 Android Authority 报道,单场景连贯时长可达两分钟,为 Genie 3 的两倍。DeepMind 介绍,已有创作者将其作为预可视化与构思的快速「草稿模式」,在实时模拟中反复调整机位、灯光、对白和动作。Genie 4 目前以研究预览形式向受信任测试者开放,后续将先面向 Project Genie 中的 Google AI Ultra 订阅用户以及 Gemini API、Google AI Studio 的早期合作伙伴;所有生成的视频与音频均嵌入 SynthID 水印。

世界模型输出的是可实时操控、带原生声音的交互环境而非固定视频片段,官方已提到创作者把它当作影视预可视化的快速草稿工具。

查看原始来源 ↗

最新精选 全部资讯 →
11月13日周五
腾讯混元官网· 11月13日一手 模型

腾讯混元于 11 月 13 日发布 3D 世界生成模型更新 HY-World 2.1 Panorama,支持通过单张图片或文本描述生成 360 度无缝全景图及可自由漫游的三维空间,可直接导出 3D Gaussian Splatting(3DGS)与网格资产供 Unreal Engine、Unity 及建筑可视化管线调用。

腾H另有 1 家来源
推荐理由 打通从 360 度全景生成到具备真实空间几何与遮挡关系的 3DGS 场景导出,为游戏关卡原型、虚拟制片背景板与建筑室内空间漫游提供轻量化资产管线。

腾讯混元团队于 2026 年 11 月 13 日推出三维世界生成模型升级版 HY-World 2.1 Panorama。该模型在混元 3D 世界模型基础上强化了大尺度全景空间的一致性与几何重建能力:用户输入一段文本提示词或单张局部概念图,模型即可先构建无接缝、透视准确的 360 度高清全景环境,并进一步推理出场景深度与被遮挡区域的几何结构,转化为支持六自由度(6DoF)相机漫游的三维空间。导出的场景支持标准 3D Gaussian Splatting(3DGS)及三角网格格式,可直接导入 Unreal Engine、Unity、Blender 或建筑空间可视化工作流中进行二次布光与镜头调度。

打通从 360 度全景生成到具备真实空间几何与遮挡关系的 3DGS 场景导出,为游戏关卡原型、虚拟制片背景板与建筑室内空间漫游提供轻量化资产管线。

查看原始来源 ↗

BytePlus ModelArk· 11月13日一手编辑精选 模型

字节跳动于 11 月中旬通过即梦及火山引擎/BytePlus ModelArk 推出图像模型 Seedream 5.5 与视频模型 Seedance 2.5 Flash:Seedream 5.5 支持最多 99 个独立图层的像素级多轮编辑与最多 10 张参考图融合,提升密集排版文字渲染精度;Seedance 2.5 Flash 支持单次生成最长 30 秒带原生音轨的视频,推理速度提升 2 倍、每秒生成成本降至约 $0.15。

BB另有 1 家来源
推荐理由 Seedream 5.5 将最多 99 图层的独立编辑与 10 图参考引入生成式图像模型,配合 Seedance 2.5 Flash 的 30 秒音画同步长镜头与半价提速,进一步贴合商业海报排版与批量短片预演需求。

字节跳动于 2026 年 11 月中旬更新旗下视觉生成模型矩阵,推出图像生成与编辑模型 Seedream 5.5 以及高效率视频模型 Seedance 2.5 Flash。在图像侧,Seedream 5.5 重点强化了结构化设计与多轮微调能力:模型支持在最多 99 个独立图层上进行像素级局部修改,确保重绘局部元素或更换材质时不破坏其余图层的背景、光影与透视结构;同时支持单次输入最多 10 张参考图以锁定角色外观与品牌视觉风格,并大幅改善了海报、包装设计中密集小字号中英文排版的清晰度。在视频侧,通过火山引擎与 BytePlus ModelArk 上线的 Seedance 2.5 Flash 支持单次生成最长 30 秒(480p/720p)的连续视频并原生合成环境音、音效与角色对白,推理速度较标准版提升约 2 倍,API 生成成本下调约 50% 至每秒约 0.15 美元。

Seedream 5.5 将最多 99 图层的独立编辑与 10 图参考引入生成式图像模型,配合 Seedance 2.5 Flash 的 30 秒音画同步长镜头与半价提速,进一步贴合商业海报排版与批量短片预演需求。

查看原始来源 ↗

11月12日周四
Google Blog· 11月12日一手编辑精选 模型

Google 11 月 12 日推出高效率多模态模型 Gemini 4 Hydrogen,作为 Gemini 3.8 Flash 的继任者与 Gemini 4 Carbon/Argon 的轻量协同模型;支持 100 万 token 上下文与 low/medium/high/xhigh 四档可调思考深度,API 定价为每百万 token 输入 $1.50、输出 $7.50,并在 Google Antigravity 中引入与重型模型分工协作的 Orchestrator 模式。

GG另有 1 家来源
推荐理由 以低延迟、可调推理深度与每百万输入 $1.50 的平坦定价接棒 Flash 系列,并通过「重型模型做架构规划 + 轻量模型跑并行子智能体」的双模型编排模式提升交互原型与前端开发效率。

Google 于 2026 年 11 月 12 日发布新一代高吞吐多模态主力模型 Gemini 4 Hydrogen(API 标识 gemini-4-hydrogen),接替此前的 Gemini 3.8 Flash,并与旗舰重型模型 Gemini 4 Carbon、Gemini 4 Argon 共同组成 Gemini 4 模型家族。Hydrogen 面向日常高频编码、快速交互原型构建与并行子智能体任务优化,支持 100 万 token 的输入与输出上下文窗口,并提供 low、medium、high 与 xhigh 四档可配置的思考深度参数。该模型即日起同步上线 Google AI Studio、Gemini API、Gemini 应用、GitHub Copilot 及 Google Antigravity 开发环境,API 在全上下文长度内实行统一费率(每百万输入 token 1.50 美元、每百万输出 token 7.50 美元)。在 Google Antigravity 中,官方同步推出全新的「Orchestrator」多模型编排模式,由 Gemini 4 Carbon 负责顶层架构推理与设计决策,再动态派发多个 Gemini 4 Hydrogen 子智能体并行完成代码实现与校验。

以低延迟、可调推理深度与每百万输入 $1.50 的平坦定价接棒 Flash 系列,并通过「重型模型做架构规划 + 轻量模型跑并行子智能体」的双模型编排模式提升交互原型与前端开发效率。

查看原始来源 ↗

ComfyUI Blog· 11月12日一手 产品

ComfyUI 于 11 月中旬更新至 v0.45 并上线原生 MiniMax H3 Image 节点支持:在单一模型权重与同一套工作流图中同时打通文生图与多参考图局部编辑,基于 CFG 蒸馏实现 6 步快速采样,原生支持最高 4096×4096(1600 万像素)分辨率输出,并与 H3 Video 共享 Qwen3-VL 文本编码器以节省显存。

CC另有 1 家来源
推荐理由 在节点式工作流中用单一模型同时解决原生 4K(16MP)生成与多参考图编辑,且与视频模型共用视觉语言编码器,显著降低了高分辨率图片转视频流水线的显存切换开销。

ComfyUI 于 2026 年 11 月中旬发布 v0.45 版本并原生集成 MiniMax H3 Image 图像生成与编辑模型节点。此次集成的核心特性在于「单模型双模态统一」:用户无需切换不同的检查点或搭建两套独立节点图,即可在同一个工作流中根据是否接入参考图像,无缝切换纯文本生图(Text-to-Image)与多参考图引导的局部重绘及主体编辑(Image Editing)。技术规格上,MiniMax H3 Image 采用 CFG 蒸馏技术,仅需 6 步采样即可完成高质量出图,并支持任意宽高比下最高 4096×4096(1600 万像素)的原生分辨率直出;此外,该模型与上周接入的 MiniMax H3 Video 共享同一个 Qwen3-VL 文本编码器,在本地或云端运行「4K 分镜生图 → 视频生成」串联工作流时无需重复加载编码器权重。

在节点式工作流中用单一模型同时解决原生 4K(16MP)生成与多参考图编辑,且与视频模型共用视觉语言编码器,显著降低了高分辨率图片转视频流水线的显存切换开销。

查看原始来源 ↗

11月11日周三
Runway Research· 11月11日一手 模型

Runway 11 月 11 日宣布以 Apache 2.0 许可证开放其首款世界动作模型(World Action Model)Praxis-1 的完整模型权重、推理管线与微调代码;该模型采用 270 亿参数混合专家(MoE)扩散 Transformer 架构,可根据文本、图像与动作控制指令预测并生成具有物理一致性的动态世界状态。

RH另有 1 家来源
推荐理由 主流商业视频生成厂商首次以宽松的 Apache 2.0 协议开放 27B 规模世界动作模型的完整权重与微调代码,为学术界与独立团队研究可控交互环境及物理仿真提供了可复现基座。

Runway 于 2026 年 11 月 11 日正式开源其通用世界动作模型(World Action Model)Praxis-1,以宽松的 Apache 2.0 开源协议发布完整模型权重、推理代码及训练微调脚本。Praxis-1 采用 270 亿参数(27B)的混合专家(MoE)扩散 Transformer 架构,旨在理解三维空间几何、物体交互与相机运动规律,能够结合输入图像、自然语言指令以及离散或连续的动作控制信号,连续预测并渲染下一时刻的世界画面状态。由于采用 Apache 2.0 协议,研究机构、游戏工作室与影视预演团队可在本地或私有云环境中自由部署、微调并商业化衍生模型。

主流商业视频生成厂商首次以宽松的 Apache 2.0 协议开放 27B 规模世界动作模型的完整权重与微调代码,为学术界与独立团队研究可控交互环境及物理仿真提供了可复现基座。

查看原始来源 ↗

11月10日周二
Claude Official· 11月10日一手编辑精选 产品

Anthropic 11 月 10 日面向 Pro、Team 与 Enterprise 套餐推出多项多人协作工作区功能:Claude Whiteboards(Beta)提供共享数字画布,支持团队与 Claude 共同进行视觉头脑风暴、时间线规划、流程图梳理与应用界面原型排版;同步推出 Claude Sheets(Beta)智能电子表格与正式版 Claude Data 交互式数据可视化工具,并扩展 Adobe、Atlassian 等 MCP 连接器。

CE另有 1 家来源
推荐理由 大语言模型工作台通过内置共享视觉白板(Whiteboards),将单人对话式的 Artifact 预览延伸为支持多人标注、流程图与界面原型协作的画布环境。

Anthropic 于 2026 年 11 月 10 日发布一系列面向团队协作的视觉与办公工作区组件,将 Claude 从对话界面拓展为多人实时协作环境。其中,新上线的「Claude Whiteboards」(Beta)为共享无限画布,支持用户与团队成员在同一空间内开展视觉头脑风暴、绘制流程架构图、排布项目时间线以及搭建交互式应用原型;团队成员可在画布节点上直接评论并 @Claude,调用 Claude Projects 的项目上下文对版式布局或界面组件进行原地重排与修改。同批发布的还有支持多工作表公式与实时协同的「Claude Sheets」(Beta),以及由原 Claude Dashboards 升级并正式全面开放(GA)的「Claude Data」交互式数据报表与可视化工具。此外,Anthropic 同步升级了 MCP 连接器市场,支持将 Adobe、Atlassian、Salesforce 等外部工具直接嵌入白板与表格工作流。

大语言模型工作台通过内置共享视觉白板(Whiteboards),将单人对话式的 Artifact 预览延伸为支持多人标注、流程图与界面原型协作的画布环境。

查看原始来源 ↗

Adobe Newsroom· 11月10日一手编辑精选 产品

Adobe 在 MAX 2026 期间推出 Firefly Design(Beta)协作画布,将位图、矢量、动效、3D 与印刷排版整合至单一空间,并提供对象级编辑与重打光;桌面端同步上线 Photoshop 三光源交互式 Relight 与 Generative Restyle 强度滑块、Premiere Pro 全新 Color Mode 与时间线原生音乐/音效生成,以及 InDesign 实时多人协同编辑。

AA另有 1 家来源
推荐理由 Firefly Design 将位图、矢量、动效与 3D 整合进同一画布,而 Photoshop 的三维方向重打光与 Premiere 的时间线音乐生成则把生成式 AI 进一步转化为可量化调节的参数控件。

Adobe 于 2026 年 11 月 10 日在 Adobe MAX 2026 上推出 Firefly Design(Beta)及 Creative Cloud 桌面套件年度更新。Firefly 正式演进为多模型创意工作室,其核心新增模块「Firefly Design」提供集位图、矢量、动态图形、3D 与印刷版式于一体的多人协作画布,内置 Edit Object(对象级编辑)、Edit Text(画面文字重排)、Relight(重打光)与 Retouch(精修)工具,支持从概念生成到多规格交付在同一画布完成。桌面应用方面,Photoshop 新增交互式「Relight」功能(支持在画面中布置最多 3 个虚拟光源并实时调节方向、色温与材质反射)以及带参数强度滑块的「Generative Restyle」;Premiere Pro 重构了 AI 辅助「Color Mode」调色工作区,上线视频运动物体擦除(Video Object Removal)及根据时间线剪辑节奏原生生成背景音乐与音效的「Generate Music」功能;InDesign 则正式引入网页与桌面互通的实时多人协同编辑(Co-editing)。

Firefly Design 将位图、矢量、动效与 3D 整合进同一画布,而 Photoshop 的三维方向重打光与 Premiere 的时间线音乐生成则把生成式 AI 进一步转化为可量化调节的参数控件。

查看原始来源 ↗

11月9日周一
Anthropic News· 11月9日一手 模型

Anthropic 11 月 9 日发布旗舰模型 Claude Fable 5.2(及受限访问的 Mythos 5.2),支持 100 万 token 上下文与常驻自适应思考,面向多步骤软件迁移、电路与 PCB 设计及子智能体编排等长程任务;生成速度较 Fable 5.1 提升最高 30%,API 定价下调至每百万 token 输入 $8、输出 $40。

ACA另有 2 家来源
推荐理由 旗舰模型在长程多智能体协同与跨学科工程设计(从大型代码库迁移到硬件电路设计)上继续演进,同时通过提速 30% 与降价降低高复杂度工作流的调用门槛。

Anthropic 于 2026 年 11 月 9 日发布新一代前沿模型 Claude Fable 5.2(以及面向特定安全与科研合作方的 Mythos 5.2)。该模型专为长周期(long-horizon)智能体工作流与高复杂度技术任务构建,支持 100 万 token 上下文窗口并默认开启自适应思考(Adaptive Thinking),在多步研究规划、子智能体协调、大型软件迁移以及从零设计完整电子电路与 PCB 等工程测试中表现突出。性能与成本方面,Fable 5.2 的 token 生成速度较 Fable 5.1 提升最高 30%,并提供可选的 2.5 倍「Fast Mode」加速模式;API 价格下调至每百万输入 token 8 美元、每百万输出 token 40 美元。Anthropic 同时向 Claude Pro 订阅用户限时开放了 Fable 5.2 的预览体验。

旗舰模型在长程多智能体协同与跨学科工程设计(从大型代码库迁移到硬件电路设计)上继续演进,同时通过提速 30% 与降价降低高复杂度工作流的调用门槛。

查看原始来源 ↗

11月5日周四
Google Blog· 11月5日一手编辑精选 模型

Google 11 月 5 日推出 Gemini Omni 1.2 Flash,视频生成与编辑时长上限由 10 秒提升至 15 秒,720p 价格降至每秒 0.07 美元、较 1.1 Flash 低 30%,支持多轮对话式修改,已在 Gemini API、Google Cloud 与 Google Vids 正式可用。

GGT另有 2 家来源
推荐理由 更长的单段时长、更低的单价与无需整段重生成的对话式编辑同时到位,且模型进入正式可用阶段,降低了 AI 视频批量迭代的门槛。

Google DeepMind 于 2026 年 11 月 5 日推出视频生成与编辑模型 Gemini Omni 1.2 Flash,并在 Gemini API、Google AI Studio、Google Cloud、Google Vids、Google Flow 与 Google Ads 中正式可用(GA)。主要更新包括:原生连续视频生成与编辑时长上限由 10 秒提升至 15 秒;720p 草稿输出价格降至每秒 0.07 美元,较 Gemini Omni 1.1 Flash 降低 30%;强化图像、视频与音频参考输入的一致性,使角色、品牌与产品细节在多镜头切换和多轮编辑中保持稳定;支持通过自然语言多轮对话逐步修改既有片段(如更换环境光线或局部细节),无需从头重新生成整段视频。官方推荐先以 360p 或 720p 快速生成并对话修改,定稿后再放大至 1080p 或 4K;所有生成视频均嵌入 SynthID 水印。

更长的单段时长、更低的单价与无需整段重生成的对话式编辑同时到位,且模型进入正式可用阶段,降低了 AI 视频批量迭代的门槛。

查看原始来源 ↗

11月4日周三
PCMag· 11月4日编辑精选 模型

OpenAI 11 月 4 日向包含免费版在内的全体 ChatGPT 用户及 API 推出 Images 2.6 更新:支持由文字、照片或草图直接生成可调速、可逐帧修改的动态 GIF,可跨对话保存角色与宠物参考形象,整体出图提速约 50%;API 同步上线极速版 gpt-image-2.6-flare 与高精版 gpt-image-2.6-sunburst,并支持 SVG 矢量导出与局部圈选编辑。

PZO另有 2 家来源
推荐理由 主流对话式生图工具首次原生打通动态 GIF 逐帧调节、跨会话角色形象复用与 API 端 SVG 矢量输出,并以极速与高精双模型分流草稿与定稿场景。

OpenAI 于 2026 年 11 月 4 日面向全部 ChatGPT 套餐(含免费用户)及开发者 API 推出 ChatGPT Images 2.6(底层为 GPT-Image-2.6 系列模型)。主要更新包括:一是原生动态 GIF 生成,用户可通过文字提示或上传照片、手绘草图直接生成循环动图,并在生成后调整 0.5x 至 2x 播放速度、查看图层或单独修改某一帧;二是跨对话参考形象保存,用户可将人物、角色或宠物保存为命名参考图,在后续对话中直接调用以保持角色一致性,无需重复上传;三是整体生成速度较上一代提升约 50%。开发者 API 端拆分为两款模型:gpt-image-2.6-flare 侧重低延迟,最快约 6 秒返回图像草稿;gpt-image-2.6-sunburst 侧重画面细节与多轮编辑一致性。API 同时新增 complexity(低/中/高)版式规划复杂度参数、画面圈选局部修改(Markup-Guided Edits)以及 SVG 矢量格式导出。

主流对话式生图工具首次原生打通动态 GIF 逐帧调节、跨会话角色形象复用与 API 端 SVG 矢量输出,并以极速与高精双模型分流草稿与定稿场景。

查看原始来源 ↗

Kling AI· 11月4日一手 模型

快手可灵于 11 月 4 日将轻量高速视频模型 Kling 4.0 Flash 面向全体网页端用户与公共 API 正式开放(GA),支持文生视频、图生视频与 Omni Reference 多模态参考,可快速生成 3 至 20 秒 720p 视频(API 约 0.094 美元/秒),并同步提供 Adobe Premiere 与 After Effects 等工作流插件。

推荐理由 继旗舰版 Kling 4.0 之后,面向高频迭代的轻量版全面放开 API 与后期软件插件,便于在正式高分辨率渲染前低成本验证分镜与动作。

继 10 月中旬全量上线旗舰模型 Kling 4.0 后,快手可灵于 2026 年 11 月 4 日宣布将轻量高速版本 Kling 4.0 Flash 解除年度会员专属限制,面向全体网页端用户开放,并同步上线公共 API、命令行接口及创作套件插件。Kling 4.0 Flash 针对高频概念测试与分镜预演优化,支持文生视频、图生视频与 Omni Reference 多模态参考控制,单次可生成 3 至 20 秒的 720p 视频片段,API 定价约为每秒 0.094 美元,并支持在 Adobe Photoshop、Premiere Pro、After Effects 及 Krea 等多模型工作台中直接调用。

继旗舰版 Kling 4.0 之后,面向高频迭代的轻量版全面放开 API 与后期软件插件,便于在正式高分辨率渲染前低成本验证分镜与动作。

查看原始来源 ↗

ComfyUI GitHub· 11月4日一手 产品

ComfyUI 11 月 4 日发布 v0.44.0,加入 MiniMax H3 Max 系列视频编辑合作节点与 H3 开源模型配套支持,新增 ProRes 视频保存(可选色度二次采样)和独立的 VAE 计算 dtype 设置。

CC另有 1 家来源
推荐理由 MiniMax H3 视频生成与编辑在开源节点工作流中进一步补齐,ProRes 导出让生成结果可以直接进入专业后期流程。

ComfyUI 于 11 月 4 日发布 v0.44.0。合作节点方面,新增 MiniMax H3 Max 的 Recast、Extend、Reframe、Insert、Lip Sync 与 Camera Control 等视频编辑节点,以及 BFL Flux Video Upscale V2、VEED Dubbing 等视频超分与配音节点;开源模型方面,加入基于 MiniMax H3 的 P-H3-Image 图像模型、H3 潜空间超分模型、Sol-H3-VAE 加载,以及通过重叠上下文窗口生成更长 H3 视频的支持。此外,新增可单独设置的 VAE 计算 dtype 节点,并支持以 ProRes 格式保存视频、可选择色度二次采样方式。

MiniMax H3 视频生成与编辑在开源节点工作流中进一步补齐,ProRes 导出让生成结果可以直接进入专业后期流程。

查看原始来源 ↗

11月2日周一
Recraft Blog· 11月2日一手 产品

Recraft 11 月 2 日上线专属工具 Recraft Logo Maker,以引导式品牌问卷与设计师精选风格替代纯文本提示词,一次输出 4 个品牌标志方向,支持在名片、包装、服饰等实物样机上即时预览并导出可编辑 SVG。

RR另有 1 家来源
推荐理由 将标志设计从开放式提示词试错转为结构化品牌信息输入与设计师预设风格组合,并直接串联实物样机预览与可编辑 SVG 矢量导出。

Recraft 于 2026 年 11 月 2 日发布专属品牌标志生成工具 Recraft Logo Maker(入口 recraft.ai/logo)。不同于在空白对话框中反复编写提示词,该工具采用引导式问答流程:用户依次填写品牌名称、业务描述、标志形态偏好与视觉气质,并从设计师整理的风格库中选择或上传参考图,系统随即调用底层矢量与图像模型同时生成 4 个不同方向的标志方案。在定稿前,用户可不消耗额外积分,即时预览标志在名片、产品包装、服饰及门店招牌等真实物料上的样机效果,最终导出路径干净的可缩放 SVG 矢量文件;若需更细粒度的节点与排版控制,也可转入 Recraft Studio 画布继续编辑。

将标志设计从开放式提示词试错转为结构化品牌信息输入与设计师预设风格组合,并直接串联实物样机预览与可编辑 SVG 矢量导出。

查看原始来源 ↗

10月29日周四
Hugging Face· 10月29日一手编辑精选 模型

Pika 10 月 29 日发布基于 MiniMax H3(33B)后训练与蒸馏的开放权重视频模型 H3 Flex,将降噪步数从 50 步压缩到 6 步,最快约 7 秒生成 15 秒视频,支持最多 12 个多模态参考输入并同步生成可拆分为 5 轨的 32kHz 立体声,权重已上传 Hugging Face。

HPA另有 2 家来源
推荐理由 主流视频生成模型多为闭源,H3 Flex 以开放权重形式同时提供 6 步少步数出片、多参考控制与可拆分音轨的同步音频,可在自有算力与 ComfyUI 中直接部署。

Pika 于 10 月 29 日发布开放权重音视频生成模型 H3 Flex。该模型基于 MiniMax H3(33B 参数)架构,通过美学监督微调、步数蒸馏与偏好优化,将标准 50 步扩散降噪压缩至 6 步;Pika 称生成速度较此前提升约 1.8 倍,在原生 480p/768p(24fps)分辨率下最快约 7 秒可生成 15 秒视频,并可通过托管上采样输出 1080p、2K 与 4K。模型支持最多 12 个多模态参考文件(如最多 9 张图像、3 段动作参考视频及音频样本)以锁定角色、物体、风格与镜头调度;内置 32kHz 原生立体声同步生成,云端 API 支持将音频拆分为人声对白、配乐、音效、拟音与环境声 5 条独立分轨。模型权重与 Turbo LoRA 适配器已按 MiniMax H3 Community License Agreement 上传至 Hugging Face,可直接接入 Diffusers 与 ComfyUI。

主流视频生成模型多为闭源,H3 Flex 以开放权重形式同时提供 6 步少步数出片、多参考控制与可拆分音轨的同步音频,可在自有算力与 ComfyUI 中直接部署。

查看原始来源 ↗

Canva Newsroom· 10月29日一手编辑精选 产品

Canva 10 月 29 日推出 Brush,这是其首个自研视觉语言模型,专门用于编辑已有设计而非生成图像:模型理解设计结构,通过写代码并执行的 Agent 循环响应文字修改指令。官方称相比前代设计 Agent 编辑速度最高快 69%、单次编辑成本低 46%,目前向 Canva Pro 用户开放。

CP另有 1 家来源
推荐理由 继图像模型 Craft 一周后,Canva 又推出专攻设计编辑的自研模型,生图与改图两端都换成自有模型,用文字指令修改版式的方式也随之落进主流设计工具。

Canva 于 10 月 29 日发布 Brush,这是其首个自研视觉语言模型(VLM),由 Canva Research 构建,专门面向设计编辑任务:Brush 能理解一份设计的组成结构,用户用文字描述修改要求后,模型通过 Agent 循环编写并执行代码来调整设计元素。Canva 称,与此前的设计 Agent 相比,Brush 在通用设计编辑任务上速度最高提升 69%,单次编辑成本降低 46%。模型以一款开源权重模型为底座,在真实设计与编辑任务上做后训练,并结合大规模强化学习。Brush 目前向 Canva Pro 用户开放,可在 Canva AI 的模型下拉菜单中选择;路线图包括 Brand Kit 支持和对图片密集版式的更好处理。Brush 与一周前发布的图像生成模型 Craft 分工互补:Craft 负责生成图像,Brush 负责编辑和调整图像所在的设计。

继图像模型 Craft 一周后,Canva 又推出专攻设计编辑的自研模型,生图与改图两端都换成自有模型,用文字指令修改版式的方式也随之落进主流设计工具。

查看原始来源 ↗

10月27日周二
Apple Newsroom· 10月27日一手编辑精选 产品

Apple 10 月 27 日发布 Creator Studio 更新:Final Cut Pro 可在项目内用文字描述生成图像并调整风格,内置 MotionVFX 的色彩分级与 3D 摄像机追踪,并与 Pixelmator Pro 往返编辑;Pixelmator Pro 新增按文字描述编辑图像的 Generate Fill;Logic Pro、Keynote、Pages、Numbers 加入 AI 助手(Beta)。

AA另有 1 家来源
推荐理由 主流专业剪辑软件把文字生图和 AI 图像编辑做进了原生剪辑与后期流程,生成、修图、调色和追踪可以在同一套工具链里完成。

Apple 于 10 月 27 日发布 Creator Studio 更新。Final Cut Pro 新增文字生成图像,可在项目内根据文字描述生成图像、快速编辑并调整风格;内置 MotionVFX 插件,可一键选用色彩分级与 3D 摄像机追踪;并与 Pixelmator Pro 支持往返编辑,时间线中的图像可直接送入 Pixelmator Pro 修改后返回项目。Pixelmator Pro 新增 Generate Fill,按文字描述编辑图像,自动匹配周围纹理、透视与光线,同时升级 Super Resolution 超分辨率。Motion 同样内置 MotionVFX 插件,并新增 Displacement 滤镜。此外,转录新增 23 种语言,Logic Pro、Keynote、Pages、Numbers 加入 AI 助手(Beta)。此次更新整合了 Apple 2026 年 3 月收购的 MotionVFX 的技术。

主流专业剪辑软件把文字生图和 AI 图像编辑做进了原生剪辑与后期流程,生成、修图、调色和追踪可以在同一套工具链里完成。

查看原始来源 ↗

查看全部资讯 →