精选

OpenAI 于 9 月 29 日开发者日当天在 API 发布 GPT-6.1 Sol（gpt-6.1-sol），面向复杂编程与专业工作，官方称其表现接近 GPT-6 Astra、成本更低。标准定价（输入不超过 272K token，每百万 token）：输入 $2、缓存输入 $0.10、缓存写入 $2.50、输出 $10，输入与输出价格与 9 月 22 日发布的 GPT-6 Sol 相同，是 GPT-6 Astra（输入 $10、输出 $50）的五分之一。GPT-6.1 Sol 以测试形式支持多智能体：在一次 Responses API 请求中，模型可以把工作分派给子智能体。按官方模型指南，GPT-6 家族现分三档：Astra 能力最强，GPT-6.1 Sol 兼顾速度、成本与能力，Luna 最快、成本最低；已在用 gpt-6-sol 的开发者需先查看迁移说明再切换。据 TechCrunch 报道，GPT-6.1 Sol 当天起向 ChatGPT Work 与 Codex 的 Plus、Pro、Business、Enterprise、Edu 用户开放，暂未进入普通对话；原先外界预期的 GPT-6.1 Astra 没有发布，OpenAI 前一天已因安全测试不达标取消了它的上线。

同价位的模型一周内迭代一版，并把多智能体分派放进 API，拆分长流程任务的门槛随之降低。

查看原始来源 ↗

ComfyUI 于 9 月 29 日发布 v0.38.0。开源模型方面，原生支持 Ming Image 0.1 Design（6B 参数文生图模型，面向文字密集的设计版式，可输出带透明通道的图像）、MiniMax-H3 Fun ControlNet Union 2.0（一次生成组合多个控制条件）、基于 Wan 2.1 与 VACE 的身份保持视频转视频 ID-V2V，以及 Qwen-Image 2.1 的 ControlNet 与用于快速预览的轻量 VAE。节点方面，色彩空间转换新增 LogC3 与 ACEScct 两种 HDR 色彩空间。合作节点方面，Seedance 2.5 新增草稿模式，先渲染 480p 快速预览，再用其任务 ID 驱动 1080p 正片渲染；Seedream 节点加入更快、成本更低的 Seedream 5.0 Flash，Pro 版最高分辨率提升到 4.62MP；OpenAI 对话节点加入 GPT-6 Sol 与 Luna；随着 Sora API 停服，Sora 视频节点已移除。

文字排版类开源生图模型和「先草稿、后正片」的视频渲染同时进入节点工作流，版式设计和视频预演都多了低成本的试错方式。

查看原始来源 ↗

Adobe 于 9 月 29 日配合 OpenAI 开发者日，更新 ChatGPT 中的 Adobe 插件，加入在侧边面板打开的交互式编辑器。图片与设计编辑器由 Photoshop 和 Adobe Express 驱动：用户可以选中对象或用画笔涂抹一块区域，让 ChatGPT 调用插件做针对性修改，再用色相、饱和度、对比度等滑块微调；编辑器按修改类型显示控件，例如要求改某个物体的颜色时，只对选区显示颜色控件。编辑器里的调整会作为上下文回到对话，不必重新上传或重新说明。PDF 可以在侧边面板里用 Acrobat 工具直接改文字、加高亮，选中的段落也能用来引导后续对话。OpenAI 当天发布的插件扩展同样允许插件在对话旁打开面板，并在侧栏和文件编辑器中呈现自己的界面。更新从当天起在 ChatGPT 网页版和 App 全球逐步推出。

局部修改可以先用一句话交给 AI，再用滑块手动收尾，不必重新生成整张图。

查看原始来源 ↗

World Labs 于 9 月 28 日宣布，已与 AMD 签署最终协议加入 AMD。World Labs 成立于 2024 年，自去年起与 AMD 开展深度技术合作，从在 AMD GPU 上优化模型训练与推理开始。公告称，联合创始人李飞飞将出任 AMD 执行副总裁兼首席科学家，直接与 CEO 苏姿丰合作；Justin Johnson 与 Ben Mildenhall 将继续带领 World Labs 团队，并入后组成 AMD 的前沿研究机构。双方表示将共同建设覆盖硬件、软件、平台与开放模型的端到端 AI 生态。交易预计在 2026 年底前完成，需通过监管审批等常规交割条件。World Labs 的公告没有写金额，TechCrunch 报道这笔收购的金额为 82 亿美元。World Labs 此前在 9 月 1 日发布了世界模型 Atlas。

世界模型公司并入芯片厂商，空间智能方向的研发与底层算力绑得更紧；Atlas 与 Marble 等产品的后续走向值得关注。

查看原始来源 ↗

9 月 24 日，Adobe 推出 Adobe in Gemini：用户可在 Google Gemini 对话中调用 Photoshop、Lightroom、Adobe Express 和 Firefly 的工具修图、制作营销素材和修改设计，覆盖所有 Gemini 订阅档位，需登录 Adobe 账号；按 Google 的可用性说明，目前仅支持英文，限个人 Google 账号使用。同日 Adobe for Claude 插件首次并入 Acrobat 工具，可调用的工具增至 80 多个，并新增 PDF 交互式编辑器（调整页序、编辑文字、批注）、Document Review 技能和基于图层的 Express 设计编辑器。两项均从当日起在全球逐步推出。

同一套 Adobe 工具已能在 ChatGPT、Claude、Copilot、Slack 和 Gemini 中调用，各平台开放的工具范围和使用条件不同，使用前需分别确认。

查看原始来源 ↗

Recraft 于 9 月 23 日发布 V4.1 Flash。官方博客称它是目前最快的图像模型，从提示词到出图的中位生成时间为 1.3 秒（在更大的提示词集上测得），并给出了与其他图像模型在同一组提示词下的对比。同日 ComfyUI v0.37.2 接入该模型，作为 Recraft V4 文生图节点上更快、成本更低的选项。

出图速度接近实时，设计流程里的试错方式会跟着变：原型迭代、概念发散这类高频、低精度的环节受益最明显。

查看原始来源 ↗

Google 于 9 月 23 日宣布扩大 Google Vids 的开放范围：任何 Google 或 Google Workspace 账号都可以在桌面端访问 vids.new，选择「Create AI videos」，免费用 Gemini Omni 1.1 Flash 生成视频。新增的控制包括：延展场景并保持画面上下文、光线、人物外观与环境一致；指定生成片段的精确时长，便于对齐旁白；以 1080p 生成新片段，或把已有 AI 片段放大到 1080p；另提供现成模板。每段用 Omni 1.1 生成的片段都嵌入 SynthID 不可见水印。免费使用有额度，个人账号可通过 Google AI 订阅获得更多生成次数，Workspace 商业版与企业版有更大的生成额度池；官方称 Gemini 3.8 Flash-Lite 语音合成即将加入 Vids。

同一代视频模型进了免费的办公工具，没有预算的个人和小团队也能直接用来做宣传短片、活动视频。

查看原始来源 ↗

PixVerse 于 9 月 22 日发布实时世界模型 R2，是 1 月推出的 R1 的升级。R2 生成的世界在用户进入后持续运行，会话更长、更连贯：提示词、动作或音频输入不只改变当前画面，还会更新世界状态、影响之后的发展，前面的操作在同一会话中一直有效；可以用 WASD 键操控角色、方向键移动镜头，文字、参考图、音频与动作控制都能输入同一个运行中的世界。官方示例包括创作者基于 R2 做的互动电影游戏，同一处剧情会按玩家的选择生成不同走向。官方介绍其做法是持续训练同一个因果自回归主干模型，再把它压缩到可实时运行，技术报告另行发布。PixVerse 7 月推出的游戏引擎已改用 R2，一批示例世界在 world.pixverse.video 开放体验。

世界模型开始支持持续交互与状态延续，互动叙事、游戏原型可以直接在生成的世界里搭建和试玩。

查看原始来源 ↗

OpenAI 于 9 月 22 日在 API 发布 GPT-6 Sol（gpt-6-sol）与 GPT-6 Luna（gpt-6-luna）。两款均为推理模型，接受文本与图像输入、输出文本，可通过 Responses API 与 Chat Completions API 调用。标准定价（输入不超过 272K token，每百万 token）：Sol 输入 $2、缓存输入 $0.20、输出 $10；Luna 输入 $0.10、缓存输入 $0.01、输出 $0.50。按官方模型目录的分工，复杂推理与编程用旗舰 GPT-6 Astra，兼顾能力与成本用 Sol，成本敏感、调用量大的任务用 Luna。9 月 25 日 OpenAI 修复了一个影响这两款模型图像理解的编码问题；9 月 29 日又发布了 GPT-6.1 Sol。

Luna 的输入价格约为旗舰 Astra 的百分之一，给批量内容处理、分类抽取这类高频调用留出了成本空间。

查看原始来源 ↗

ComfyUI 于 9 月 21 日发布 v0.37.0，原生支持阿里 Qwen 团队 9 月 20 日发布的 Qwen-Image 2.1：同一模型完成文生图与编辑，可输出带透明通道的图像，官方提供文生图、图像编辑和背景移除三个模板；该模型采用 Qwen Research License，仅限非商业用途。同版本加入微软 MoGe 3 单图几何估计（ViT-L、ViT-g 两个检查点，可输出深度图与法线），并在检测到足够快的磁盘时自动启用快速加载。9 月 22 日的 v0.37.1 新增腾讯 HY Image 3.5 Preview 文生图与编辑合作节点：编辑节点可接 1–5 张参考图，原生最高 2K（选 4K 时由模型放大），在腾讯服务器上通过 API 运行。

透明图输出和背景移除进入节点工作流，抠图、叠加可以在同一条流程里完成；用 Qwen-Image 2.1 做商业项目前需要先确认许可。

查看原始来源 ↗

VISTA（Video-Injected Stylized Text-to-Animation）是 9 月 20 日提交 arXiv 的一篇 3 页论文，作者为 Monseej Purkayastha、Anindita Ghosh 与 Philipp Slusallek。方法分两阶段：双通道自编码器先把动作序列与视频片段映射到共享的潜空间；掩码自回归扩散主干在该空间中生成动作，通过专门的后融合 Dual-AdaLN 通路注入视频中的风格，同时保留文本决定的动作内容。训练采用跨批次的非配对方案加潜空间循环一致性，可以分别使用语义丰富和风格多样的数据集。论文在渲染的动作捕捉参考上验证，作者称在以视频为条件的方法中风格识别准确率最高，内容对齐保持竞争力；推理时的三路无分类器引导可以分别调节内容与风格的比重。

文字负责动作内容、参考视频负责风格，角色动画的风格化不必依赖难以收集的配对数据。

查看原始来源 ↗

Pika 于9月17日宣布将产品从单一视频生成工具重构为多模型创意工作室，集成 Seedance 2.5、Veo 3.1、GPT Image 2.5、MiniMax H3、Grok Imagine 等 7 个 AI 模型，并推出独立应用套件（Video Studio、Color Grade、Extend Video、Edit Image、Character Studio、Product Shot）；核心新特性包括：输入基本描述后自动生成可编辑逐镜头清单、重打光工具、角色与服装替换工具套件；平台自动路由至最优模型，同时支持手动指定。

Pika 的转型说明 AI 视频工具的竞争焦点已从单一模型质量转向多模型整合平台体验，逐镜头清单生成对短片创作和教学视频制作有实用价值。

查看原始来源 ↗

Midjourney Alpha 9/16 更新：新增韩文语言界面支持；V8.2 编辑器改进——图片附件提示词输入框进入提示词栏（图文混合提示更流畅）、Draft 批次显示来源网格与悬停预览、Enhance 按钮替代原 Upscale 按钮；移动端与平板端布局重新适配，触控体验优化。

该动态揭示了 AI 视觉生成与多模态工具领域的最新进展，对艺术设计研究与实践具有参考价值。

查看原始来源 ↗

Figma 于9月16至17日推出三项功能更新：Weave 节点允许将 Design 画框直接拖入 Weave AI 工作流作为节点输入，支持批量生成品牌一致的营销素材；Shaders 开放测试版可通过 AI 提示词生成火焰、扭曲、动效等视觉特效着色器，并提供代码查看器供进一步定制，无需编程背景；Weave 社区工具发布功能允许创作者将自建 AI 工作流工具发布至 Figma 社区，共享节点资产。

Weave 节点将静态设计直接接入 AI 规模化生产链路，Shaders 开测版则让无编程背景的设计学生也能实验 AI 生成动态视觉特效。

查看原始来源 ↗

arXiv 论文 2609.18065（9月16日）提出一套系统性的设计空间（Design Space）框架，梳理生成式图像模型视觉用户界面的核心维度，包括提示输入范式（文字/图像/草图/混合）、控制粒度（全局/局部/风格/结构）、迭代交互模式（单次/多轮/协作）以及输出展示策略（对比/时间轴/探索网格）；通过对 Midjourney、Adobe Firefly、DALL·E 等主流生图界面进行系统性分类编码，为界面设计研究和工具开发提供参照。

这是生成式图像界面领域少有的系统性综述，提供了批判性评估 AI 生图工具的理论框架，适合作为课程进阶理论环节的参考材料。

查看原始来源 ↗

Anthropic 于9月16日正式推出 Claude 统一界面，将 Claude.ai 聊天功能和 Cowork（项目/工作空间）合并至单一窗口，系统自动将用户请求路由至最合适的模式；同步推出 Claude Design 功能，支持跨项目保持品牌一致性，可与 Claude Code 协同工作，提供画布式编辑界面及更多工具连接。

Claude Design 的品牌一致性功能与设计工作流直接相关，统一界面进一步降低了非技术类高校用户的上手门槛。

查看原始来源 ↗