精选

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 ↗

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 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 ↗

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 ↗

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 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 ↗

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 ↗

博纳影业出品的科幻电影《三星堆·未来幻境》于 10 月 23 日在中国院线上映，片长约 100 分钟，由 Vidu 提供 AI 视觉技术支持。按 Vidu 方面发布的新闻稿，该片是首部获得院线发行许可并在全国上映、演员全部由 AI 生成的超写实电影，未使用真人演员或现有演员的数字替身。据法新社来源的报道，影片首日在猫眼平台排片超过 1 万场，但票房明显遇冷；博纳影业称影片耗资超过 1000 万元、近百人历时两年完成，公司负责人承认反响平淡，并将其定位为技术上的探索。

全 AI 生成长片首次走完正式院线发行，排片规模与票房表现之间的落差提供了 AI 影像内容商业接受度的真实样本。

查看原始来源 ↗

Ideogram 于 10 月 22 日发布其首个矢量模型 Ideogram Vector，API 模型 ID 为 ideogram-vector-1（媒体多称 Vector 1.0）。模型有两条路径：文生矢量用文字描述生成 SVG，可附参考图；图转矢量把 JPEG、PNG、WEBP 图像直接转成 SVG，分简单和细节两种模式。官方称输出带平滑渐变和清晰文字排版，可在矢量编辑器中单独选中、修改形状和整体换色。模型已在 Ideogram 应用和 API 上线。API 按每个 SVG 计价：文生矢量低、中、高三档为 0.13、0.16、0.20 美元，高档带参考图为 0.32 美元；图转矢量 0.10 美元/张。API 文档注明图转矢量的图层分组功能尚不可用，也没有对已生成 SVG 做局部修改的端点；目前没有独立测评。

主流 AI 生图工具输出的多是位图，Ideogram Vector 直接给出可在矢量编辑器中单独修改形状和换色的 SVG，适合标志、图标、贴纸和印刷周边。

查看原始来源 ↗

Canva 于 10 月 22 日发布图像生成模型 Craft，官方称这是内部实验室 Canva Research 从零构建和训练的首个基础模型。Craft 分两阶段：规划模型先写出构图方案，包括元素、空间关系、比例、视觉层级和画面中的文字，渲染模型再按方案出图，最高 2K 分辨率、30 多种长宽比，画面文字支持 55 种语言。训练数据侧重 Canva 内容库中数百万份人工制作的模板，如海报、社交媒体图、演示文稿和信息图；生成结果可用 Magic Layers 转成可编辑图层。Craft 即日起向全球所有 Canva 用户开放，入口在 Dream Lab，同时开放公共 API；Canva MCP 接入以及低成本版本 Craft-fast、Craft-ultrafast 尚未上线。Canva 称 Craft 发布时在 DesignArena 图像榜排第四，榜单显示前三均为 OpenAI 模型；据 TechCrunch 报道，Canva 此前使用过多种外部图像模型，被收购的 Leonardo.ai 的研究人员也参与了开发。

设计平台用自有的设计模板训练图像底座，并把构图和文字排版单独作为生成的第一步，生成结果可以接着用 Magic Layers 拆成图层继续编辑。

查看原始来源 ↗

快手旗下可灵 AI 于 10 月 15 日晚宣布，新一代视频生成模型 Kling 4.0 在可灵官网全量上线，快手次日发布英文新闻稿。Kling 4.0 单次生成 3 至 30 秒，最多可输入 10 张关键帧；全能参考一次最多组合 15 个素材，其中图片最多 10 张、参考视频最多 5 段且总长不超过 30 秒、主体最多 7 个，也可以加入声音参考。模型支持双声道立体声和 21:9 画幅，提示词上限 8000 token，视频可多次续写到最长 2 分钟，还能对已有视频中的主体和背景做增删改。官方功能页把 4K 与 1080p 的 10-bit HDR 输出标注为即将推出；Kling 4.0 已接入可灵 MCP 和 CLI，面向企业和开发者的 API 将于近期开放。9 月 28 日内测时，轻量版 Kling 4.0 Flash 先向黑金年卡会员开放。

30 秒单镜头、多关键帧和多素材组合参考已可在网页端使用，适合需要镜头连贯、角色一致的广告和短片制作；4K HDR 输出和 API 还要等。

查看原始来源 ↗

Krea 于 2026 年 10 月 15 日发布图像编辑模型 Krea 3，当天在 krea.ai 上线，并通过 fal、Hedra、Together AI、Nous Research、OpenRouter 和 Replicate 提供。模型原生输出 2K，官方称多数编辑端到端在 8 秒内完成；按 Krea 平台 9 月 24 日至 10 月 1 日的统计，Nano Banana Pro 和 GPT Image 2 的编辑中位耗时分别为 33 秒和 90 秒。定价为每张 2K 图 0.06 美元、每张 1K 图 0.03 美元，每次编辑最多 6 张参考图，Krea 称编辑时能保持产品标签、logo 和人物外貌不变。API 发布当天仅对 beta 工作区开放，10 月 19 日对所有工作区开放，10 月 20 日 Krea 3 结束 beta；只改指定区域的边界框编辑于 10 月 23 日加入 API。按更新日志，LoRA 和风格参考暂不支持 Krea 3。Krea 汇总的第三方榜单显示，Krea 3 Ultra 在 Artificial Analysis 图像编辑榜排第 5、在 Arena 多图编辑榜暂列第 4（投票数较少，标为初步结果）。

Krea 3 主打快速、低价的局部编辑，适合产品图换场景、多版本改稿这类需要反复出图又要保住主体不变的工作。

查看原始来源 ↗

Black Forest Labs（BFL）于 10 月 15 日发布 FLUX 3 Image Klein，是 10 月 2 日推出的 FLUX 3 Image 的开放权重版本。生成器为 5.6B 参数（不含文本编码器），支持文生图、图像编辑和最多 10 张参考图，BFL 称它与完整版共享原生 4K 生成、精确编辑和用边界框排布元素等核心能力。权重分基础模型（用于微调）和步数蒸馏模型（用于快速生成）两个检查点，另有 FP8、INT8、NVFP4 量化版，INT8 版可在 8GB 显存起的 GeForce RTX 显卡上运行；ComfyUI 和 Diffusers 首日支持。许可为 FLUX Kommunity License，年营收低于 500 万美元的个人和企业可免费商用，更大的机构需购买自托管许可或使用 API；API 起价为每张 1K 分辨率图 0.009 美元。BFL 称在内部评测中 Klein 领先参评的更大开放模型，目前没有独立测评。

FLUX 3 Image 的生成、编辑和多参考图能力有了可在 8GB 显存显卡上本地运行的版本，并能直接在 ComfyUI 中使用。

查看原始来源 ↗

Adobe 与 NVIDIA 于 2026 年 10 月 15 日宣布在今年 3 月战略合作的基础上扩展合作。Photoshop、Premiere 和 Substance 3D 针对 NVIDIA 的 PC 芯片 RTX Spark 做了优化，两家公司称 AI 处理、剪辑、调色与特效最高可提速 2 倍，未说明对比基准和测试任务。具体改动包括：Photoshop 改为 GPU 加速合成，涉及移除工具和高斯模糊、Light Leaks 等效果；Premiere 的播放、渲染、调色以及 Enhance Speech、Object Mask 等 AI 功能；Substance 3D Painter 的高负载纹理步骤。按 NVIDIA 10 月 13 日的博客，首批 RTX Spark 笔记本 10 月 16 日上市，Photoshop 与 Premiere 的 AI 功能优化需加入 beta 获取，Substance 3D 的更新稍后推出。云端的 Frame.io 用 NVIDIA 硬件解码和 TensorRT 加速素材导入与检索，Adobe 称在部分任务的早期测试中嵌入生成快约 5 倍。营销产品 Brand Concierge 接入 NVIDIA Nemotron 开源模型的版本将于今年晚些时候面向企业客户提供。Adobe MAX 定于 11 月 10 日至 12 日举行。

在 RTX Spark 笔记本上用 Photoshop、Premiere 做本地 AI 处理，现阶段要走 beta 版，提速幅度目前只有厂商数据。

查看原始来源 ↗

Google 于 10 月 13 日宣布 Gemini 4 Argon 在全球开放，官方博客由 Google DeepMind 高级副总裁 Koray Kavukcuoglu 署名。开发者和企业可通过 AI Studio 与 Gemini 平台的 API 使用，Google AI Ultra 订阅用户可在 Google Antigravity 中使用，Google AI Ultra 和 Pro 订阅用户可在 Gemini 应用和搜索的 AI 模式中使用；面向网络安全防御方的 Fairwind 计划同日扩大到数百家合作伙伴。Google 称 Argon 擅长编程、金融、法律、网络安全和科学领域的复杂多步骤任务，在 Vals Index 上排名第一，相比此前的 Gemini 模型在空间推理、数学精度和视觉编程上有明显提升，官方演示包括在 Antigravity 中通过 Blender MCP 自主搭建 3D 建筑场景、把真实桌面照片做成可玩的浏览器小游戏。API 介绍期价格为每百万 token 输入 2 美元、输出 10 美元（缓存输入便宜 95%），2026 年 11 月 30 日介绍期结束后为输入 4 美元、输出 20 美元。该模型 9 月 30 日发布时仅通过 Fairwind 计划向网络安全防御方定向开放。

新一代旗舰在安全评估后从小范围预览走向全面开放，其视觉编程与 3D 场景生成能力也开始进入通用模型的能力清单。

查看原始来源 ↗

Anthropic 于 10 月 8 日推出两项测试版功能。Claude Motion 面向 Team 与 Enterprise 套餐：用户描述需求后，Claude 写代码把用户自己的文字、图表、形状和图像做成像短视频一样播放的动效，官方举的例子包括把季度报告做成 30 秒说明片、给董事会幻灯片里的图表加动效、做产品上手演示；结果可以在编辑器里调整或让 Claude 修改，再导出 MP4。它不使用视频生成模型，画面里没有生成的影像或 AI 人物；需要继续加工时，可以在 Adobe、Descript、HeyGen、Higgsfield、invideo、Luma AI、Runway 中打开，Canva 与 Captions 即将支持。Claude Dashboards 面向付费套餐，连接 BigQuery、Databricks、Snowflake 等数据平台或 Salesforce 等 CRM，生成保持更新的数据看板。同日，Claude Docs、Slides、Design 退出测试版，向包括免费版在内的所有套餐开放；独立的 Claude Design 网站（claude.ai/design）将并入 Claude，保留到 12 月 14 日，团队可在 Claude 的 Artifacts 页面一键迁移设计系统。

动效由代码生成、每个字和数字都能改，适合汇报、课件这类要求内容准确的场景；在用 Claude Design 的团队需要在 12 月 14 日前迁移设计系统。

查看原始来源 ↗