Fable 5.2 vs GPT-6.2 Astra 冰之圣殿对比
Fable 5.2 与 GPT-6.2 Astra 冰之圣殿同提示词对比:Fable 视觉质感领先,Astra 性价比高。Fable 成本 $81/近2小时,Astra 仅 $8.2/40分钟,成本约1/10、速度快近3倍。引用推文显示 Astra 一句话直出鹈鹕骑车不输 Fable 5.2。
Fable 5.2 与 GPT-6.2 Astra 冰之圣殿同提示词对比:Fable 视觉质感领先,Astra 性价比高。Fable 成本 $81/近2小时,Astra 仅 $8.2/40分钟,成本约1/10、速度快近3倍。引用推文显示 Astra 一句话直出鹈鹕骑车不输 Fable 5.2。
MiniMax 于 11 月 10 日开放 H3-Image 模型权重,官方称 10 秒可生成 1600 万像素高清图,价格约为同档位主流工具的 50%-70%。
推荐理由:三家新模型在文生图与图片编辑榜单上排名差距明显,实测显示 MiniMax 出图最快但复杂指令执行不稳,OpenAI 综合表现领先。
Runway 上线 GPT Image 2.6,图像生成速度提升 50%。新版本支持生成 GIF、导出 SVG 矢量图,并可在保持角色、产品和品牌细节一致的前提下进行精确编辑。
实测 ChatGPT Images 2.6:指定日语的咖啡店海报文字与价格均按提示生成,约 3 秒的猫 GIF 可下载,但背景编辑连带改变了文字与构图,GIF 为 4fps 且循环处有跳变。官方称生成速度提升 50%,API 提供 Flare 与 Sunburst;作者提醒这是少数试行的结果,未做旧模型同条件比较。
OpenAI 于 2026 年 11 月 4 日发布 GPT-Image-2.6,生成速度提升约 50%,Flare 最快 6 秒出图。新功能包括 GIF 生成、可复用参考角色、透明 PNG 标记编辑和 SVG 导出。API 定价与 2.5 持平,但 low/medium 档输出 token 用量可能上升,迁移前需实测。
推荐理由:GPT-Image-2.6 新增 GIF 生成与参考角色,API 定价与 2.5 持平,但输出 token 用量可能上升,迁移前需实测。
GPT-image-2.6 发布,新增直接生成 GIF 动图功能。作者用它制作了近期流行的大肥鱼表情包,并附上提示词供生成各种大肥鱼表情包。作者提到在 Codex 中无法调用 2.6,需在 GPT 中使用。
Curious Refuge 公布 2027 年最佳 AI 图像生成器榜单,Google 的 Nano Banana 2.1 以 9.02/10 总分登顶。GPT Image 2.5 以 9.00/10 紧随其后,提示遵循得分最高(9.86/10)。评测基于 29 个标准化边缘案例提示词,从提示遵循、视觉保真度、风格与写实三个维度评分。
Jack Dorsey 旗下 Block 的研究实验室发布语音模型 Dessa,该模型完全基于人类语音训练,可在单张 NVIDIA GPU 上本地运行,并能同时说话和聆听。Block 称 Dessa 为全双工语音到语音模型,情绪、停顿和笑声等表达内建于模型中,可在 MacBook M4 Max 或更高配置的消费级电脑上运行。目前 Dessa 尚未公开开放,Block 正邀请安全研究人员参与测试。
Krea 3 Ultra 在 10 月 19 至 20 日公布的三个图像编辑榜单上分别位列 Arena 多图编辑第 4、单图编辑第 8、Artificial Analysis AA-Image-Editing v2.1 第 5、Design Arena 第 4(共 51 个模型)。
推荐理由:Krea 官方逐条拆解三个榜单的票数、置信区间与排名区间,说明同一模型为何出现四个名次。
BytePlus 于 10 月 15 日上线 OmniHuman 2.0,一张图片加一条音轨即可生成带对口型的 720p 表演,支持文本提示控制手势与镜头运动,并允许多人同框。价格从每秒 0.12 美元降至 0.07 美元,即每分钟 4.20 美元、五分钟长镜头 21 美元。该产品通过字节跳动的企业平台 BytePlus 销售,预算需考虑可用一分钟素材需要拍多少条。
OpenAI API 模型列表短暂出现 aurora-red-alpha、aurora-green-alpha、aurora-blue-alpha 三个条目,Arena 上同名图像模型已用红、绿两版生成猫咪图片。测评博主 Lumina 推测这可能是 GPT-Image-3,称红版生成更快但画质稍逊、绿版较慢效果更好,蓝版尚未测试。OpenAI 未公布模型身份及发布安排。
Krea 发布前沿图像编辑模型 Krea 3,支持原生 2K 端到端编辑、8 秒内完成,1K 定价 0.03 美元、2K 为 0.06 美元,已在 krea.ai 上线。
字节跳动未发布的世界模型在抖音晚会上演示了用一条手绘相机路径生成《喜剧之王》场景的十多个新机位,并获周星驰授权。同期 OmniHuman 2.0 通过 BytePlus 以 API 形式上线,仅限非美国地区,单段最长 5 分钟、720p、价格约低 40%。
Higgsfield 将 AI 视频生成时长从 1 分钟提升到 10 分钟以上,依托 GPT-6 Astra 实现。同时,它用 GPT-Image-2.5 提升画面精度,并借助 GPT-Live 提供通往语音电影制作的路径。
推荐理由:Higgsfield 借助 GPT-6 Astra 把 AI 视频时长从 1 分钟拉到 10 分钟以上,可据此判断长片创作的可用性。
OpenAI 在 API、Codex 和 ChatGPT Work 推出 GPT-6.1 Sol 的 Ultrafast 加速服务档,官方称速度最高可达 Standard 的 8 倍,API 价格为标准档的 6 倍。
Opus 5.5 用纯代码为对手 Dots 生成了一支皮克斯风短片,角色毛毡绒感、大眼高光、浅景深,全程浏览器逐帧实时渲染,未开建模软件、未用任何素材。六只毛绒 Dot 围着一团白线编成白色花结,片尾点题"六种颜色加在一起,是白色的光",光、毛、反射、景深效果接近棚拍实拍。
Higgsfield AI 借助 GPT-6 Astra,一天内上线新视频功能,让小型企业更轻松地制作视频广告,并更快将新创意工具推向市场。
OpenAI 在 API 中推出 GPT-Live-1,支持自然的全双工语音对话。该模型在指令遵循上有所增强,并支持自定义音色与电话通信能力。
推荐理由:OpenAI 把全双工语音对话能力开放到 API,开发者可据此评估语音交互产品的接入方式。
Luma 宣布 GPT-Image-2.5 已在 Luma Agents 上线,同时接入 OpenAI 两款新图像模型,均于当日可用。其中 Flare 面向速度与批量,Sunburst 面向需要精确落地的编辑;用户可带入参考图、只改需要改的部分并保留其余内容,再转入视频。
OpenAI 推出 ChatGPT Images 2.5,可将想法、草图与参考照片转化为更个性化、更精致的图像,更贴近用户原本的构思。
OpenAI 在 API 中推出新的实时语音模型,可进行推理、翻译和语音转写,以支持更自然、更智能的语音体验。
OpenAI 推出 ChatGPT Images 2.0,改进了文字渲染、多语言支持与视觉推理能力。该版本于 2026 年发布,Images 2.5 的新功能可另行查看。
OpenAI 针对 Sora 2 视频模型与 Sora 社交创作平台带来的新型安全挑战,将安全作为底层设计基础,并以具体防护措施为支撑。
OpenAI 推出 ChatGPT Images 与 GPT-Image-1.5,前者提供更快的图像生成体验,后者通过 API 开放使用。
Google DeepMind 发布 Nano Banana Pro(Gemini 3 Pro Image),这是基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型,已在 Google AI Studio 和 Vertex AI 以付费预览形式向开发者开放。
推荐理由:Gemini 3 Pro Image 面向开发者开放付费预览,支持 2K/4K 输出与多图合成,可用于评估现有出图流程。
OpenAI 发布新一代视频与音频生成模型 Sora 2,并公开其系统卡。相比 Sora,新模型在物理准确性、真实感、同步音频、可控性和风格范围上有所提升,官方称这些能力此前的视频模型较难实现。
推荐理由:OpenAI 公布 Sora 2 的系统卡,列出物理准确性、同步音频等能力变化,可对照前代评估升级幅度。
OpenAI 发布视频生成模型 Sora 2,可生成与画面同步的对话和音效。该模型所属的 Sora 产品目前已不再可用。
OpenAI 发布 Sora 2 与 Sora 应用,称其为最先进的视频模型与新的社交创作平台,并针对由此带来的新型安全挑战,将安全作为构建基础,采取具体防护措施。
推荐理由:OpenAI 在发布 Sora 2 与 Sora 应用时同步说明其安全设计思路,可了解官方对视频模型安全挑战的应对框架。
OpenAI 宣布最新图像生成模型以 gpt-image-1 的形式在 API 中开放,开发者和企业可将专业级、可定制的视觉内容直接集成进自有工具和平台。
推荐理由:OpenAI 把最新图像生成模型以 gpt-image-1 接入 API,开发者可据此评估自有工具的图像生成集成。
OpenAI 发布 GPT-4o 的原生图像生成能力,官方称其在文字渲染和指令跟随方面更强,并指向 ChatGPT Images 2.5。
推荐理由:OpenAI 在 GPT-4o 中原生加入图像生成,文字渲染与指令跟随是这次更新的两个关键变化。
OpenAI 发布 GPT-4o 系统卡增补,介绍 4o 图像生成。该能力比此前的 DALL·E 3 系列模型更强,可生成写实画面,也能接收图像输入并进行变换。
推荐理由:OpenAI 在系统卡增补中说明 4o 图像生成相较 DALL·E 3 的能力变化,可据此了解其图像输入与写实输出定位。
OpenAI 在 API 中推出新一代音频模型,开发者首次可以指示文本转语音模型以特定方式说话,例如“像一位有同理心的客服人员那样说话”,为语音智能体带来新的定制能力。
OpenAI 的视频生成模型 Sora 现已可在 sora.com 使用。用户可生成最高 1080p 分辨率、最长 20 秒的视频,支持宽屏、竖屏和方形画幅。用户可导入自有素材进行延展、重混与融合,也可完全由文本生成新内容。
推荐理由:Sora 正式开放使用,创作者可据此了解其分辨率、时长与画幅等基础生成规格。
电影制作人 Lyndon Barrois 讲述如何将 Sora 用作叙事工具。
OpenAI 公布视频生成模型 Sora 的系统卡。Sora 可接收文本、图像和视频输入并生成新视频,其设计借鉴了 DALL-E 与 GPT 模型的经验,旨在为叙事和创意表达提供更丰富的工具。
OpenAI 发布新旗舰模型 GPT-4o,可跨音频、视觉和文本进行实时推理。
OpenAI 分享了自定义语音模型 Voice Engine 小规模预览的经验教训。该模型可根据文本创建定制声音,目前仅处于小范围测试阶段。
OpenAI 上月发布 Sora 后,与艺术家合作探索其在创作流程中的应用。
OpenAI 探索在视频数据上大规模训练生成模型,将文本条件扩散模型联合训练于不同时长、分辨率和宽高比的视频与图像,并采用在视频和图像 latent code 的时空 patch 上运行的 transformer 架构。其最大模型 Sora 能生成一分钟高保真视频,结果表明扩展视频生成模型是构建通用物理世界模拟器的一条有前景的路径。
推荐理由:OpenAI 首次公开 Sora 的技术路线,说明视频生成模型可扩展为物理世界模拟器。
OpenAI 宣布 DALL·E 3 现已在 ChatGPT Plus 和 Enterprise 中可用。为准备更大范围发布,OpenAI 开发了一套安全缓解措施,并同步分享了其在内容溯源研究方面的进展。
推荐理由:DALL·E 3 面向 ChatGPT Plus 与 Enterprise 开放,官方同时说明为扩大发布所做的安全缓解措施。