跳到正文
日期与来源

日期按北京时间的资讯列表日期计算,包含起止当天。

10月15日周四
  1. Black Forest Labs 官方博客82

    Black Forest Labs 发布 FLUX 3 Image Klein 开源权重模型

    Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 参数的开源权重模型,支持文生图、图像编辑和最多 10 张参考图的多参考生成,具备原生 4K 生成、像素级编辑和边界框控制能力。

    推荐理由:5.6B 参数的开源图像模型把 4K 生成与像素级编辑压到 8GB 显存可跑,可据此评估本地出图与改图方案。

  2. Black Forest Labs · FLUX 模型62

    Black Forest Labs 开源 FLUX 3 Image Klein Prompt Upsampler

    Black Forest Labs 发布 FLUX 3 Image Klein Prompt Upsampler,一个 9B 视觉语言模型,把简短图像需求扩写成 FLUX 3 Image Klein 更适用的详细提示词。

    推荐理由:官方开源了 9B 提示词扩写模型,可把简短需求扩成含光线、构图与主体细节的完整提示词,并支持参考图与边界框。

  3. 可灵官方博客15

    可灵 IMAGE 3.0 Omni 如何用 AI 虚拟试戴婚纱头纱

    可灵 IMAGE 3.0 Omni 支持多图参考生成,可将用户婚纱照与头纱参考图结合,在保留面部、发型与婚纱的前提下预览不同头纱长度、蕾丝与佩戴位置,并输出 2K 或 4K 图像。该功能仅呈现外观效果,无法反映面料重量、行走时的垂坠感与佩戴舒适度,适合在试纱前缩小选择范围。

10月14日周三
  1. OpenAI News60

    Higgsfield 用 GPT-6 Astra 将 AI 视频从 1 分钟延长到 10 分钟以上

    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。

10月13日周二
  1. Black Forest Labs · FLUX 模型78

    Black Forest Labs 发布 FLUX 3 Image Klein 开源权重模型

    Black Forest Labs 发布 FLUX 3 Image Klein,一个 5.6B 开源权重模型,同时支持文生图、单参考图编辑和多参考图组合生成,文本编码器为 Qwen3-VL-4B-Instruct。

    推荐理由:5.6B 开源权重模型把文生图、单图编辑与多图组合统一到同一模型,并给出量化版本与显存占用,便于自部署者评估落地成本。

  2. Black Forest Labs · FLUX 模型76

    Black Forest Labs 开源 FLUX 3 Image Klein Base,5.6B 权重支持文生图与多图编辑

    Black Forest Labs 在 Hugging Face 发布 FLUX 3 Image Klein Base,这是一个 5.6B 参数的开源权重模型,文生图、单参考图编辑和多参考图合成共用同一模型,文本编码器为 Qwen3-VL-4B-Instruct。

    推荐理由:5.6B 开源权重同时覆盖文生图、单图编辑与多图合成,并给出 BF16、FP8、NVFP4 三档显存占用,便于评估自托管成本。

10月11日周日
  1. Kapwing 创作指南62

    如何用 AI 制作 Vox 风格拼贴动画:分步指南

    Kapwing 发布分步指南,讲解如何用 AI 生成 Vox 风格拼贴动画纪录片,流程分为写脚本、拆分视觉节拍、生成拼贴图像、逐帧动画、生成配音和剪辑成片六步。

    推荐理由:完整拆解 Vox 拼贴风纪录片的六步 AI 工作流,含可复用的图像与动画 Prompt,适合想复刻该视觉风格的创作者参考。

10月9日周五
  1. ElevenLabs 产品与研究56

    ElevenLabs 在 ElevenCreative 推出 Brand Kit 品牌工具包

    ElevenLabs 在 ElevenCreative 中推出 Brand Kit,把品牌视觉规范从提示词中抽出来,作为工作区里的一个对象统一管理。用户可存入颜色、字体、logo、参考图和品牌使用规则,在 Image & Video、Flows 和 ElevenCreative agent 的提示词中输入 @ 即可调用,同一套 kit 跨各功能生效。

  2. Recraft 官方博客36

    用 Recraft V4.1 Vector 把配角变成矢量吉祥物

    Recraft 官方博客发布教程,介绍如何用 Recraft V4.1 Vector(Create → Model,每张图 4 credits)把角色配角转成矢量吉祥物,并生成表情包与贴纸包。流程包括简化形状、以 16:9 一次性生成六种姿势的贴纸表情表、导出 SVG 无损缩放,并在 16 至 32 像素下测试可读性。

  3. Recraft 官方博客48

    如何用 Recraft 为自己的角色制作四格漫画

    Recraft 官方博客发布教程,讲解如何在 Recraft Studio 中用原创角色制作四格漫画:先用 V4.1 Flash(每张 0.5 credits)生成 2:1 四格分镜草图,再用 Nano Banana 2.1(每张 7 credits)逐格渲染,并附上角色与环境参考图保持一致性。文字气泡建议用文本工具添加而非图像模型,最后可导出为社交轮播图、竖版长图或网络漫画页。

  4. Midjourney 官方更新50

    Midjourney 测试图像生成 Thinking Mode

    Midjourney 在 Alpha 网站(alpha.midjourney.com)测试图像生成的新 Thinking Mode,用户可在任务 lightbox 右下角点击 "Rerun (Thinking)" 运行。测试显示该模式有助于提升提示词准确度、文字排版和画面连贯性。Midjourney 表示未来可能将其作为通用的 thinking 模式,或在任务完成后"增加更多思考"。

10月7日周三
10月5日周一
10月4日周日
  1. InvokeAI 官方发布62

    InvokeAI 7.0.0 alpha 1 发布:全新工作台、画布引擎与视频面板

    InvokeAI 发布 7.0.0 alpha 1,称这是其规模最大的一次更新,约 320 个 PR、2600 次提交,需 Python 3.12,且新界面为默认。

    推荐理由:InvokeAI 7 把画布、工作流与视频生成整合进单一工作台,并新增 MiniMax H3、LTX-2.5 等模型支持,可据此判断是否迁移现有出图流程。

10月2日周五
  1. Envato 官方博客40

    FLUX 3 Image 上线 Envato AI 图像工具

    Black Forest Labs 的 FLUX 3 Image 已加入 Envato AI 模型阵容,支持多参考图生成与编辑、原生 2K/4K 高分辨率输出、图像内文字生成与修改、基于参考图的风格迁移以及局部精准编辑。用户可指定每张参考图的具体作用,并在保留画面其余部分不变的前提下增删或替换特定元素。

  2. Midjourney 官方更新22

    Midjourney Alpha 更新:样式预览、默认参数与协作工具预告

    Midjourney 为 alpha.midjourney.com 上线侧边栏样式预览、Create 更大图片和文件夹默认参数设置,本周以修 bug 和清理为主。提示栏中多个 sref 现合并为带缩略图的单个样式 pill,悬停可查看代码,并支持将 --exp 固定为文件夹默认值。官方称下周将推出新的协作工具,并预告持久化编辑历史与更好的样式探索方式。

10月1日周四
9月29日周二
9月23日周三
  1. Adobe · 官方创作与影视博客62

    Adobe 完成收购 Topaz Labs,将 AI 画质增强能力并入 Firefly 与 Photoshop

    Adobe 宣布完成对 AI 视频与图像增强公司 Topaz Labs 的收购,后者将保留独立品牌,其应用与模型继续作为独立产品提供。Topaz Labs 的技术已进入 Adobe Firefly 和 Photoshop,用于图像与视频的超分与增强,其 Neurostream 技术支持在本地设备或 Topaz 云端处理复杂 AI 模型。

    推荐理由:Adobe 将 Topaz Labs 的画质增强模型并入 Firefly 与 Photoshop,可观察影视后期工具链的整合走向。

9月20日周日
  1. 通义千问 · 图像与音频模型62

    Qwen 开源 Qwen-Image-2.1 及图像编辑提示词改写模型

    Qwen 开源 Qwen-Image-2.1,一个统一文生图与图像编辑模型,视觉生成部分为 7B 参数、32 层 Single-Stream DiT。该版本支持生成常规与透明 RGBA 图像、最多 10 张参考图、圈选或蒙版局部编辑,并保持人物与商品一致性。

    推荐理由:Qwen 开源统一文生图与图像编辑模型,并附带提示词改写模型,创作者可据此评估编辑流程的接入方式。

  2. 通义千问 · 图像与音频模型62

    通义千问开源 Qwen-Image-2.1 图像生成与编辑模型及提示词改写模型

    通义千问开源 Qwen-Image-2.1,一个统一的文生图与图像编辑模型,视觉生成部分为 7B 参数、32 层 Single-Stream DiT,兼顾生成质量、推理效率与通用性。

    推荐理由:通义千问开源图像生成与编辑模型,并配套提示词改写模型,创作者可据此评估出图与改图流程。

9月10日周四
9月8日周二
9月2日周三
  1. Google AI Blog62

    Google 发布图像创作编辑工具 Google Pics

    Google 在 Workspace 下推出图像创作与编辑工具 Google Pics,基于 Nano Banana 图像生成与编辑模型,将在未来几周向所有 Google AI Pro 和 Ultra 订阅者及多数 Workspace 商业客户开放。

    推荐理由:Google 把图像生成与编辑工具接入 Workspace 应用,可据此判断团队出图流程是否要迁移。

8月25日周二
  1. Hugging Face Blog62

    Gradio 推出 gr.Workflow:把 AI 管线做成可拖拽画布并自动生成 API

    Gradio 内置的 gr.Workflow 把 AI 管线描述为带类型节点的图,提供可拖拽画布,每个节点可运行、中间结果可见,同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。

    推荐理由:Gradio 把多步 AI 管线做成可视化图并自动暴露 REST 接口,可对照现有出片流程评估迁移成本。

7月23日周四
7月6日周一
  1. Hugging Face Blog22

    PRX Part 4:我们的数据策略

    PRX 系列第四篇披露其数据管线:预训练数据由公开与内部数据集混合组成,用 VLM 重新生成图像长描述,再转为可流式训练的语料。团队改用 Qwen3-VL 文本编码器并在训练中实时计算文本 latent,实测吞吐损失约 3–4%(30 天训练多花约 1 天)。图像统一以 JPEG quality 92 编码,经实测首次重编码几乎不可察觉。

7月1日周三
4月21日周二