中国工业和信息化部批准 Apple 在包括 iPhone Duo 在内的多款 iPhone 上接入阿里巴巴 AI 模型，覆盖 Apple Intelligence 以及通义千问（Qwen）和通义万相。这意味着中国 iPhone 用户有望获得与其它市场类似的图像生成和 AI 聊天能力。Apple 此前已在 7 月获得在中国提供 Apple Intelligence 的监管许可，但尚未正式上线，iPhone Duo 将于 10 月 16 日在包括中国在内的 70 个国家开启预售。
匹配字段摘要
Baseten 与 Runway 合作，让企业可在单租户环境中部署 Runway 的 Gen-4.5 和 Aleph 2.0 视频模型，包括微调版本。Gen-4.5 支持文本和图像生成视频，Aleph 2.0 可编辑已有素材，支持最长 30 秒、1080p 的多场景视频。部署运行在隔离工作负载平面并配备专用 GPU，Baseten 提供 99.99% 可用性 SLA。
匹配字段摘要
Google Search 推出 6 种万圣节玩法：Frightgeist 网站可查看全国及社区热门装扮趋势，Lens 能根据衣橱单品生成 DIY 服装方案，图像生成可预览独角兽等妆容效果。AI Mode 还能查找附近免费活动、结合 YouTube Music 生成派对歌单，并按“90 年代怀旧、女巫美学、少血腥”等偏好定制恐怖片片单。
匹配字段摘要
Google Research 博客 2026 年发布多项研究，涵盖 Earth AI 行星地理空间基础模型、Diffusion Controller 统一简化 AI 图像生成、长视频生成自动化、ToolGrad 工具使用数据集生成，以及联邦数据可证明隐私学习等方向。
匹配字段摘要
OpenAI 发布 ChatGPT Images 2.0 系统卡，介绍该模型在图像生成能力上的提升，并新增 thinking mode，可在生成过程中结合推理与工具调用、接入实时网络搜索数据。安全方面沿用 ChatGPT Images 1.5 的安全栈并增加防护，采用提示层与图像层分类器及安全推理模型做输入和输出拦截。评估显示 instant 模式对 685 张违规图像的综合召回率为 96.1%，thinking 模式综合安全输出达 6886/6944（99.2%）；生物化学领域因专家认定部分输出可能为新手提供帮助，按高能力模型施加缓解措施。
匹配字段摘要
Qwen 发布 Qwen-Image-2.1-Turbo，在 8 个去噪步骤内完成图像生成与编辑，并开放模型权重。该模型基于 Qwen-Image-2.1，沿用同一 7B 视觉生成架构，仍可从文本生成 2K 图像，并支持通过自然语言编辑继续创作，例如添加配饰或改变场景。用户可在 Diffusers 中加载 QwenImage21Pipeline 使用推荐的 8 步采样，Qwen-Image-2.1 Pro 与 Turbo 的 API 也已上线。
匹配字段摘要
Google 在 Gemini at Work 2026 活动上发布业务向 AI 智能体 Gemini Agent，可从 Google Workspace、Microsoft 365、Slack 等入口委派调查、资料制作、图像生成和代码编写执行等任务，作业在云端持续运行，关闭终端后仍可继续。它可选用 Gemini 模型群，也支持 Anthropic 的 Claude 模型群，Saboo 提到可选 Gemini 4 Argon 与 Claude Opus 5.5，但 Claude 等外部模型处于早期访问阶段。Gemini Agent 可连接 Salesforce、ServiceNow、Jira、Git、Confluence、BigQuery、Databricks、Postgres、Snowflake 及社内外 MCP 服务器，并具备会话、语义、程序、情景四类记忆，目前面向中小企业客户早期访问。
匹配字段摘要
AIhub 汇总了 2026 年 AAAI/SIGAI 博士论文联盟（Doctoral Consortium）的系列访谈，受访博士生来自 NTU、香港科技大学、IIT Hyderabad、俄勒冈州立大学、上海科技大学、新加坡管理大学、约翰霍普金斯大学、麦吉尔大学与 Mila 等机构。研究主题涵盖多模态学习与具身智能、强化学习驱动的零工交通劳动管理、可解释性与概念学习、因果决策系统、网络化多智能体系统、自动驾驶形式化验证、资源受限图像生成、心智理论、大语言模型理论基础、时间序列异常检测、负责任 AI 中的 multiplicity，以及提升 AI 系统透明度与可信度。
匹配字段摘要、正文
Google 的图像生成与编辑模型 Gemini Nano Banana 2.1 以 Partner Node 形式上线 ComfyUI，支持 1K 到 4K 输出、Minimal/Medium/High 三档思考级别和最多 14 张参考图。它支持基于指令的定向与多轮编辑、搜索接地、文字按指定内容渲染以及无缝平铺，并新增 9:21 宽高比，单次运行成本低于 Nano Banana 2。用户更新 ComfyUI 或打开 Comfy Cloud 后搜索该节点即可使用。
匹配字段摘要
Google 发布图像生成与编辑模型 Nano Banana 2.1，并已进入 Arena 的文生图、图像编辑和多图编辑三个竞技场。它在多图编辑以 1431 分排第 4，文生图 1328 分排第 5，图像编辑 1428 分排第 6；相比 Nano Banana 2，文生图提升 80 分，多图编辑提升 67 分，图像编辑提升 38 分。分类榜单中，它在多图编辑的商业设计与 3D 排第 3，在卡通/奇幻、写实和文字渲染排第 4。
匹配字段摘要
Google 发布图像生成与编辑模型 Nano Banana 2.1，并已进入 Arena 的文生图、图像编辑和多图编辑三个竞技场。它在多图编辑以 1431 分排第 4，文生图以 1328 分排第 5，图像编辑以 1428 分排第 6。相比 Nano Banana 2，文生图提升 80 分，多图编辑提升 67 分，图像编辑提升 38 分。
匹配字段摘要
Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月发布的 Nano Banana 2，官方称其在各方面均有提升。价格约为前代一半，1K 图像从 6.70 美分降至 3.36 美分，4K 从 15.10 美分降至 7.56 美分。该模型基于 Gemini 3.6 Flash，支持 1K、2K、4K 分辨率，最多可同时处理 14 张参考图并保持 4 个角色和 10 个物体一致，已陆续接入 Gemini 应用、Google 搜索 AI Mode、Google AI Studio、Flow、Stitch、Google Ads 和 Gemini 企业平台；旧模型 gemini-3.1-flash-image 将于 2026 年 10 月 29 日停用。
匹配字段摘要
Google 发布图像模型 Nano Banana 2.1，面向图像生成与编辑用户，带来更高质量图像、修复前代模型的多个问题，并采用更低的价格。该版本已在 API、AI Studio 和 Gemini app 中上线。
匹配字段摘要
OpenAI Codex 负责人 Tibo 启动「疯狂28天」计划，承诺每天交付一项 Codex/Work 改进或重置额度；首日成果是 GPT-6 Astra 和 GPT-6.1 Sol 默认推理速度提升约50%、达到50TPS，但网友实测4小时后仅约35TPS，评论区大量质疑。同期 OpenAI 宣布在 ChatGPT 图像生成中测试视觉广告，并将按欧盟 AI 法案要求对欧盟地区 ChatGPT 和 Codex 生成的文本添加隐形统计水印。SemiAnalysis 报告称 OpenAI 将200美元 Pro 计划的 API 等值价值砍半并推出500美元新档位，其 GPT-6 Astra 额度仅比旧200美元计划多21%。
匹配字段摘要、正文
Napster 联合创始人 Sean Parker 两年前参与 Stability AI 的 8000 万美元救助，如今与出任 CEO 的 Prem Akkaraju 一起把这家图像生成公司转向面向音乐专业人士的 AI 工具。8 月底公司宣布获得 7600 万美元融资，投资方包括 Sony、Warner 和 Universal，后者还授权曲库用于训练。Stability 随后发布三款新音频模型和 AI 音乐编辑软件，可根据文本提示生成整段器乐或短片段；Parker 称即将推出的更新将支持用户哼唱旋律或用口技打鼓点来引导生成。
匹配字段摘要
Earendil 于 2026 年 10 月 1 日发布 AI 智能体框架 Pi 1.0，终端 UI 默认改为全屏显示，并改进用 JavaScript 调用工具的 Codemode。官方称在启用默认工具与 Codemode 的 GPT-5.6 请求中，发送给模型的提示词 token 从约 5300 降至约 3300，减少约 40%，同时新增 models.generateImages() 图像生成能力。Earendil 还公开实验性开发基座 Pi Durable，将模型请求与工具执行作为任务管理并保存检查点，进程停止后可从最后检查点恢复，两者均以 MIT 许可证发布。
匹配字段摘要
阿里 Qwen-Image-2.1 于 9 月 20 日以开源权重发布，在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均排名第 18，为开源权重模型第一，超过 Ideogram 4.0 (Quality) 和 HunyuanImage 3.0 Instruct。该模型含 7B 参数视觉生成组件，单模型同时支持文生图与图像编辑，原生 2K 输出和原生透明（RGBA）图像生成与编辑，权重采用 Qwen Research License，商用需单独授权。权重已在 Hugging Face 和 ModelScope 发布，Diffusers、ComfyUI、vLLM-Omni、SGLang 和 LightX2V 提供 day-0 支持。
匹配字段摘要
ElevenLabs 将图像生成、视频生成和 Flows 中的模板能力开放为 API，图像与视频 API 可调用 Google、OpenAI、ByteDance 和 Creatify 的模型，定价与应用内一致。模板把图像、视频、语音、音乐和音效模型打包成无需配置的工作流，团队在 Flows 中搭建一次后，后续只需传入新的产品图和名称即可批量产出成品素材。这些模型也可通过 ElevenLabs MCP 在 Claude、ChatGPT 或 Cursor 中使用，一次 OAuth 安装即可，无需管理 API key。
匹配字段摘要
作者称用 opus5.5 一次性直出产品宣传片，全程未接入任何 AI 视频、AI 音乐或 AI 图像生成模型，并同时输出 16:9 和 9:16 两个版本。作者还表示已公开完整提示语。
匹配字段摘要、正文
Qwen 发布 Qwen Intelligence，首批上线三个 SOTA 智能体：Mobile Planner Agent 负责任务规划与编排，在 MobilePA-Bench、MobilePA-Bench Business 和 Memory 上排名第一；Mobile-Use Agent 以 API 优先、GUI 兜底执行任务，MobileWorld 82.1、MobileWorld-Real 92.2、AndroidDaily 97.2，端到端成功率 90%；Mobile Creative Agent 可将一句话变成可用创作，图像生成耗时 3 秒，约为领先同类产品的 2 倍速度。官方同时开放 MobilePA-Bench、MobileWorld、MobileWorld-Real 和 MobileWorld-Safety 评测套件，覆盖规划、跨应用执行、真机性能与安全。
匹配字段摘要