Ethan Mollick 称,他让 Opus 5.5 用他测试所有 AI 图像生成模型时使用的提示词“一只在飞机上用 wifi 的水獭”生成了一段视频。相关叙述出现在他回顾过去 30 个月 AI 指数级发展的文章中。同一时期,Mollick 在新书 Co-Existence 发布当天用图表回顾了距上一本书 Co-Intelligence 发布 30 个月来的 AI 进展,并称该文图表由 Claude Projects 中的 Opus 5.5 调度多个智能体完成。目前有证据显示,这一生成视频的动作发生在上述回顾语境中,尚无后续发展。
匹配字段摘要
Conway Research推出首款个人AI助手Underdog,该助手完全运行在用户设备上,可离线使用,目前已有Mac和Windows测试版。据智东西2026年10月19日报道,成立8个月的Conway Research同时获得a16z、Anthropic投资联合体等投资。其模型包括基于Qwen3.8 27B打造的Saluki 27B和Woof 4B,其中Saluki 27B已开源,权重体积为全精度版本的1/7、保留96%性能;配套推理引擎Husky在MacBook上让Woof 4B每秒最多处理730个token,比MLX快4.5倍。产品还上线基于Qwen-Image Flash、Qwen-Image-2.1-Turbo的本地图像生成与编辑,以及与Stripe合作的设备端智能体支付。目前尚无后续发展事实。
匹配字段摘要
n8n博客于2026年10月19日发布教程,介绍如何在一台NVIDIA DGX Spark上本地部署完整模型栈,让n8n工作流在不调用云API的情况下完成转录、OCR、文档问答和图像生成。教程称整套栈通过LiteLLM暴露一个OpenAI兼容端点,主模型为Qwen3.6-35B-A3B的NVFP4版本,单用户生成速度120 tokens/s,八用户合计359 tokens/s。作者实测发现图像生成会让对话速度降到约三分之一,建议小团队把图像任务排队或放到非工作时间。目前该内容仅有n8n博客这一来源。
匹配字段摘要
2026年10月14日,Baseten 宣布与 Runway 合作,企业可通过 Baseten Dedicated Inference 在单租户隔离环境中部署 Runway 的 Gen-4.5 和 Aleph 2.0 视频模型,并支持微调版本。据 Baseten 工程博客介绍,Gen-4.5 负责文本和图像生成视频,Aleph 2.0 用于修改已有素材,支持最长 30 秒、1080p 的多场景视频。用户需直接从 Runway 授权模型权重,Baseten 提供专用 GPU 与自动扩缩容,并给出 99.99% 可用性 SLA。目前该合作尚无进一步有证据的发展。
匹配字段摘要
2026年10月14日,FireRedTeam 发布 DynamicPose 项目与预训练模型。据其介绍,DynamicPose 是一个由人体姿态序列驱动人像动画的框架,支持大幅动作与非写实场景,可从单张照片生成舞蹈视频;项目同时开源姿态服务器与姿态对齐算法,代码采用 MIT 许可。作者列出局限,包括侧脸易生成扭曲面部、复杂背景下难以区分人体与背景、手部持物时难以判断是否保留。后续将陆续放出数据清洗与预处理流程、训练脚本(DeepSpeed Zero2)以及 ComfyUI 和 Hugging Face Gradio 演示。同一时间点,FireRedTeam 还发布了 PhotoPoster 项目与预训练模型,该项目面向姿态驱动的图像生成,在 i2i 翻译中加入精修阶段,并已放出预训练模型和基于 FastAPI 的姿态服务器,同样采用 MIT 许可。
匹配字段摘要
2026年10月10日,Goodfire Research 推出 Paint With Ember 图像生成编辑工具,并开源驱动该应用的 SAE 模型。据其发布信息,该工具用画布直接操纵 SDXL-Turbo 的神经激活来生成和编辑图像,基于 SDXL-Turbo 的 down.2.1 层训练 BatchTopK SAE,再用 NMF 把数百个特征聚合成可绘画的 factor(应用内称 concept),支持涂抹、拖动、擦除等空间编辑。文本提示词目前仅用于风格引导,不提供提示词也能生成图像。目前尚无后续发展事实。
匹配字段摘要
2026年10月7日,Google 发布图像生成与编辑模型 Nano Banana 2.1,并进入 Arena 的文生图、图像编辑和多图编辑三个竞技场。据 Arena 报道,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。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。10月9日,Artificial Analysis 的 Image Arena 评测显示,Nano Banana 2.1 在全部 7 项图像编辑动作上成为 Google 最佳模型,其中 Scene & Style 编辑从第 24 名升至紧随领先模型,Identity Preserving 编辑从第 12 名升至第 3 名;在 Reasoning-Based Edit 和 Identity Preserving Edit 两项上,只有两个 GPT Image 2.5 模型排在它前面;Enhancement & Restor
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。据The Decoder报道,官方称新模型在各方面均有提升,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。10月7日,Krea宣布上线Nano Banana 2.1,称其提示词理解更好、编辑更锐利、主体一致性更强,最高支持4K生成。10月9日,Artificial Analysis评测显示,该模型在质量与价格前沿上比Nano Banana 2高出三个名次,价格只有后者一半。
匹配字段摘要
Midjourney 就提示词重跑机制作出解释。2026年10月9日发布的官方信息显示,Midjourney 正在 alpha.midjourney.com 上测试图像生成的 Thinking Mode,用户可在任务 lightbox 中点击“Rerun (Thinking)”启用。测试显示该模式有助于提升提示词准确度、文字排版和连贯性。Midjourney 表示,未来可能将其作为通用的 thinking 模式,或在任务完成后“追加思考”。同一时点的另一条官方更新称,Thinking Mode 已上线,可对 8.2 标准与编辑任务重新生成,自动修正对象、布局、解剖和文字偏差;该更新同时提到共享文件夹功能,可按用户名邀请 Collaborators 或 Viewers,也可通过链接分享。目前该机制仍处于 Alpha 测试阶段。
匹配字段摘要
OpenAI正在测试ChatGPT的视觉广告格式。2026年10月5日报道显示,广告将出现在用户要求ChatGPT生成的图像旁边,或展示在图像生成加载界面,广告带有标识并与生成图像分开,不会影响ChatGPT给出的回答。该测试本月晚些时候先在美国面向一组初始测试广告主上线。OpenAI同时扩展广告衡量工具,广告主可通过Hightouch、Tealium、LiveRamp回传转化数据,并接入AppsFlyer、Adjust、Branch等归因服务商,还与DoubleVerify、Integral Ad Science合作开展品牌适配评估试点。早先报道称ChatGPT广告自2月起已在40多个国家运行,广告年化收入达10亿美元,公司目标2030年达到1000亿美元。
匹配字段摘要
2026年10月2日,PixVerse分享了一则GPT Image 2.5纸张剪影(剪纸)效果提示词,称其为目前最喜欢的提示词,并提到用GPT Image 2.5 UNLIMITED实现该效果。同日稍后,PixVerse还发布信息称会员可无限使用GPT Image 2.5,即限时开放GPT-Image 2.5无限图像生成。目前可确认的发展为上述两项:分享剪纸效果提示词,以及面向会员开放无限图像生成。
匹配字段摘要
2026年9月29日,Google Research 提出图像生成控制框架 Diffusion Controller。据其介绍,这是一个轻量级“转向阻尼器”网络,可附着在闭源模型上精确引导图像生成,提升提示词对齐度且不破坏基线稳定性。在 Stable Diffusion v1.4 上以 HPS-v2 评测,其完全解锁版本对基线模型取得 90% 胜率,并支持 SFT、RWL、PPO 三种微调方式。目前该框架尚无后续发展事实披露。
匹配字段摘要
2026年9月23日,Unsloth宣布Qwen-Image-2.1的FP8和GGUF量化现在应能在Unsloth Desktop中正常运行,图像生成和编辑均支持。该消息由Unsloth官方发布,属于同一事实的官方证据与代表性证据。目前没有后续发展事实,事件状态停留在这一支持声明。
匹配字段摘要
2026年9月20日,Qwen团队开源Qwen-Image-2.1图像模型,将文生图与图像编辑统一到单一模型,支持多种图像编辑任务。官方介绍,该模型视觉生成组件为7B参数、32层Single-Stream DiT,原生支持透明图像生成与编辑,支持最多10张参考图以及圈选、掩码等局部编辑方式,并通过混合粒度注意力与KV cache复用降低多图编辑时的推理开销和显存占用;模型权重已在GitHub、Hugging Face和ModelScope发布。同日,Qwen宣布Qwen-Image-2.1在ComfyUI中原生支持,用户更新ComfyUI或使用Comfy Cloud、从Hugging Face下载权重并加载模板即可使用。
匹配字段摘要
2026年9月1日,Google发布AI图像创建与编辑工具Google Pics,该工具基于Nano Banana图像生成与编辑模型,支持用文本提示生成和精修图像。据Google AI Blog介绍,其功能包括对象分割、图内文字编辑与翻译、多人协作编辑同一张图,以及一次提示生成多个版本。Google Pics既是独立产品,也已集成进Workspace,Docs和Slides即日起可用,Drive将在未来几周内上线,入口为pics.new。目前该故事尚无后续发展事实,状态停留在发布当日。
匹配字段摘要
Goodfire Research 推出 Paint With Ember图像生成编辑工具及SAE模型
English translation is being prepared.
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。据The Decoder报道,官方称新模型在各方面均有提升,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。10月7日,Krea宣布上线Nano Banana 2.1,称其提示词理解更好、编辑更锐利、主体一致性更强,最高支持4K生成。10月9日,Artificial Analysis评测显示,该模型在质量与价格前沿上比Nano Banana 2高出三个名次,价格只有后者一半。
English translation is being prepared.
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。据The Decoder报道,官方称新模型在各方面均有提升,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。10月7日,Krea宣布上线Nano Banana 2.1,称其提示词理解更好、编辑更锐利、主体一致性更强,最高支持4K生成。10月9日,Artificial Analysis评测显示,该模型在质量与价格前沿上比Nano Banana 2高出三个名次,价格只有后者一半。
English translation is being prepared.
匹配字段摘要
Google Research 提出 图像生成控制框架Diffusion Controller
English translation is being prepared.
匹配字段摘要
Google 推出 AI图像生成与编辑工具Google Pics
English translation is being prepared.
匹配字段摘要