2026年8月7日,xAI发布Imagine Image 2.0图像生成与编辑模型,作为新的Quality Mode在grok.com/imagine及iOS、Android应用全面开放,API中模型名为grok-imagine-image-2.0。据xAI介绍,该版本强调可用的真实工作图像,能严格遵循指令并规划排版与布局,在多次生成和编辑中保持输入内容一致。功能上新增魔法棒局部编辑、分割选区、背景移除和最多5张输入图的多参考编辑,并提供智能缩放与覆盖修图、产品图、头像、图标、游戏素材等场景模板。xAI称其在文生图与图像编辑两项Arena榜单中均排名全球第二。目前尚无后续发展事实。
匹配字段摘要
2026年1月28日,xAI发布Grok Imagine API,将视频生成与视频编辑能力打包为面向端到端创作流程的API组合。据官方介绍,Grok Imagine是xAI目前最强的视频音频生成模型。该API支持从文本或图像生成视频,并支持增删替换物体、场景与物体控制、风格重绘等编辑操作,同时支持竖屏、横屏等比例与灵活片段长度。官方称其在延迟、并发和成本上做了优化,并已在合作方平台与自家API上线,同时提供SDK、教程和可视化控制台。目前尚无进一步有证据支持的发展。
匹配字段摘要
2025年2月7日,Mistral AI发布新版AI助手le Chat,并将其推向iOS和Android平台。新版加入预览阶段的Flash Answers、代码解释器、文档与图像理解、图像生成等功能,同时推出Pro和Team服务,Pro版起价为每月14.99美元。Enterprise版本目前处于私有预览阶段,支持SaaS、本地及VPC部署;数据连接器和多步骤AI智能体功能计划随后推出。
匹配字段摘要
2022年4月7日,OpenAI研究发布图像生成与编辑模型DALL·E 2。该工具能够根据自然语言指令创建和编辑图像。Sam Altman表示,它有望增强艺术家和插画师的创造力,也可能影响创意劳动市场。团队计划先与更多研究人员和艺术家合作,以降低相关风险,并希望在2022年夏季推出面向用户的产品。
匹配字段摘要
xAI 发布 Imagine Image 2.0图像生成与编辑模型
English translation is being prepared.
匹配字段摘要
据Bloomberg报道,Amazon在自研大语言模型未能取得预期成果后,缩减了多数Nova模型的投入,并将文本、视频和图像生成模型置于仅维持最低资源的状态。公司把算力和人力转向由Pieter Abbeel领导的单一前沿模型项目;此前一周,Amazon还关闭了旧金山一处80人的AGI研究办公室。目前尚无后续进展披露。
匹配字段摘要
Simon Willison 认为 2026 年 10 月是 vibe coding 游戏开发的拐点，Claude Opus 5.5 在 3D 建模、音乐生成和游戏设计上有明显提升，他让模型把游戏改得更有趣后，用几周时间做出四个自己真正愿意玩的浏览器游戏。这些项目每个投入不超过四小时，均用 HTML 和 JavaScript 构建并运行在浏览器中；他建议从「Build a mobile-friendly three.js game where...」这类提示词起步，项目过了原型阶段再换用 Claude Code 或 Codex。
Claude Code。 这是我在沿着 Skyline Boulevard 开车看树时一时兴起做的。我的提示词是： 构建一个名为“Tree appreciator”的 three js 游戏——它向你展示两棵算法生成的树，游戏机制是欣赏它们之间的差异。仔细思考如何确保它既有趣又美丽。 我发现告诉模型使用 three.js 效果非常好。Claude 没有自己的图像生成模型，但能够构建出看起来和感觉都很出色的全彩 3D 模型。 这个游戏完全不需要迭代或后续提示——我一次就得到了游戏。它给了我一个迷人的、适合移动端的找不同小游戏。你可以在这里玩。这是构建它的聊天记录。 它令人愉悦地放松。画面很有趣，在“植物标本馆”中收集你已完成的树木提供了一种美好、温馨的成就感。 Emberwick 这是一个更宏大的项目，我同样用普通的 Claude 聊天构建。我首先为一个俯视角奇幻 RPG 构建了一个实验性引擎原型： 构建一个演示游戏引擎 three.js，它是一个俯视角（但带角度）的 RPG——玩家可以和一两个同伴一起在世界中移动。创建一个奇幻村庄场景，演示在户外走动，然后展示当玩家进入建筑时，玩家与摄
匹配字段正文
苹果扩展面向创意工作者的 Creator Studio 订阅包，为 Mac 版 Logic Pro 以及 Keynote、Pages、Numbers 加入基于苹果自有模型和 OpenAI 模型的 AI 助手，更新计划于 11 月通过 App Store 发布，但未给出具体日期。Logic Pro 助手可解释制作流程、协助准备歌曲和设置人声轨，iWork 助手会结合当前文档上下文生成内容；两者均以 Beta 形式上线，初期只支持美式英语。Keynote、Pages、Numbers 可通过 Model Context Protocol 接入外部 AI 智能体，但苹果未说明 Freeform 是否支持 MCP，也未说明按文档、智能体或会话授权及变更确认的机制。Final Cut Pro 集成 MotionVFX 的模板、图形、转场及 rotoscoping、跟踪、调色工具，并可与 Pixelmator Pro 联动；Pixelmator Pro 新增 Generate Fill。订阅价格为每月 13 欧元或每年 129 欧元。
标题、转场以及用于 rotoscoping、跟踪和调色的工具。时间线中的图像可在 Pixelmator Pro 中编辑，修改结果会回到项目中。此外还增加了更多关键帧缓动选项，转录功能支持另外 23 种苹果未具体说明的语言。剪辑可从主情节中分离，并自由放置在时间线上。动画软件 Motion 获得 MotionVFX 插件，例如用于调色和 3D 摄像机跟踪，以及图像生成工具；Compressor 可编码 iPhone 18 Pro 和 iPhone Duo 的电影模式视频。Pixelmator Pro 通过“Generate Fill”学会根据 AI 提示补充选定的图像区域。据苹果称，该功能会考虑光照、透视和纹理，使结果无缝融入图像。 Mac 版 Final Cut Pro 现已直接集成 MotionVFX 的内容。其中包括模板、图形、标题和转场。 （图片：苹果） Final Cut Pro 的 Content Hub 今后除照片和背景外，还将包含精选的库存视频；苹果还宣布为 Keynote、Pages 和 Numbers 推出新的高级主题和模板。 广告后继续阅读 MCP 与隐私：许多细节
匹配字段正文
2026年7月24日,微软AI宣布MAI-Image-2.5-Pro与MAI-Voice-2-Flash进入公开预览。据微软AI Blog,MAI-Image-2.5-Pro主打高保真图像生成与精确图像内文字渲染,定价为每1M文本输入token 5美元、每1M图像输入token 8美元、每1M图像输出token 106美元;MAI-Voice-2-Flash面向高并发语音场景,比MAI-Voice-2快2倍、便宜32%,定价为每1M字符15美元。微软称MAI-Image-2.5已成为Bing Image Creator的默认模型,在PowerPoint中使GPU成本最多降低84%,在OneDrive中使保存率提升26%、P95延迟降低约25%;MAI-Voice-2-Flash已接入Dynamics 365 Contact Center与Azure Voice Live,GPU成本最多降低89%。目前尚无后续发展事实。
匹配字段摘要
2026年6月4日,Black Forest Labs 宣布,FLUX.2 [klein] 4B 将预装在 ASUS 新一代 ProArt 笔记本的 MuseTree 应用中。该机型搭载 RTX GPU,并已在台北 Computex 2026 亮相。官方称,其目标是在 8GB 显存笔记本上、后台运行其他专业应用时实现 5 秒以内的图像生成,且无需 API 或联网。Black Forest Labs 还表示正扩展合作,为更多硬件和设备提供端侧优化的 FLUX 模型。目前该故事尚无后续发展事实。
匹配字段摘要
2025年3月23日,Redis 作者 antirez 在其原创博客发文,主张继续投资并推进 AI,理由是其未来潜力而非当前能力。他认为,AI 目前在日常编码、翻译、图像生成等任务上确实实用,但除 AlphaFold 这类罕见突破外,尚未从根本上推动人类知识进步。他提出,继续投资 AI 的理由不在当下能力,而在未来潜力:5 年后可能在医学上带来革命性进展,10 到 20 年后或能助力应对气候变化。他同时提醒需警惕存在性风险与社会冲击。目前该主张仅有这一篇第一方博客作为证据,尚无后续发展事实。
匹配字段摘要
OpenAI 研究发布 图像生成与编辑模型DALL·E 2
English translation is being prepared.
匹配字段摘要
Tripo 发布教程，演示如何用 Tripo Studio 中基于节点的 Agentic Canvas，从一张参考图出发、以自然语言描述目标，约 20 分钟搭建赛博朋克 3D 场景并导出 UE5 工程。流程中主场景使用 H3.1 模型以保留更丰富的几何与表面细节，招牌、垃圾桶等道具使用 P2.0（Smart Mesh）便于控制面数。Agent 提供 Control 与 Auto 两种模式，生成结果可在 AI 3D Lab 中调整布局与灯光，也可经 Send to 导出到 Blender 或 Maya。
可扩展的批量工作流：一个工作流，多个资产。批量处理和可复用管线，无需重复设置或切换工具。 借助 AI 3D Lab 扩展：在一个画布中获得更多创意可能，从资产检查与优化到绑定、编辑和实验。 开始之前 要跟随本教程操作，请准备一个 Tripo 账户和一张场景参考图像。你可以使用下方这张我此前生成的图像，也可以在 Tripo 中创建自己的场景概念图。本示例使用的图像生成提示词如下。如果你要完成最后的工程导入步骤，还需要 Unreal Engine 5。 提示词： 第 1 步：创建画布并上传参考图像 前往 studio.tripo3d.ai。从顶部菜单中选择 Agentic Canvas，或使用图像上传面板下方的入口。 点击 Create New Canvas 进入空白画布。以下输入、生成和处理步骤将作为节点显示在这里。你可以手动编辑节点，也可以使用右侧的 Agent 聊天来安排任务。 使用以下任意一种方法添加参考图像： 点击 Agent 聊天输入框中的 + 图标并选择图像文件。 双击画布空白区域，然后从浮动菜单中选择 Upload。 将图像拖到画布上，或使用 Ctrl+V 直接粘贴到画布中
匹配字段正文
Figma Weave 将 AI 生成与编辑工具整合为基于节点画布的可复用工作流，并新增与 Figma 画框并行的使用方式。工作流支持分支探索、同一提示词跨多个 AI 模型对比结果，内置色彩校正、合成、色阶、裁剪、修剪、绘画等编辑节点。Weave 工具已开放社区发布，队友无需操作节点即可直接运行打包好的流程。
且相互连接。以下是它在实践中的样子。 Figma Weave 画布使用相互连接的节点来展示创意流程的每一步。 探索更多方向如果你符合以下情况，就适合使用 Figma Weave： 发布产品系列 ，需要为不同产品变体准备图像，却无法为每一款都安排新的拍摄。 跨渠道和市场制作营销活动 ，需要为不同格式调整视觉素材，同时保持统一的观感。 开发视频作品 ，需要从参考图像生成镜头或优化现有片段。 Weave 为你留出并排发展多个想法的空间，每个新方向都建立在画布上已有的工作之上。称为分支的独立路径让你可以从同一起点尝试不同的提示词或编辑，同时保留原始版本可用。你还可以将同一提示词交给不同的 AI 模型运行，并排比较结果，选择最符合你所追求外观或编辑效果的那一个。每个版本都与其生成步骤保持连接，因此你可以比较不同方法，或在确定方向之前回到较早的选项。 假设你正在为一个徒步品牌制作营销活动，从一张背包照片开始。你将这张照片连接到两个 AI 图像编辑节点，提示其中一个把背包置于森林中，另一个置于山上。在此基础上，你可能会调整森林场景的色彩，或将山景场景转化为一段短视频。两个分支在你开发过程中都保留在画
匹配字段正文
GitHub 在 2026 年 10 月 28 至 29 日举行的 GitHub Universe 2026 上宣布，整合自动模型选择与多模型协作的 Copilot Fusion 正式提供，可在 VS Code、GitHub Copilot 应用、CLI 和 JetBrains IDE 中使用，按 Standard、High、Max 三档处理级别自动决定所用模型与 Single、Cascade、Critique 三种执行方式。桌面版 GitHub Copilot 应用同时开始公测 Projects，把资料、仓库、会话与成果物集中到一处管理。GitHub 称 Fusion Max 在 Artificial Analysis Coding Agent Index 上得分 60，与使用 Opus 5.5 Max 的 Claude Code 相差 2 分以内，单任务平均 API 费用约为其一半、耗时约少 40%。
器并单独设置，只需选择服务并登录即可连接。 最初支持 Slack、Figma、Sentry、Linear 等 26 项服务。一旦连接，即可在 GitHub Copilot 应用、CLI、VS Code、云端和 GitHub Mobile 中共享使用，无需在各处重新设置连接。在 Business 和 Enterprise 中，需要管理员允许预览功能。[2] 在图像生成与编辑方面，当在对话中提出请求时，所选中的对话用模型会调用使用“GPT Image 2.5 Flare”的专用图像生成工具。生成的图像预览会显示在对话中，并将图像保存到工作文件夹。该功能可在 VS Code、GitHub Copilot 应用和 CLI 中使用，发布会上将其介绍为面向 Pro、Pro+、Business 和 Enterprise 的公共预览。图像生成与编辑的费用与对话用模型的费用分开计算，并根据图像 token 数消耗套餐的 AI 额度。 GitHub Copilot 应用和 CLI 的 Computer Use 自 10 月 1 日起在 macOS 和 Windows 上提供公共预览。通过读取应用内容并进行
匹配字段正文
Figma 工程副总裁 Josh Clemm 介绍了其设计编辑模型的训练方法，从监督微调（SFT）转向强化学习（RL），并基于 Qwen 3.8 27B 后训练出尚未发布的编辑模型。早期用 Llama 3.3 70B 在超过 25 万个样本上训练，即可在当时编辑任务上与顶级模型竞争。Figma agent 已向全部用户开放，测试中典型任务约快 20%，专家对比中 62% 的情况优于或持平上一版生产 agent，用户评分高 33%，撤销操作少 60%。
Figma agent 产品设计师使用 Figma agent 提升工艺、速度与创意表达的 3 种方式 以下是 Uber、Granola 和 Atlassian 的团队如何借助现已全面可用的 Figma agent 支持高质量、快节奏的工作。，其中包含我们的第一方编辑模型。该 agent 同时运行这个专门模型和领先的第三方模型，将它们用于工作的不同部分。对于图像生成、矢量或全新设计探索等某些任务，我们使用可用的最佳第三方模型。对于我们的模型处理良好的精确编辑和迭代，我们使用自己的模型。 周围的画布也很重要。agent 需要来自画布和设计系统的上下文，以及能够做出所请求更改的工具。后训练帮助模型更好地完成其在这项工作中的部分。 了解更多关于 产品设计师如何使用 Figma agent 提升工艺、速度与创意表达的信息。 我们对 Figma agent 的早期结果感到鼓舞。即使在从 beta 到全面可用之间的这段时间里，典型任务也快了约 20%。在与专家设计师的正面对比测试中，新 agent 有 62% 的情况优于或持平上一版生产 agent。用户评分高出 33%，用户撤销 agent 工作
匹配字段正文
Elorian 与 Mercor 联合发布 DecoyCount 基准，测试模型是真正数清物体还是依赖视觉捷径，前沿模型准确率均低于 50%，最高为 GPT-6 Astra 的 43.17%。Elorian 称其视觉推理模型 Glimpse 在 1,660 道题上单次运行得分 50.48%，是唯一超过 50% 的模型，但该结果来自内部测试且未使用智能体或工具框架，而论文中的六个模型各取三次运行平均值。Elorian CEO Andrew Dai 表示，该基准同时考察视觉与推理，可区分模型是没看到物体还是数错了。
图像和编辑图像来将问题可视化。” 他举了一个买沙发并在脑海中想象它放在客厅里会是什么样子的例子。 一个概念性的视觉推理循环 还有在脑海中操作图像；例如，如果你在数桌子周围的人，你可能会在脑中“把他们一个一个划掉，”Dai 说。 这就是 Elorian 在其模型中想要做的：教它们视觉思维，“这涉及将生成和编辑图像作为推理轨迹的一部分，与语言一起。” 关键在于，图像生成对视觉模型来说不仅仅是输出——生成或编辑的图像是推理链的一部分。 Elorian 与世界模型有何不同？ 视觉推理仍是一项进行中的工作，但今年在“世界模型”领域已经出现了一些令人印象深刻的发布——视觉是其中的关键组成部分。其中两个尤为突出：World Labs 于 9 月推出的 Atlas（该公司随后被 AMD 收购），以及 Google 刚刚发布的 Genie 4。 当 World Labs 发布 Atlas 时，它被描述为“面向空间智能的全能世界模型”。但 Atlas 所实现的功能——基本上是对世界的 3D 模拟——与视觉推理并不相同。 据 Dai 所说，世界模型能够实现对世界的“直接作用”，而 Elorian 更侧重于他
匹配字段正文
北京大模型创企超衍智能发布并开源首款大模型Apex-35B-V1.0，总参数量350亿，每Token激活约30亿参数，支持26.2万Token上下文窗口，以Qwen3.6-35B-A3B为基础经中训练和后训练优化。该模型在论文复现测试PaperBench和科研难题测试FrontierScience中分别取得60.9分和40.0分，高于GLM-5.3的42.5分和30.7分；工具调用测试BFCL V4取得84.0分，高于DeepSeek-V4.1-Flash-1017的75.0分。模型已采用Apache 2.0许可证开放权重，官方提供约72GB的BF16权重和不同精度的GGUF量化版本。
） Apex-35B-V1.0基于Qwen3.6-35B-A3B开发，通过中训练和后训练优化，并融入超衍智能自有的研究轨迹数据。这款模型总参数量为350亿，每个Token激活约30亿参数，支持26.2万Token上下文窗口。 AI能在多大程度上帮助模型研发？超衍智能此次公布了两项AI4AI-Bench基准测试结果，展示Apex-35B-V1.0优化语言模型和图像生成模型训练方案的能力。 先来看语言模型的训练效果。在AI4AI-Bench的推箱子任务中，Apex-35B-V1.0为30亿参数的Qwen2.5-3B-Instruct制定训练方案。经过训练后，目标模型在512个未见过的关卡中取得24.4%的成功率，是未经训练时11.7%参考成绩的两倍多。 测试给Apex-35B-V1.0安排了4小时探索训练策略，再用12小时重新训练目标模型。探索阶段，Apex-35B-V1.0检查任务代码和评估规则，设计、执行实验，并根据结果修改训练方案。据超衍智能披露，模型共进行了207次命令执行和代码编辑，团队从中识别出36项高质量研究与工程操作，其中15项关键决策影响了最终训练策略。 ▲Apex-35
匹配字段正文
OpenAI 于 2026 年 10 月 28 日起向符合条件的 ChatGPT Pro 和 Business 订阅用户提供每月最高 500 美元的 API 额度，可用于应用和智能体开发。Pro 的 100、200、500 美元三档月费分别对应同等金额额度；Business 按 Standard 席位每席每月 20 美元、Premium 席位每席每月 100 美元累加，工作区整体上限 500 美元。年付 Business 可一次性获得全年最高 6000 美元额度，首次按账单周期剩余天数日割计算，未用部分期末失效。该额度不能用于通过 API key 调用 Codex，也不增加 ChatGPT 或登录版 Codex 的使用上限，需在账单设置中关联 API 组织并手动启用。
按日折算。此后，只要订阅仍满足适用条件，就会在续订时自动授予。未使用部分将在账单周期末失效，不可结转。 适用对象为付费订阅开始已满7天以上的订阅者。Plus和免费试用不在适用范围内。[1] 用于应用开发等，与ChatGPT的使用额度分开 该额度将授予与ChatGPT订阅关联的API组织（用于管理API账单和权限的单位）。可用于文本处理、智能体运行、语音对话、图像生成与编辑的API使用费。Web搜索等内置工具也属于适用范围。但是，不能用于通过API密钥使用Codex，也不会增加ChatGPT或登录后使用的Codex的使用上限。 该额度无需登记API支付方式即可使用。免费额度用完后，如果已购买的API额度仍有剩余，则会使用该额度。若两者均无余额，API调用将报错。追加购买API额度需要支付与ChatGPT订阅费用分开的额外费用。[2] 通过账单设置关联API组织并启用 办理手续的Pro订阅者本人或Business工作区所有者，必须同时也是接收方API组织的所有者，并拥有管理账单的权限。 使用与API账户相同的电子邮件地址登录ChatGPT，并从ChatGPT的账单设置或API管理网站API
匹配字段正文
The Verge 分析 Anthropic 的 S-1 文件，指出其不可取消采购承诺、未启动租赁协议及新增算力协议合计约 8500 亿美元，若计入未敲定交易将接近 1 万亿美元。文件显示 2026 年上半年营收同比增长 14 倍至 163 亿美元，调整后收入 16.2 亿美元，净收入留存率 900%。作者认为这些固定成本要求 Anthropic 维持高速增长，而其风险因素中提到的递归自我改进正是支撑该增长假设的关键。
们看到2026年上半年调整后收入为16.2亿美元。我之前曾问过，AI能否赚到足够的钱来养活自己，而Anthropic的S-1给出的答案似乎是：至少对这家公司而言，至少就目前而言，可以。 Anthropic比OpenAI或埃隆·马斯克克制得多，而这似乎正在带来回报。（Anthropic只把OpenAI和谷歌列为竞争对手。下次好运吧，埃隆！）该公司从未发布过AI图像生成器、AI版TikTok克隆或AI老婆。相反，它专注于编程和网络安全等任务，始终紧盯计算机最容易做到的事：更多的计算机。而且它专注于企业市场，这个市场不像消费者市场那样善变。其净收入留存率为900%。相当不错！这些收入也不是来自消费者。2026年上半年约四分之三的客户每年支出至少10万美元。 另一方面，Anthropic面临激烈的竞争压力——既来自其他前沿实验室，也来自开源模型。其他前沿实验室也都在争相冲向最前沿。Claude Opus 5.5目前位居Epoch能力指数榜首，但该排行榜变化频繁。而对于那些不在乎自己的软件落后四个月的人来说，还有开源模型可选。 此外，Anthropic相对于谷歌这样的竞争对手有一个劣势。它没有多
匹配字段正文