浅译快报

精选

AI × 艺术设计前沿,客观汇集每日动态、征集机会与 SKILL 评测。

头版
OpenAI· 11月17日一手编辑精选 模型

OpenAI 11 月 17 日向 ChatGPT、Codex 与 API 推出 GPT-6.2 系列双模型:旗舰版 GPT-6.2 Astra 面向长程智能体、终端工程、科研与 3D/机器人任务,支持 Ultrafast 实时模式,API 定价下调 20% 至每百万 token 输入 $8、输出 $40(缓存输入降至 $0.40);主力高效版 GPT-6.2 Sol 面向日常高频编程与可预期多步工作流,维持每百万 token 输入 $2、输出 $10。

OGA另有 2 家来源
推荐理由 旗舰模型在复杂终端编排与 3D 空间/机器人基准上继续推进,同时通过 Astra 降价 20%、缓存输入低至 $0.40 以及 Astra/Sol 双轨分工,大幅降低长上下文多轮开发与设计工具链的调用成本。

OpenAI 于 2026 年 11 月 17 日正式发布 GPT-6.2 模型家族,同步上线旗舰前沿模型 GPT-6.2 Astra 与高性价比日常主力模型 GPT-6.2 Sol,覆盖 ChatGPT(Plus、Pro、Work、Enterprise、Edu)、Codex、Responses API、GitHub Copilot 及 Amazon Bedrock。其中,GPT-6.2 Astra 专为高复杂度推理、自主终端与计算机操控、科学研究及 3D/机器人空间推理设计,并新增面向实时交互场景的「Ultrafast」极速模式;在 Artificial Analysis 等第三方评测中,Astra 在科学推理、终端工程(Terminal-Bench-Science)及 3D 空间基准上均位居行业前列,同时也是 OpenAI 首款在系统安全卡(System Card)中触及「AI 自我改进(Self-Improvement)高风险阈值」并启用集中式 Control Room 监控的对外发布模型。GPT-6.2 Sol 则作为 ChatGPT 与企业工作区的默认轻量级推理引擎,专注日常高频编码、代码审查与稳定可预期的多步智能体流水线。定价方面,GPT-6.2 Astra 较前代下调 20%,为每百万输入 token 8 美元、每百万输出 token 40 美元,提示词缓存输入大幅降至每百万 token 0.40 美元;GPT-6.2 Sol 维持每百万输入 token 2 美元、输出 10 美元。

旗舰模型在复杂终端编排与 3D 空间/机器人基准上继续推进,同时通过 Astra 降价 20%、缓存输入低至 $0.40 以及 Astra/Sol 双轨分工,大幅降低长上下文多轮开发与设计工具链的调用成本。

查看原始来源 ↗

Adobe Newsroom· 11月10日一手编辑精选 产品

Adobe 在 11 月 10 日开幕的 Adobe MAX 2026 大会上宣布两项核心智能体进展:一是全面扩展 Creative Agent,并在 Photoshop、Illustrator、Premiere Pro 和 After Effects 中预览原生本地 MCP(Model Context Protocol)支持,允许 OpenAI、Anthropic 等第三方 AI 智能体直接读写与编辑本地工程图层与时间线;二是与 Google DeepMind 达成战略合作,将 Google 最新图像与视频生成模型接入 Firefly 与 Photoshop。

AAF另有 2 家来源
推荐理由 桌面级专业创作软件首次通过原生本地 MCP 协议向外部第三方 AI 智能体开放工程文件的图层、矢量路径与视频时间线控制权,标志着设计工具从「软件内置 AI 按钮」走向「跨工具智能体直接编排本地工程」。

在 2026 年 11 月 10 日于迈阿密海滩开幕的 Adobe MAX 2026 大会上,Adobe 发布了围绕智能体工作流与开放生态的多项核心更新。首先,Adobe 在 Photoshop、Illustrator、Premiere Pro 与 After Effects 四大桌面旗舰应用中预览了原生本地 Model Context Protocol(MCP)接口支持:创作者可授权来自 OpenAI、Anthropic 等平台的外部 AI 智能体直接连接本地正在运行的 Creative Cloud 软件,在原生工程文件内执行命令、调整图层结构、修改矢量图形或编排视频时间线,同时配合扩展后的 Adobe Creative Agent 完成跨软件的多步自动化流水线。其次,Adobe 宣布与 Google DeepMind 建立战略合作伙伴关系,将 Google DeepMind 最新的图像与视频生成模型直接整合进 Adobe Firefly 创意工作室及 Photoshop 等桌面工具中,供创作者在现有商业安全模型之外按需切换调用。

桌面级专业创作软件首次通过原生本地 MCP 协议向外部第三方 AI 智能体开放工程文件的图层、矢量路径与视频时间线控制权,标志着设计工具从「软件内置 AI 按钮」走向「跨工具智能体直接编排本地工程」。

查看原始来源 ↗

Google DeepMind· 11月18日一手编辑精选 模型

Google DeepMind 11 月 18 日发布 Gemini 4 家族中层主力模型 Gemini 4 Neon,定位介于重型模型 Carbon 与极速模型 Hydrogen 之间;支持 100 万 token 统一多模态上下文(默认 64K 同步输出,后台长解码可扩展至 100 万 token)与 Low/Medium/High/Extra High 四档思考深度,在编程智能体基准测试中位居榜首梯队,API 定价为每百万 token 输入 $3、输出 $15。

GGA另有 2 家来源
推荐理由 补齐 Gemini 4 家族在重型架构推理与高频快速执行之间的中坚档位,以旗舰级模型约三成的价格与可调思考深度支撑复杂前端交互工程、多模态分析与多智能体纠偏。

Google DeepMind 于 2026 年 11 月 18 日推出 Gemini 4 模型家族的中层主力模型 Gemini 4 Neon,精准卡位此前发布的重型长程推理模型 Gemini 4 Carbon 与高吞吐轻量模型 Gemini 4 Hydrogen 之间。Gemini 4 Neon 面向复杂软件工程、智能体编码、多模态数据分析与科学计算工作流,拥有 100 万 token 的统一多模态上下文窗口(支持文本、图像、音频与视频混合输入),默认支持 64K token 同步输出,并可通过后台长解码(Background Long Decode)扩展至最高 100 万 token 输出。该模型提供 Low、Medium、High(默认)与 Extra High(xhigh) 四档可调节的思考深度;在开启 xhigh 模式时,其在 Artificial Analysis 综合智能指数中取得 61 分(位列全球前三),并在 Coding Agent 编程智能体专项榜中名列前茅,尤其在任务中途接受用户修正指令的可控性(Steerability)与低幻觉率方面表现突出。Gemini 4 Neon 即日起上线 Google AI Studio、Vertex AI、Gemini 应用(Pro/Ultra 订阅)以及 Google Antigravity IDE 与 CLI,标准 API 定价为每百万未缓存输入 token 3.00 美元、每百万输出 token 15.00 美元(缓存输入为每百万 token 0.15 美元)。

补齐 Gemini 4 家族在重型架构推理与高频快速执行之间的中坚档位,以旗舰级模型约三成的价格与可调思考深度支撑复杂前端交互工程、多模态分析与多智能体纠偏。

查看原始来源 ↗

最新精选 全部资讯 →
11月17日周二
Suno Official· 11月17日一手编辑精选 产品

AI 音乐平台 Suno 于 11 月 17 日正式上线视觉生成工具 Suno Visuals,从纯音频扩展至图像与视频创作:用户可将曲库中的音乐拖入画布,一键生成契合曲风的定制专辑封面、字体随节拍律动的动态歌词视频(Lyric Videos),以及最长 15 秒、自动匹配音乐节拍与角色口型同步(Lip-Sync)的视频片段,并可在编辑器中拼接为完整 MV 序列。

SU另有 1 家来源
推荐理由 主流 AI 音乐平台首次在端内原生打通「音频结构解析 → 专辑视觉设计 → 卡点动态字体排版 → 角色口型同步 MV 短片」的完整视听工作流。

AI 音乐生成平台 Suno 于 2026 年 11 月 17 日推出全新的视觉创作功能模块「Suno Visuals」,将产品能力从音频创作延伸至音乐视觉设计与动态影像生成。创作者只需将自己曲库中的任意歌曲拖入 Visuals 标签页,或上传一张静态参考照片、选用内置虚拟角色并配合文本提示词,即可生成与音乐情绪、曲式结构和歌词内容深度绑定的三类视觉资产:一是定制化的单曲与专辑封面(Album Art);二是支持自定义字体、配色、版式位置且文字随鼓点节奏动态跳动的动态歌词视频(Lyric Videos);三是单段 5 至 15 秒的音乐同步视频片段,底层结合针对音乐结构适配的视频生成模型(基于 MiniMax H3 Move 等技术优化),可自动识别节拍卡点并实现演唱角色的精准口型同步(Lip-Syncing)。用户还可在 Visuals Editor 中对多段 15 秒视频进行延长、剪辑与串联,组合为更长时长的完整 MV 序列(Sequences)。Suno Visuals 采用独立于歌曲生成额度的专属视觉积分池计费,并内置严格的人脸与版权过滤机制以拦截模仿真实歌手或受版权保护 IP 的请求。

主流 AI 音乐平台首次在端内原生打通「音频结构解析 → 专辑视觉设计 → 卡点动态字体排版 → 角色口型同步 MV 短片」的完整视听工作流。

查看原始来源 ↗

ElevenLabs Blog· 11月17日一手 行业

ElevenLabs 于 11 月中旬宣布收购日本头部语音 AI 研究实验室 Kotoba(Kotoba Technologies),将其低延迟日语语音基础模型与本土化语调表现力整合进 ElevenAgents 与多语言配音管线;同时下调旗下 Scribe 批量与实时语音转文本(STT)模型的 API 调用价格。

推荐理由 通过并购本土语音实验室补齐日语动漫、游戏与影视译制中最难还原的敬语语境与情感韵律,同时降低大批量音视频字幕转写成本。

AI 语音技术公司 ElevenLabs 于 2026 年 11 月中旬宣布完成对日本语音 AI 研究实验室 Kotoba(Kotoba Technologies)的收购。Kotoba 专注于高自然度日语语音基础模型、实时端到端语音交互及跨文化语调建模;收购完成后,其团队与底层日语声学模型将直接并入 ElevenLabs 的全球语音基础设施,重点强化 ElevenAgents 语音智能体以及影视、动画、游戏多语种译制管线在日语自然停顿、敬语语境和情感张力上的表现。同周,ElevenLabs 还对旗下语音基础设施进行了两项更新:一是大幅下调了 Scribe 批量(Batch)与实时(Realtime)语音转写(Speech-to-Text)模型的 API 定价,降低了长视频字幕提取与播客转写成本;二是升级了 ElevenAgents 服务端工具调用的超时与并发控制机制。

通过并购本土语音实验室补齐日语动漫、游戏与影视译制中最难还原的敬语语境与情感韵律,同时降低大批量音视频字幕转写成本。

查看原始来源 ↗

11月16日周一
腾讯混元官网· 11月16日一手 模型

继 11 月初发布 770B 旗舰模型 Hy4 后,腾讯混元于 11 月 16 日推出并全面开源高效率多模态模型 Hy4 Flash(含 Base 与 FP8 权重):总参数 2240 亿(含 640 亿 Engram 记忆参数)、推理仅激活 120 亿参数,支持 100 万上下文、细粒度图表/图像视觉理解及图形界面(GUI)与终端操控,API 输入定价低至每百万 token 约 0.07 元。

腾HT另有 2 家来源
推荐理由 将原生视觉图表解析与 GUI 计算机操控能力下放至仅 12B 激活参数的开源权重模型中,为本地部署的演示文稿修改、设计资产批处理与跨软件自动化提供了极低成本底座。

腾讯混元团队于 2026 年 11 月 16 日正式发布并在 GitHub、Hugging Face、魔搭(ModelScope)等平台全面开源新一代高效率多模态模型 Hunyuan Hy4 Flash(包含 Hy4 Flash、Hy4 Flash-FP8 与 Hy4 Flash Base 权重)。作为 11 月 4 日发布的 7700 亿参数旗舰模型 Hy4 的轻量化同源版本,Hy4 Flash 采用混合专家(MoE)架构,总参数量为 2240 亿(其中包含 640 亿 Engram 记忆模块参数),而在实际推理时仅激活 120 亿(12B)参数,并同样配备 100 万 token 上下文窗口。能力方面,Hy4 Flash 继承了 Hy4 原生集成的视觉理解与计算机操控(Computer-Use)特性,可直接解析复杂设计排版、数据图表与几何图形,并驱动图形用户界面(GUI)与命令行终端执行高频文档排版、幻灯片编辑和表格修复等工作流。其线上 API 输入定价低至每百万 token 约 0.07 元人民币(约 0.01 美元),上线首日即在 OpenRouter 日榜登顶并处理超 50 万亿 token。

将原生视觉图表解析与 GUI 计算机操控能力下放至仅 12B 激活参数的开源权重模型中,为本地部署的演示文稿修改、设计资产批处理与跨软件自动化提供了极低成本底座。

查看原始来源 ↗

Alibaba Cloud· 11月16日一手编辑精选 模型

阿里巴巴于 11 月 16 日正式发布 Qwen 4 系列旗舰多模态模型 Qwen4-Max,采用总参数 2.4 万亿、单 token 激活 710 亿参数的混合专家(MoE)架构并配备 3280 亿 N-gram 嵌入参数;支持 100 万 token 上下文与最高 26.2 万 token 输出,原生支持图像与视频理解及可调深度思考,API 定价降至每百万 token 输入 $1.50、输出 $4.50。

AOV另有 2 家来源
推荐理由 以 2.4T 稀疏 MoE 架构结合 100 万上下文与原生音视频多模态理解,将旗舰级长程智能体模型的调用成本压至每百万输入 $1.50。

阿里巴巴于 2026 年 11 月 16 日正式发布新一代旗舰多模态模型 Qwen4-Max(此前于 11 月 11 日上线 qwen4-max-preview 预览版),领衔全新的 Qwen 4 模型家族。架构方面,Qwen4-Max 基于重新设计的混合专家(MoE)架构,拥有 2.4 万亿(2.4T)主干参数,每次推理每 token 激活 710 亿(71B)参数,并额外结合 3280 亿 N-gram 嵌入参数;模型支持 100 万 token 上下文窗口与最高 262,144 token 的单次推理输出长度。功能上,Qwen4-Max 原生支持文本生成、图像输入与视频内容理解,默认开启内置深度思考(提供 low、high、xhigh 等可调推理强度档位),针对数小时级别的长程自主智能体任务、跨文件代码工程与多模态文档分析进行了专项优化。该模型以闭源商业 API 形式率先上线阿里云百炼(QwenCloud)、Qwen Studio 与 OpenRouter,定价为每百万输入 token 1.50 美元、每百万输出 token 4.50 美元(较上一代 Qwen 3.8-Max 下调约 25%);官方同时表示 Qwen 4 家族的中小尺寸模型后续将继续开源。

以 2.4T 稀疏 MoE 架构结合 100 万上下文与原生音视频多模态理解,将旗舰级长程智能体模型的调用成本压至每百万输入 $1.50。

查看原始来源 ↗

11月13日周五
腾讯混元官网· 11月13日一手 模型

腾讯混元于 11 月 13 日发布 3D 世界生成模型更新 HY-World 2.1 Panorama,支持通过单张图片或文本描述生成 360 度无缝全景图及可自由漫游的三维空间,可直接导出 3D Gaussian Splatting(3DGS)与网格资产供 Unreal Engine、Unity 及建筑可视化管线调用。

腾H另有 1 家来源
推荐理由 打通从 360 度全景生成到具备真实空间几何与遮挡关系的 3DGS 场景导出,为游戏关卡原型、虚拟制片背景板与建筑室内空间漫游提供轻量化资产管线。

腾讯混元团队于 2026 年 11 月 13 日推出三维世界生成模型升级版 HY-World 2.1 Panorama。该模型在混元 3D 世界模型基础上强化了大尺度全景空间的一致性与几何重建能力:用户输入一段文本提示词或单张局部概念图,模型即可先构建无接缝、透视准确的 360 度高清全景环境,并进一步推理出场景深度与被遮挡区域的几何结构,转化为支持六自由度(6DoF)相机漫游的三维空间。导出的场景支持标准 3D Gaussian Splatting(3DGS)及三角网格格式,可直接导入 Unreal Engine、Unity、Blender 或建筑空间可视化工作流中进行二次布光与镜头调度。

打通从 360 度全景生成到具备真实空间几何与遮挡关系的 3DGS 场景导出,为游戏关卡原型、虚拟制片背景板与建筑室内空间漫游提供轻量化资产管线。

查看原始来源 ↗

BytePlus ModelArk· 11月13日一手编辑精选 模型

字节跳动于 11 月中旬通过即梦及火山引擎/BytePlus ModelArk 推出图像模型 Seedream 5.5 与视频模型 Seedance 2.5 Flash:Seedream 5.5 支持最多 99 个独立图层的像素级多轮编辑与最多 10 张参考图融合,提升密集排版文字渲染精度;Seedance 2.5 Flash 支持单次生成最长 30 秒带原生音轨的视频,推理速度提升 2 倍、每秒生成成本降至约 $0.15。

BB另有 1 家来源
推荐理由 Seedream 5.5 将最多 99 图层的独立编辑与 10 图参考引入生成式图像模型,配合 Seedance 2.5 Flash 的 30 秒音画同步长镜头与半价提速,进一步贴合商业海报排版与批量短片预演需求。

字节跳动于 2026 年 11 月中旬更新旗下视觉生成模型矩阵,推出图像生成与编辑模型 Seedream 5.5 以及高效率视频模型 Seedance 2.5 Flash。在图像侧,Seedream 5.5 重点强化了结构化设计与多轮微调能力:模型支持在最多 99 个独立图层上进行像素级局部修改,确保重绘局部元素或更换材质时不破坏其余图层的背景、光影与透视结构;同时支持单次输入最多 10 张参考图以锁定角色外观与品牌视觉风格,并大幅改善了海报、包装设计中密集小字号中英文排版的清晰度。在视频侧,通过火山引擎与 BytePlus ModelArk 上线的 Seedance 2.5 Flash 支持单次生成最长 30 秒(480p/720p)的连续视频并原生合成环境音、音效与角色对白,推理速度较标准版提升约 2 倍,API 生成成本下调约 50% 至每秒约 0.15 美元。

Seedream 5.5 将最多 99 图层的独立编辑与 10 图参考引入生成式图像模型,配合 Seedance 2.5 Flash 的 30 秒音画同步长镜头与半价提速,进一步贴合商业海报排版与批量短片预演需求。

查看原始来源 ↗

11月12日周四
Google Blog· 11月12日一手编辑精选 模型

Google 11 月 12 日推出高效率多模态模型 Gemini 4 Hydrogen,作为 Gemini 3.8 Flash 的继任者与 Gemini 4 Carbon/Argon 的轻量协同模型;支持 100 万 token 上下文与 low/medium/high/xhigh 四档可调思考深度,API 定价为每百万 token 输入 $1.50、输出 $7.50,并在 Google Antigravity 中引入与重型模型分工协作的 Orchestrator 模式。

GG另有 1 家来源
推荐理由 以低延迟、可调推理深度与每百万输入 $1.50 的平坦定价接棒 Flash 系列,并通过「重型模型做架构规划 + 轻量模型跑并行子智能体」的双模型编排模式提升交互原型与前端开发效率。

Google 于 2026 年 11 月 12 日发布新一代高吞吐多模态主力模型 Gemini 4 Hydrogen(API 标识 gemini-4-hydrogen),接替此前的 Gemini 3.8 Flash,并与旗舰重型模型 Gemini 4 Carbon、Gemini 4 Argon 共同组成 Gemini 4 模型家族。Hydrogen 面向日常高频编码、快速交互原型构建与并行子智能体任务优化,支持 100 万 token 的输入与输出上下文窗口,并提供 low、medium、high 与 xhigh 四档可配置的思考深度参数。该模型即日起同步上线 Google AI Studio、Gemini API、Gemini 应用、GitHub Copilot 及 Google Antigravity 开发环境,API 在全上下文长度内实行统一费率(每百万输入 token 1.50 美元、每百万输出 token 7.50 美元)。在 Google Antigravity 中,官方同步推出全新的「Orchestrator」多模型编排模式,由 Gemini 4 Carbon 负责顶层架构推理与设计决策,再动态派发多个 Gemini 4 Hydrogen 子智能体并行完成代码实现与校验。

以低延迟、可调推理深度与每百万输入 $1.50 的平坦定价接棒 Flash 系列,并通过「重型模型做架构规划 + 轻量模型跑并行子智能体」的双模型编排模式提升交互原型与前端开发效率。

查看原始来源 ↗

ComfyUI Blog· 11月12日一手 产品

ComfyUI 于 11 月中旬更新至 v0.45 并上线原生 MiniMax H3 Image 节点支持:在单一模型权重与同一套工作流图中同时打通文生图与多参考图局部编辑,基于 CFG 蒸馏实现 6 步快速采样,原生支持最高 4096×4096(1600 万像素)分辨率输出,并与 H3 Video 共享 Qwen3-VL 文本编码器以节省显存。

CC另有 1 家来源
推荐理由 在节点式工作流中用单一模型同时解决原生 4K(16MP)生成与多参考图编辑,且与视频模型共用视觉语言编码器,显著降低了高分辨率图片转视频流水线的显存切换开销。

ComfyUI 于 2026 年 11 月中旬发布 v0.45 版本并原生集成 MiniMax H3 Image 图像生成与编辑模型节点。此次集成的核心特性在于「单模型双模态统一」:用户无需切换不同的检查点或搭建两套独立节点图,即可在同一个工作流中根据是否接入参考图像,无缝切换纯文本生图(Text-to-Image)与多参考图引导的局部重绘及主体编辑(Image Editing)。技术规格上,MiniMax H3 Image 采用 CFG 蒸馏技术,仅需 6 步采样即可完成高质量出图,并支持任意宽高比下最高 4096×4096(1600 万像素)的原生分辨率直出;此外,该模型与上周接入的 MiniMax H3 Video 共享同一个 Qwen3-VL 文本编码器,在本地或云端运行「4K 分镜生图 → 视频生成」串联工作流时无需重复加载编码器权重。

在节点式工作流中用单一模型同时解决原生 4K(16MP)生成与多参考图编辑,且与视频模型共用视觉语言编码器,显著降低了高分辨率图片转视频流水线的显存切换开销。

查看原始来源 ↗

11月11日周三
Runway Research· 11月11日一手 模型

Runway 11 月 11 日宣布以 Apache 2.0 许可证开放其首款世界动作模型(World Action Model)Praxis-1 的完整模型权重、推理管线与微调代码;该模型采用 270 亿参数混合专家(MoE)扩散 Transformer 架构,可根据文本、图像与动作控制指令预测并生成具有物理一致性的动态世界状态。

RH另有 1 家来源
推荐理由 主流商业视频生成厂商首次以宽松的 Apache 2.0 协议开放 27B 规模世界动作模型的完整权重与微调代码,为学术界与独立团队研究可控交互环境及物理仿真提供了可复现基座。

Runway 于 2026 年 11 月 11 日正式开源其通用世界动作模型(World Action Model)Praxis-1,以宽松的 Apache 2.0 开源协议发布完整模型权重、推理代码及训练微调脚本。Praxis-1 采用 270 亿参数(27B)的混合专家(MoE)扩散 Transformer 架构,旨在理解三维空间几何、物体交互与相机运动规律,能够结合输入图像、自然语言指令以及离散或连续的动作控制信号,连续预测并渲染下一时刻的世界画面状态。由于采用 Apache 2.0 协议,研究机构、游戏工作室与影视预演团队可在本地或私有云环境中自由部署、微调并商业化衍生模型。

主流商业视频生成厂商首次以宽松的 Apache 2.0 协议开放 27B 规模世界动作模型的完整权重与微调代码,为学术界与独立团队研究可控交互环境及物理仿真提供了可复现基座。

查看原始来源 ↗

11月10日周二
Claude Official· 11月10日一手编辑精选 产品

Anthropic 11 月 10 日面向 Pro、Team 与 Enterprise 套餐推出多项多人协作工作区功能:Claude Whiteboards(Beta)提供共享数字画布,支持团队与 Claude 共同进行视觉头脑风暴、时间线规划、流程图梳理与应用界面原型排版;同步推出 Claude Sheets(Beta)智能电子表格与正式版 Claude Data 交互式数据可视化工具,并扩展 Adobe、Atlassian 等 MCP 连接器。

CE另有 1 家来源
推荐理由 大语言模型工作台通过内置共享视觉白板(Whiteboards),将单人对话式的 Artifact 预览延伸为支持多人标注、流程图与界面原型协作的画布环境。

Anthropic 于 2026 年 11 月 10 日发布一系列面向团队协作的视觉与办公工作区组件,将 Claude 从对话界面拓展为多人实时协作环境。其中,新上线的「Claude Whiteboards」(Beta)为共享无限画布,支持用户与团队成员在同一空间内开展视觉头脑风暴、绘制流程架构图、排布项目时间线以及搭建交互式应用原型;团队成员可在画布节点上直接评论并 @Claude,调用 Claude Projects 的项目上下文对版式布局或界面组件进行原地重排与修改。同批发布的还有支持多工作表公式与实时协同的「Claude Sheets」(Beta),以及由原 Claude Dashboards 升级并正式全面开放(GA)的「Claude Data」交互式数据报表与可视化工具。此外,Anthropic 同步升级了 MCP 连接器市场,支持将 Adobe、Atlassian、Salesforce 等外部工具直接嵌入白板与表格工作流。

大语言模型工作台通过内置共享视觉白板(Whiteboards),将单人对话式的 Artifact 预览延伸为支持多人标注、流程图与界面原型协作的画布环境。

查看原始来源 ↗

Adobe Newsroom· 11月10日一手编辑精选 产品

Adobe 在 MAX 2026 期间推出 Firefly Design(Beta)协作画布,将位图、矢量、动效、3D 与印刷排版整合至单一空间,并提供对象级编辑与重打光;桌面端同步上线 Photoshop 三光源交互式 Relight 与 Generative Restyle 强度滑块、Premiere Pro 全新 Color Mode 与时间线原生音乐/音效生成,以及 InDesign 实时多人协同编辑。

AA另有 1 家来源
推荐理由 Firefly Design 将位图、矢量、动效与 3D 整合进同一画布,而 Photoshop 的三维方向重打光与 Premiere 的时间线音乐生成则把生成式 AI 进一步转化为可量化调节的参数控件。

Adobe 于 2026 年 11 月 10 日在 Adobe MAX 2026 上推出 Firefly Design(Beta)及 Creative Cloud 桌面套件年度更新。Firefly 正式演进为多模型创意工作室,其核心新增模块「Firefly Design」提供集位图、矢量、动态图形、3D 与印刷版式于一体的多人协作画布,内置 Edit Object(对象级编辑)、Edit Text(画面文字重排)、Relight(重打光)与 Retouch(精修)工具,支持从概念生成到多规格交付在同一画布完成。桌面应用方面,Photoshop 新增交互式「Relight」功能(支持在画面中布置最多 3 个虚拟光源并实时调节方向、色温与材质反射)以及带参数强度滑块的「Generative Restyle」;Premiere Pro 重构了 AI 辅助「Color Mode」调色工作区,上线视频运动物体擦除(Video Object Removal)及根据时间线剪辑节奏原生生成背景音乐与音效的「Generate Music」功能;InDesign 则正式引入网页与桌面互通的实时多人协同编辑(Co-editing)。

Firefly Design 将位图、矢量、动效与 3D 整合进同一画布,而 Photoshop 的三维方向重打光与 Premiere 的时间线音乐生成则把生成式 AI 进一步转化为可量化调节的参数控件。

查看原始来源 ↗

11月9日周一
Anthropic News· 11月9日一手 模型

Anthropic 11 月 9 日发布旗舰模型 Claude Fable 5.2(及受限访问的 Mythos 5.2),支持 100 万 token 上下文与常驻自适应思考,面向多步骤软件迁移、电路与 PCB 设计及子智能体编排等长程任务;生成速度较 Fable 5.1 提升最高 30%,API 定价下调至每百万 token 输入 $8、输出 $40。

ACA另有 2 家来源
推荐理由 旗舰模型在长程多智能体协同与跨学科工程设计(从大型代码库迁移到硬件电路设计)上继续演进,同时通过提速 30% 与降价降低高复杂度工作流的调用门槛。

Anthropic 于 2026 年 11 月 9 日发布新一代前沿模型 Claude Fable 5.2(以及面向特定安全与科研合作方的 Mythos 5.2)。该模型专为长周期(long-horizon)智能体工作流与高复杂度技术任务构建,支持 100 万 token 上下文窗口并默认开启自适应思考(Adaptive Thinking),在多步研究规划、子智能体协调、大型软件迁移以及从零设计完整电子电路与 PCB 等工程测试中表现突出。性能与成本方面,Fable 5.2 的 token 生成速度较 Fable 5.1 提升最高 30%,并提供可选的 2.5 倍「Fast Mode」加速模式;API 价格下调至每百万输入 token 8 美元、每百万输出 token 40 美元。Anthropic 同时向 Claude Pro 订阅用户限时开放了 Fable 5.2 的预览体验。

旗舰模型在长程多智能体协同与跨学科工程设计(从大型代码库迁移到硬件电路设计)上继续演进,同时通过提速 30% 与降价降低高复杂度工作流的调用门槛。

查看原始来源 ↗

11月5日周四
Google Blog· 11月5日一手编辑精选 模型

Google 11 月 5 日推出 Gemini Omni 1.2 Flash,视频生成与编辑时长上限由 10 秒提升至 15 秒,720p 价格降至每秒 0.07 美元、较 1.1 Flash 低 30%,支持多轮对话式修改,已在 Gemini API、Google Cloud 与 Google Vids 正式可用。

GGT另有 2 家来源
推荐理由 更长的单段时长、更低的单价与无需整段重生成的对话式编辑同时到位,且模型进入正式可用阶段,降低了 AI 视频批量迭代的门槛。

Google DeepMind 于 2026 年 11 月 5 日推出视频生成与编辑模型 Gemini Omni 1.2 Flash,并在 Gemini API、Google AI Studio、Google Cloud、Google Vids、Google Flow 与 Google Ads 中正式可用(GA)。主要更新包括:原生连续视频生成与编辑时长上限由 10 秒提升至 15 秒;720p 草稿输出价格降至每秒 0.07 美元,较 Gemini Omni 1.1 Flash 降低 30%;强化图像、视频与音频参考输入的一致性,使角色、品牌与产品细节在多镜头切换和多轮编辑中保持稳定;支持通过自然语言多轮对话逐步修改既有片段(如更换环境光线或局部细节),无需从头重新生成整段视频。官方推荐先以 360p 或 720p 快速生成并对话修改,定稿后再放大至 1080p 或 4K;所有生成视频均嵌入 SynthID 水印。

更长的单段时长、更低的单价与无需整段重生成的对话式编辑同时到位,且模型进入正式可用阶段,降低了 AI 视频批量迭代的门槛。

查看原始来源 ↗

11月4日周三
PCMag· 11月4日编辑精选 模型

OpenAI 11 月 4 日向包含免费版在内的全体 ChatGPT 用户及 API 推出 Images 2.6 更新:支持由文字、照片或草图直接生成可调速、可逐帧修改的动态 GIF,可跨对话保存角色与宠物参考形象,整体出图提速约 50%;API 同步上线极速版 gpt-image-2.6-flare 与高精版 gpt-image-2.6-sunburst,并支持 SVG 矢量导出与局部圈选编辑。

PZO另有 2 家来源
推荐理由 主流对话式生图工具首次原生打通动态 GIF 逐帧调节、跨会话角色形象复用与 API 端 SVG 矢量输出,并以极速与高精双模型分流草稿与定稿场景。

OpenAI 于 2026 年 11 月 4 日面向全部 ChatGPT 套餐(含免费用户)及开发者 API 推出 ChatGPT Images 2.6(底层为 GPT-Image-2.6 系列模型)。主要更新包括:一是原生动态 GIF 生成,用户可通过文字提示或上传照片、手绘草图直接生成循环动图,并在生成后调整 0.5x 至 2x 播放速度、查看图层或单独修改某一帧;二是跨对话参考形象保存,用户可将人物、角色或宠物保存为命名参考图,在后续对话中直接调用以保持角色一致性,无需重复上传;三是整体生成速度较上一代提升约 50%。开发者 API 端拆分为两款模型:gpt-image-2.6-flare 侧重低延迟,最快约 6 秒返回图像草稿;gpt-image-2.6-sunburst 侧重画面细节与多轮编辑一致性。API 同时新增 complexity(低/中/高)版式规划复杂度参数、画面圈选局部修改(Markup-Guided Edits)以及 SVG 矢量格式导出。

主流对话式生图工具首次原生打通动态 GIF 逐帧调节、跨会话角色形象复用与 API 端 SVG 矢量输出,并以极速与高精双模型分流草稿与定稿场景。

查看原始来源 ↗

Kling AI· 11月4日一手 模型

快手可灵于 11 月 4 日将轻量高速视频模型 Kling 4.0 Flash 面向全体网页端用户与公共 API 正式开放(GA),支持文生视频、图生视频与 Omni Reference 多模态参考,可快速生成 3 至 20 秒 720p 视频(API 约 0.094 美元/秒),并同步提供 Adobe Premiere 与 After Effects 等工作流插件。

推荐理由 继旗舰版 Kling 4.0 之后,面向高频迭代的轻量版全面放开 API 与后期软件插件,便于在正式高分辨率渲染前低成本验证分镜与动作。

继 10 月中旬全量上线旗舰模型 Kling 4.0 后,快手可灵于 2026 年 11 月 4 日宣布将轻量高速版本 Kling 4.0 Flash 解除年度会员专属限制,面向全体网页端用户开放,并同步上线公共 API、命令行接口及创作套件插件。Kling 4.0 Flash 针对高频概念测试与分镜预演优化,支持文生视频、图生视频与 Omni Reference 多模态参考控制,单次可生成 3 至 20 秒的 720p 视频片段,API 定价约为每秒 0.094 美元,并支持在 Adobe Photoshop、Premiere Pro、After Effects 及 Krea 等多模型工作台中直接调用。

继旗舰版 Kling 4.0 之后,面向高频迭代的轻量版全面放开 API 与后期软件插件,便于在正式高分辨率渲染前低成本验证分镜与动作。

查看原始来源 ↗

ComfyUI GitHub· 11月4日一手 产品

ComfyUI 11 月 4 日发布 v0.44.0,加入 MiniMax H3 Max 系列视频编辑合作节点与 H3 开源模型配套支持,新增 ProRes 视频保存(可选色度二次采样)和独立的 VAE 计算 dtype 设置。

CC另有 1 家来源
推荐理由 MiniMax H3 视频生成与编辑在开源节点工作流中进一步补齐,ProRes 导出让生成结果可以直接进入专业后期流程。

ComfyUI 于 11 月 4 日发布 v0.44.0。合作节点方面,新增 MiniMax H3 Max 的 Recast、Extend、Reframe、Insert、Lip Sync 与 Camera Control 等视频编辑节点,以及 BFL Flux Video Upscale V2、VEED Dubbing 等视频超分与配音节点;开源模型方面,加入基于 MiniMax H3 的 P-H3-Image 图像模型、H3 潜空间超分模型、Sol-H3-VAE 加载,以及通过重叠上下文窗口生成更长 H3 视频的支持。此外,新增可单独设置的 VAE 计算 dtype 节点,并支持以 ProRes 格式保存视频、可选择色度二次采样方式。

MiniMax H3 视频生成与编辑在开源节点工作流中进一步补齐,ProRes 导出让生成结果可以直接进入专业后期流程。

查看原始来源 ↗

查看全部资讯 →