精选

Ideogram 于 10 月 22 日发布其首个矢量模型 Ideogram Vector，API 模型 ID 为 ideogram-vector-1（媒体多称 Vector 1.0）。模型有两条路径：文生矢量用文字描述生成 SVG，可附参考图；图转矢量把 JPEG、PNG、WEBP 图像直接转成 SVG，分简单和细节两种模式。官方称输出带平滑渐变和清晰文字排版，可在矢量编辑器中单独选中、修改形状和整体换色。模型已在 Ideogram 应用和 API 上线。API 按每个 SVG 计价：文生矢量低、中、高三档为 0.13、0.16、0.20 美元，高档带参考图为 0.32 美元；图转矢量 0.10 美元/张。API 文档注明图转矢量的图层分组功能尚不可用，也没有对已生成 SVG 做局部修改的端点；目前没有独立测评。

主流 AI 生图工具输出的多是位图，Ideogram Vector 直接给出可在矢量编辑器中单独修改形状和换色的 SVG，适合标志、图标、贴纸和印刷周边。

查看原始来源 ↗

快手旗下可灵 AI 于 10 月 15 日晚宣布，新一代视频生成模型 Kling 4.0 在可灵官网全量上线，快手次日发布英文新闻稿。Kling 4.0 单次生成 3 至 30 秒，最多可输入 10 张关键帧；全能参考一次最多组合 15 个素材，其中图片最多 10 张、参考视频最多 5 段且总长不超过 30 秒、主体最多 7 个，也可以加入声音参考。模型支持双声道立体声和 21:9 画幅，提示词上限 8000 token，视频可多次续写到最长 2 分钟，还能对已有视频中的主体和背景做增删改。官方功能页把 4K 与 1080p 的 10-bit HDR 输出标注为即将推出；Kling 4.0 已接入可灵 MCP 和 CLI，面向企业和开发者的 API 将于近期开放。9 月 28 日内测时，轻量版 Kling 4.0 Flash 先向黑金年卡会员开放。

30 秒单镜头、多关键帧和多素材组合参考已可在网页端使用，适合需要镜头连贯、角色一致的广告和短片制作；4K HDR 输出和 API 还要等。

查看原始来源 ↗

Krea 于 2026 年 10 月 15 日发布图像编辑模型 Krea 3，当天在 krea.ai 上线，并通过 fal、Hedra、Together AI、Nous Research、OpenRouter 和 Replicate 提供。模型原生输出 2K，官方称多数编辑端到端在 8 秒内完成；按 Krea 平台 9 月 24 日至 10 月 1 日的统计，Nano Banana Pro 和 GPT Image 2 的编辑中位耗时分别为 33 秒和 90 秒。定价为每张 2K 图 0.06 美元、每张 1K 图 0.03 美元，每次编辑最多 6 张参考图，Krea 称编辑时能保持产品标签、logo 和人物外貌不变。API 发布当天仅对 beta 工作区开放，10 月 19 日对所有工作区开放，10 月 20 日 Krea 3 结束 beta；只改指定区域的边界框编辑于 10 月 23 日加入 API。按更新日志，LoRA 和风格参考暂不支持 Krea 3。Krea 汇总的第三方榜单显示，Krea 3 Ultra 在 Artificial Analysis 图像编辑榜排第 5、在 Arena 多图编辑榜暂列第 4（投票数较少，标为初步结果）。

Krea 3 主打快速、低价的局部编辑，适合产品图换场景、多版本改稿这类需要反复出图又要保住主体不变的工作。

查看原始来源 ↗

Adobe 与 NVIDIA 于 2026 年 10 月 15 日宣布在今年 3 月战略合作的基础上扩展合作。Photoshop、Premiere 和 Substance 3D 针对 NVIDIA 的 PC 芯片 RTX Spark 做了优化，两家公司称 AI 处理、剪辑、调色与特效最高可提速 2 倍，未说明对比基准和测试任务。具体改动包括：Photoshop 改为 GPU 加速合成，涉及移除工具和高斯模糊、Light Leaks 等效果；Premiere 的播放、渲染、调色以及 Enhance Speech、Object Mask 等 AI 功能；Substance 3D Painter 的高负载纹理步骤。按 NVIDIA 10 月 13 日的博客，首批 RTX Spark 笔记本 10 月 16 日上市，Photoshop 与 Premiere 的 AI 功能优化需加入 beta 获取，Substance 3D 的更新稍后推出。云端的 Frame.io 用 NVIDIA 硬件解码和 TensorRT 加速素材导入与检索，Adobe 称在部分任务的早期测试中嵌入生成快约 5 倍。营销产品 Brand Concierge 接入 NVIDIA Nemotron 开源模型的版本将于今年晚些时候面向企业客户提供。Adobe MAX 定于 11 月 10 日至 12 日举行。

在 RTX Spark 笔记本上用 Photoshop、Premiere 做本地 AI 处理，现阶段要走 beta 版，提速幅度目前只有厂商数据。

查看原始来源 ↗

Google 于 10 月 13 日宣布 Gemini 4 Argon 在全球开放，官方博客由 Google DeepMind 高级副总裁 Koray Kavukcuoglu 署名。开发者和企业可通过 AI Studio 与 Gemini 平台的 API 使用，Google AI Ultra 订阅用户可在 Google Antigravity 中使用，Google AI Ultra 和 Pro 订阅用户可在 Gemini 应用和搜索的 AI 模式中使用；面向网络安全防御方的 Fairwind 计划同日扩大到数百家合作伙伴。Google 称 Argon 擅长编程、金融、法律、网络安全和科学领域的复杂多步骤任务，在 Vals Index 上排名第一，相比此前的 Gemini 模型在空间推理、数学精度和视觉编程上有明显提升，官方演示包括在 Antigravity 中通过 Blender MCP 自主搭建 3D 建筑场景、把真实桌面照片做成可玩的浏览器小游戏。API 介绍期价格为每百万 token 输入 2 美元、输出 10 美元（缓存输入便宜 95%），2026 年 11 月 30 日介绍期结束后为输入 4 美元、输出 20 美元。该模型 9 月 30 日发布时仅通过 Fairwind 计划向网络安全防御方定向开放。

新一代旗舰在安全评估后从小范围预览走向全面开放，其视觉编程与 3D 场景生成能力也开始进入通用模型的能力清单。

查看原始来源 ↗

Anthropic 于 10 月 8 日推出两项测试版功能。Claude Motion 面向 Team 与 Enterprise 套餐：用户描述需求后，Claude 写代码把用户自己的文字、图表、形状和图像做成像短视频一样播放的动效，官方举的例子包括把季度报告做成 30 秒说明片、给董事会幻灯片里的图表加动效、做产品上手演示；结果可以在编辑器里调整或让 Claude 修改，再导出 MP4。它不使用视频生成模型，画面里没有生成的影像或 AI 人物；需要继续加工时，可以在 Adobe、Descript、HeyGen、Higgsfield、invideo、Luma AI、Runway 中打开，Canva 与 Captions 即将支持。Claude Dashboards 面向付费套餐，连接 BigQuery、Databricks、Snowflake 等数据平台或 Salesforce 等 CRM，生成保持更新的数据看板。同日，Claude Docs、Slides、Design 退出测试版，向包括免费版在内的所有套餐开放；独立的 Claude Design 网站（claude.ai/design）将并入 Claude，保留到 12 月 14 日，团队可在 Claude 的 Artifacts 页面一键迁移设计系统。

动效由代码生成、每个字和数字都能改，适合汇报、课件这类要求内容准确的场景；在用 Claude Design 的团队需要在 12 月 14 日前迁移设计系统。

查看原始来源 ↗

Midjourney 于 2026 年 10 月 8 日在官方更新日志宣布，在 Alpha 网站（alpha.midjourney.com）测试图像生成的「Thinking Mode」：在作品的 lightbox 界面右下角点击「Rerun (Thinking)」，即可让模型以思考模式重新生成该作品。官方表示内部测试中该模式提升了提示词准确度、文字排版和画面连贯性，并征集用户反馈其在哪些情况下有效或无效；未来可能作为常规的「思考」生成选项，或作为生成后「追加思考」的方式更广泛开放。

测试时计算的「先思考再生成」思路从语言模型延伸到主流图像生成工具，直接针对复杂提示词和画面文字的常见失误。

查看原始来源 ↗

OpenAI 于 10 月 7 日宣布 GPT-6 覆盖全部 ChatGPT 套餐，并同步推出 Intelligent UI。开启后，ChatGPT 的回复可以直接包含可点击的按钮、交互式图表、表单、地图和计算器等元素：官方示例包括可点击零件的自行车组装说明、按宾客人数自动换算用量的菜谱，以及把沿途站点标在地图上的自驾路线。模型会自行判断一个问题适合用对比、图示、地图还是纯文字回答，简单问题仍以文字回复，用户也可以主动要求更多或更少的可视化内容。据 TechCrunch 和 SiliconANGLE 报道，Intelligent UI 随 GPT-6 在全球推出，Plus、Pro、Business、Enterprise 用户 10 月 7 日起可用，免费版和 Go 用户 10 月 8 日起可用；Business 与 Enterprise 账户需由管理员开启。

主流对话产品的默认输出从纯文字转向可操作的界面元素，AI 回复本身成了需要设计的交互界面。

查看原始来源 ↗

Figma 于 10 月 6 日宣布 Figma Agent 正式可用、退出测试版。官方称新版智能体更能遵循指令、处理更长的任务，在专业设计师参与的人工评测中约六成以上胜出。新功能包括：设计库所有者可上传 Markdown 格式的「指南」（guidelines），写明设计系统的规则、最佳实践和反例，用户启用该库提问时智能体都会读取；可在对话中搜索并插入 Figma 各产品里的内容，如 FigJam 便签、Figma Slides 文案和设计稿画框；团队成员可在画布上实时查看、跟随彼此的智能体工作。生成式插件同步正式可用，自定义技能扩展到 Starter 套餐。Figma Agent 自 10 月 6 日起消耗 AI 积分。官方博客同时介绍了 Uber、Granola、Atlassian 用它维护设计系统文档和动效规范的做法。

设计工具里的智能体从测试走向正式计费，并开始读取团队设计系统的使用规范，进入日常生产环节。

查看原始来源 ↗

Black Forest Labs（BFL）于 10 月 2 日发布 FLUX 3 Image，是其多模态模型 FLUX 3 的图像部分。用法是先选画幅（画布按 0–1000 的坐标网格计），为画面里每个重要元素拖一个边界框并描述框内内容，再用一句话概括整个场景，模型按框生成；BFL 称之后的多轮编辑不会改动其他像素。模型支持文生图、图生图和文字渲染，最多可接 10 张参考图，输出分辨率从 768 到 4K，生成前还可以先做网页与图片搜索。据 The Decoder 报道，API 到 10 月 8 日半价，企业可以授权商用权重，在自己的设施上运行和微调，开放权重版本预计在未来几周推出。

按区域排布、只改指定部分，适合版式、海报这类需要精确控制元素位置的设计工作。

查看原始来源 ↗

Anthropic 于 10 月 2 日推出 Claude Frontier Academy，投入 1 亿美元，计划到 2027 年底培养 1 万名「前沿部署工程师」（Frontier Deployed Engineer），即能在企业里把 Claude 从想法做成生产系统的工程师。首个项目参照医生的培养方式：学员由所在单位提名，每人带着一个回去要主导的 Claude 项目报到；先参加由 Anthropic 工程师和持证讲师带领的多日线下集训，在模拟的企业部署中走完从选定用例、安全审查到交付的全过程，通过新场景的实操考核后获得 Claude Resident Engineer 徽章；随后进入 12 周的住院期，在本单位主导一个真实的 Claude 用例，期满再次考核，通过者获得 Claude Frontier Deployed Engineer 徽章，首批预计 2027 年初颁发。首批学员来自埃森哲、贝恩、凯捷、澳洲联邦银行、德勤、麦肯锡、摩根士丹利和诺和诺德，课程在旧金山、纽约和伦敦开班。Anthropic 称，此前已有 4.6 万家机构的人员通过 Claude 合作伙伴网络获得超过 17.5 万项 Claude 认证。

企业用 AI 的瓶颈正从模型能力转向人才，模型公司开始自己成体系地培养部署工程师。

查看原始来源 ↗

ComfyUI 于 10 月 1 日推出 Comfy Agent，内置在 ComfyUI 里。用户用文字描述想要的结果，智能体在画布上规划方案、搭建并运行工作流，遇到报错会自己修，也会帮忙查找素材、解释技术术语；官方举的例子包括「把这次生成再拿 3 个视频模型对比」「解释这个工作流在做什么、哪里慢」「把产品图工作流在这 20 张图上重跑一遍」。智能体工作时，用户可以同时编辑同一个工作流，所有节点参数照常可调。用户可以创建和使用公开或私有的技能，最多同时开 5 个对话。Comfy Agent 目前向所有 Comfy Cloud 用户开放、仍为测试版，使用账户里已有的 Comfy Credits，可先领取免费的初始对话；桌面版 Comfy Desktop 几周后上线，官方还计划让本地版由智能体协助完成显卡配置和模型选择。

节点式工作流的门槛主要在连线和排错，这部分交给智能体后，创作者可以把精力放回画面本身。

查看原始来源 ↗

Google 于 9 月 30 日发布 Gemini 4 Argon，官方博客由 Google DeepMind 高级副总裁 Koray Kavukcuoglu 署名。Google 称它面向需要长时间深度推理的专业任务，包括真实场景的软件工程、法律与金融等企业知识工作，以及网络安全防御，具备业界领先的 100 万 token 上限。官方给出的成绩包括：DeepSWE v1.1 得分 77.9%（Google 称为新的最好成绩），在衡量金融、编程、法律、税务工作的 Vals Index 上领先，在 Zapier 的 AutomationBench 上以 51.3% 排第一。模型目前只通过 Fairwind 计划向受信任的网络安全防御方开放；Google 称会先收集反馈、完善防护，再向开发者、企业和普通用户开放，首批为付费 API 用户和 Google AI Ultra 订阅者。API 介绍期价格为每百万 token 输入 2 美元、输出 10 美元，缓存输入比普通输入便宜 95%；介绍期结束后为输入 4 美元、输出 20 美元。The Decoder 的评测文章认为，它缩小了与 OpenAI、Anthropic 的差距，但没有明显领先。

新一代旗舰先给网络安全防御方小范围试用，再分阶段开放，前沿模型的发布节奏越来越受安全评估约束。

查看原始来源 ↗

OpenAI 于 9 月 29 日开发者日当天在 API 发布 GPT-6.1 Sol（gpt-6.1-sol），面向复杂编程与专业工作，官方称其表现接近 GPT-6 Astra、成本更低。标准定价（输入不超过 272K token，每百万 token）：输入 $2、缓存输入 $0.10、缓存写入 $2.50、输出 $10，输入与输出价格与 9 月 22 日发布的 GPT-6 Sol 相同，是 GPT-6 Astra（输入 $10、输出 $50）的五分之一。GPT-6.1 Sol 以测试形式支持多智能体：在一次 Responses API 请求中，模型可以把工作分派给子智能体。按官方模型指南，GPT-6 家族现分三档：Astra 能力最强，GPT-6.1 Sol 兼顾速度、成本与能力，Luna 最快、成本最低；已在用 gpt-6-sol 的开发者需先查看迁移说明再切换。据 TechCrunch 报道，GPT-6.1 Sol 当天起向 ChatGPT Work 与 Codex 的 Plus、Pro、Business、Enterprise、Edu 用户开放，暂未进入普通对话；原先外界预期的 GPT-6.1 Astra 没有发布，OpenAI 前一天已因安全测试不达标取消了它的上线。

同价位的模型一周内迭代一版，并把多智能体分派放进 API，拆分长流程任务的门槛随之降低。

查看原始来源 ↗

ComfyUI 于 9 月 29 日发布 v0.38.0。开源模型方面，原生支持 Ming Image 0.1 Design（6B 参数文生图模型，面向文字密集的设计版式，可输出带透明通道的图像）、MiniMax-H3 Fun ControlNet Union 2.0（一次生成组合多个控制条件）、基于 Wan 2.1 与 VACE 的身份保持视频转视频 ID-V2V，以及 Qwen-Image 2.1 的 ControlNet 与用于快速预览的轻量 VAE。节点方面，色彩空间转换新增 LogC3 与 ACEScct 两种 HDR 色彩空间。合作节点方面，Seedance 2.5 新增草稿模式，先渲染 480p 快速预览，再用其任务 ID 驱动 1080p 正片渲染；Seedream 节点加入更快、成本更低的 Seedream 5.0 Flash，Pro 版最高分辨率提升到 4.62MP；OpenAI 对话节点加入 GPT-6 Sol 与 Luna；随着 Sora API 停服，Sora 视频节点已移除。

文字排版类开源生图模型和「先草稿、后正片」的视频渲染同时进入节点工作流，版式设计和视频预演都多了低成本的试错方式。

查看原始来源 ↗

Adobe 于 9 月 29 日配合 OpenAI 开发者日，更新 ChatGPT 中的 Adobe 插件，加入在侧边面板打开的交互式编辑器。图片与设计编辑器由 Photoshop 和 Adobe Express 驱动：用户可以选中对象或用画笔涂抹一块区域，让 ChatGPT 调用插件做针对性修改，再用色相、饱和度、对比度等滑块微调；编辑器按修改类型显示控件，例如要求改某个物体的颜色时，只对选区显示颜色控件。编辑器里的调整会作为上下文回到对话，不必重新上传或重新说明。PDF 可以在侧边面板里用 Acrobat 工具直接改文字、加高亮，选中的段落也能用来引导后续对话。OpenAI 当天发布的插件扩展同样允许插件在对话旁打开面板，并在侧栏和文件编辑器中呈现自己的界面。更新从当天起在 ChatGPT 网页版和 App 全球逐步推出。

局部修改可以先用一句话交给 AI，再用滑块手动收尾，不必重新生成整张图。

查看原始来源 ↗