爱范儿实测 Seedream 5.5:像素级精准改图,百轮修改仍保持一致
字节跳动发布新一代图像创作模型 Seedream 5.5,主打像素级精准编辑、百轮连续修改不崩坏、原生 RGBA 透明素材和小字渲染,火山引擎将于本周上线 API。
推荐理由:原文通过多轮改图、写实人像和中文密集排版实测对比了 Seedream 5.5 与 GPT Images 2.6 等模型,并给出价格与崩坏率数据,便于判断其专业市场竞争力。
字节跳动发布新一代图像创作模型 Seedream 5.5,主打像素级精准编辑、百轮连续修改不崩坏、原生 RGBA 透明素材和小字渲染,火山引擎将于本周上线 API。
推荐理由:原文通过多轮改图、写实人像和中文密集排版实测对比了 Seedream 5.5 与 GPT Images 2.6 等模型,并给出价格与崩坏率数据,便于判断其专业市场竞争力。
爱范儿用 M6 版 MacBook Pro 实测更新后的 Apple Creator Studio:Logic Pro 对一首 4 分半歌曲做音轨分离,比 M3 Pro 快近一分钟,并轨导出 17 秒对 25 秒;Pixelmator Pro 同时放大 5 张高像素照片用时 48 秒,而 M3 Pro 为 2 分 52 秒。
富士电视台计划从 2027 年 10 月起将生成式 AI 应用于所有真人电视剧制作,成为日本首家全面引入 AI 的大型商业电视台。其每年制作的 16 部电视剧将使用谷歌图像生成和编辑工具 Nano Banana,由内部实验室 AI Sandbox 及 ANDENT 培训的 CG 设计师负责测试与应用。
本文讲解如何将 ComfyUI 可视化编辑器导出的工作流 JSON 改造成带 {{变量名}} 占位符的模板文件,在程序中注入提示词、模型名、采样参数后提交执行。
量子位实测即梦短剧工作室,它把剧本、资产库和分镜串在同一项目里,可从一句话灵感生成10集分集大纲与前三集剧本,并用智能预演、480p试生成和局部重拍控制试错成本。即梦整合了同属剪映旗下的小云雀短剧agent能力;10月底推出「即梦短剧机构伙伴计划」,播放量达最高奖励档的单部作品可获10万元现金和价值10万元即梦积分,Seedance 2.5优惠后个人单秒低至0.16元。
国务院办公厅发布 2027 年部分节假日安排,春节连续放假 9 天,全年共安排 5 个周末补班日。OpenAI 发布 Images 2.6 模型,为 ChatGPT 引入原生 GIF 动图生成功能,图像生成速度提升约 50%。月之暗面开放 Kimi K3.1 Pro 模型权重,该模型采用 MoE 架构,总参数量 2.8 万亿,支持约 100 万 Token 上下文窗口。
OpenAI 正式发布新一代图像生成模型 Images 2.6,同步向 ChatGPT、Codex 和 API 开放,生成速度提升 50%,并首次支持通过文字提示词生成 GIF 动图。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
OpenAI 图像模型 GPT-Image-2.6 在 ChatGPT、Codex 及 API 全量上线,整体生成时间缩短 50%,最快 6 秒出图,原生支持 GIF 动图并可直接导出 SVG。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
OpenAI 发布 Images 2.6,带来更快的图像生成、GIF 创建、更精确的编辑以及新的 API 控制。新版本可在 ChatGPT、Codex 和 API 中使用。
推荐理由:官方列出了 Images 2.6 的四项能力变化和三个可用入口,读者可据此判断它能否替换现有图像生成工作流。
OpenAI 推出 Images 2.6 模型,ChatGPT 可通过提示词或上传照片直接生成 GIF 动画,并支持调整动画速度、编辑单个帧和分享。Images 2.6 还加快了图像生成速度,用户目前每周通过 ChatGPT 及其 API 生成超过 40 亿张图片,较 9 月份报告的每周 30 亿张大幅增长。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
ChatGPT 推出动画 GIF 生成功能,基于 OpenAI 新 Images 2.6 模型,正向所有 ChatGPT 和 Codex 用户的网页、桌面和移动端推出。
同一新闻,精选展示《OpenAI 发布 Images 2.6》
ChatGPT 现在可以根据提示词或上传的照片生成 GIF,该功能随 OpenAI 的 Images 2.6 模型推出。用户可调整 GIF 的动画速度、编辑单帧并分享给他人,此前 ChatGPT 无法一步原生生成 GIF。
小米 REDMI K100 上线基于视觉生成框架 WorldCast 的 3D 运镜功能:选中相册静态照片即可生成环绕、推拉、倾斜的大角度 3D 运镜视频,人物五官、发型、衣着保持一致。WorldCast 通过解读画面深度结构将平面照片还原为三维场景,并虚拟出真实相机轨迹。小米称其沉淀了方法、数据集和评测方式,后续将探索更复杂运镜形态与可控 4D 视频生成。
作者用约 180 行零第三方依赖的 TypeScript 程序接入 ComfyUI 常驻服务,完成提交文生图工作流、排队等待、取回生成图片的完整流程。
苹果面向 iPhone 推送首个 iOS 27.3 开发者预览版,为国行用户带来「Apple 智能与 Siri」,首批上线实时翻译、写作工具、视觉智能、图片消除、智绘表情和通知摘要等功能。
推荐理由:原文逐项列出首批功能的设备门槛与启用条件,读者可据此判断自己的机型能否用上这些能力。
小度 AI 智能手表 Fit 于 7 月 27 日发布,定价 198 元,双 11 叠加国补等优惠后到手价 138.04 元。产品搭载百度文心大模型,支持语音提问与 AI 生成表盘,配备 1.95 英寸全面屏,薄至 8.8mm、轻至 42g。内置 100+ 运动模式与 24 小时健康监测,300mAh 电池常规续航 5 天、最长 7 天。
作者在 Windows WSL 环境从零部署 ComfyUI 常驻推理服务,搭配 Qwen-Image 2.1 的 GGUF 量化模型,涵盖 Python 虚拟环境、torch 与 CUDA 版本匹配、ComfyUI-GGUF 节点安装、模型下载与 extra_model_paths.yaml 路径映射。
Adobe Research 与 UC San Diego 提出 EditAgent,让图像编辑智能体像 Photoshop 专业人员一样为每步选工具,并用测量数据而非整体观感评判结果。
本项目把 VNCCS 的 3D 人偶姿势迁移能力移植到 Qwen-Image-2.1 管线,用 PoseStudio 渲染的姿势条件图加角色参考图加专用 LoRA,实现只换姿势、保留脸/发型/服装。
苹果正式宣布面向中国大陆用户推出 Apple 智能,首批功能 11 月 4 日起随 iOS 27.3 开发者测试版开启测试,12 月随正式版推出。首波功能包括全新 Siri 外观与交互、写作工具、照片消除与自然语言检索、智绘表情、实时翻译、视觉智能和通知摘要,仅限 iPhone 15 Pro/Max、iPhone 16 及后续机型,iPad 与 Mac 仍待监管审批。
同一新闻,精选展示《国行 Apple 智能将接入千问,用户可自主选择是否开通》
Anthropic 两款新 Claude 模型曝光:Fable 5.5 与代号 Obsidian 3 的新一代 Opus,均已进入早期测试。claude-fable-5-5 条目曾短暂出现在 Azure 模型目录,实测图显示其画面细节较 Opus 5.5 更多;Obsidian 3 在基准测试平台的跑分略高于现款 Opus 5.5。
Genspark 发布视频智能体工作台 Media Studio,由大语言模型担任「导演」调度 20 多家厂商的 70 多个模型版本,覆盖视频、图像、音频和 3D 生成。
推荐理由:作者用四个实测案例展示了从rap视频到短剧的完整流程,读者可以直观判断这套工作流的门槛和积分成本。
Apple 发布配备 PROLED XDR 显示屏的 14 英寸与 16 英寸 MacBook Pro,Mac 首次支持屏幕触控,搭载 M5 Pro 和 M5 Max,起售价 2899 美元,11 月 6 日发售。
作者用两天把 Qwen-Image 2.1 素材管线从静态立绘改造成 8 朝向 × 站立/行走/奔跑三段动画的精灵图集,项目开源在 https://github.com/wyfirstname/qwenimage-comic 。
微软发布 MAI-Image-2.7-Preview 图像编辑模型,在 Artificial Analysis 的 AA-Image-Editing v2.1 榜单以 1,193 Elo 排名第二,仅次于 OpenAI 的 GPT Image 2.5 Sunburst (max)。
作者把 Qwen-Image2.1 游戏素材工坊迭代到 9.0,新增仿真测试与运行时实测两个环节。仿真测试按场景×季节把整套素材合成 1280×720 模拟游戏画面并逐张体检四项硬指标。
Meowcute(pixelforge)项目调研了「单图角色拆部件」的开源实现,现阶段选择「本地模型生成图 → 图生视频 → 抽帧转序列帧 → 简单游戏 Demo」的生产路线,主动暂停骨骼/网格动画路线。
10 月 26 日,字节跳动旗下即梦 AI 宣布即梦短剧工作室正式上线,提供自研剧本模型 DreamScript、图片模型 Anycook、分镜模型 DreamShot。
作者观察到广州等城市地铁站的灯箱广告已几乎被标注「画面由 AI 生成」的直出素材占据,这些「一眼假」的 AI 伪人广告引发不适且难以传递有效信息。相比单张可达千元以上的图库户外授权,一段提示词即可替代漫长沟通,使平庸方案成为各方最大公约数;文章建议借鉴巴黎、纽约经验制定户外广告管理规范,保护公共视觉空间。
作者开源了基于 Qwen-Image 2.1 的游戏素材工坊项目,输入一句话即可由 LLM 自动策划角色、宠物、分级武器、建筑、野怪设定,并生成 16~35 张风格统一的素材图。
meowcute 本地工具可把电脑上的视频或 GIF 离线拆帧、挑帧,拼成游戏引擎直接可用的序列帧精灵图与索引 JSON,全程在本机运行、不联网。拆帧默认 12fps、最多 120 帧,用 16×16 灰度指纹在浏览器端实时去重;白底视频按混合比例判据修复边缘混色。作者建议 HunyuanVideo、Wan 等视频生成模型只作动作探索,正式素材走骨骼渲染链路。
模思智能与 OpenMOSS 团队开源发布基于 5B 参数 DiT 主干的生图模型 MOSS-Image,上线 4 天即在 Hugging Face、GitHub 等海外社区收获 130 万次下载。
推荐理由:原文汇总了 MOSS-Image 的评测数据与社区实测对比,可据此判断它在文字渲染和布局控制上的实际定位。
月之暗面在 Kimi API 上发布 Kimi K3.1 Pro,输入 $2.00/百万 token、输出 $10/百万 token,并承诺于 2026 年 11 月 4 日发布完整模型权重。
设计平台 Canva 发布首款自研图像生成模型 Canva Craft,官方称可与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。
Meowcute 项目在单张 RTX 4090 上用 Qwen-Image-2.1 全离线生成角色四视图:正视图由文生图产出,侧/背/右三张以正视图为参考图按中文指令逐张推导,再用纯 numpy/PIL 确定性拼板。
Canva 发布首个自研 AI 图像生成模型 Canva Craft,采用两阶段架构,在生成图像前先规划设计,以提升复杂图像中文字可读性与物体摆放的精确度。
Canva 发布其首款图像生成模型 Canva Craft,与 Google、OpenAI、字节跳动和 Meta 的同类模型竞争。模型分两阶段工作,先解析提示词并规划元素空间关系与视觉层级,再生成最高 2K 分辨率、支持 30 种宽高比的图像;它使用 Canva 模板库中的人工设计而非照片训练,生成图像可通过 Canva Magic 转换为分层设计。
欧洲零售商正借助 NVIDIA 加速的开源模型与物理 AI,升级从数字发现到实体运营的各个环节。Shopify 后训练的 Nemotron 3.5 Lightning 以 90% 的成本降幅和 7 倍的响应速度超越前沿模型。L'Oréal 与 Otto Group 等企业也利用 Omniverse 等技术加速研发与仓储模拟。
Black Forest Labs 以开放权重形式发布 5.6B 参数图像生成模型 FLUX 3 Image Klein,针对消费级 GPU 优化,BF16 权重需 12.2GB 内存、FP8 需 5.6GB。
作者发现用简笔画小动物讲历史是公众号漫画的流量黑马赛道,漫画工坊可一键生成同款漫画,替代以往反推画风、调试提示词的一周起步流程。工具已把整理对标、找选题、拆解画风等基础工作提效 90%,但选题判断、方向优化与流量敏感度仍需靠自己积累。漫画工坊由作者用 Claude Opus5.5 历时 20 天开发,开发高峰期日烧 400 多元。