开源「AI 漫画 → 微信公众号草稿箱」全自动流水线项目
作者开源了一套 MIT 协议的 Web 系统,把 LLM 选题、剧本、主体确认、分格生图、人工审核到微信公众号草稿箱全自动串联,clone 后三条命令即可跑起。
作者开源了一套 MIT 协议的 Web 系统,把 LLM 选题、剧本、主体确认、分格生图、人工审核到微信公众号草稿箱全自动串联,clone 后三条命令即可跑起。
Adobe 宣布 Lightroom 移动版(iOS、iPadOS、Android)新增 Open Eyes 快捷操作,用生成式 AI 一键修复照片中的闭眼。应用检测到人物闭眼时会自动在图片上显示快捷操作图标,并调用图库中同一人物的其他照片作参考,使生成的眼睛匹配其颜色、大小和形状。免费用户可试用两次,之后会提示订阅包含更多 AI 额度的 Adobe Creative Cloud 套餐。
作者在2026年10月用同一提示词和同一张榨汁杯原图,实测了ChatGPT、豆包、WorkBuddy、千问、阿可AI、美图设计室、即梦、通义万相、创客贴、Gemini Nano Banana、LiblibAI共11款工具生成电商详情页长图的效果。
Lovart 迭代到 2.0,推出个人设计 Agent Arti,它以记忆功能为起点学习设计师的风格、偏好与常用资产,并主动承担前期调研、画布风格一致性检查、多轮反馈改稿,还会把重复流程沉淀为可复用的 Skill。作者实测其设计委托功能,可设定执行时间、频率与积分上限,专家模式在图片和视频生成上达到 4k 水准,创建页还提供 16 种设计需求模板。
MOSS-Image 是 OpenMOSS 开源的图像生成模型,骨干为 5B 参数的 DiT,通过 layout JSON 用坐标框明确指定文字和物体的位置,文本提示支持最长 4K token。
哪吒智云采用天翼云 AI 创作平台 DramaFlow 后,国风 AI 短剧创作周期压缩 60% 以上,算力成本下降约 40%,内容产出量翻两番。DramaFlow 聚合 Seedance-2.5、MiniMax H3、通义万相、Happyhorse1.1 等主流生图与生视频模型,提供短剧工作流、可视化画布、资产库管理等全链路创作工具。全栈国产算力与数据本地化处理满足国有内容企业的安全合规要求。
OpenAI 于 2026 年 4 月 21 日发布 GPT Image 2.0,相比偏旁部首经常错位的 GPT Image 1.5,它能正确生成中文、日文、韩文等非拉丁文字,TechCrunch 早期评测称其渲染结果达到像素级完美。
Arena 发布 2026 年第 42 周 AI 大模型盲测周榜,国产模型在多个细分榜单稳居中上游,其中 kimi-k3-max 以 ELO 1540 分稳定在代码榜第十名。
10 月 19 日 GitHub Trending 上涨星最快的不是新模型,而是 5 个把 AI 装回本地工作流的开源项目。
Lovart 2.0 发布个人设计 Agent「Arti」,核心是把生成之外的记忆、调研、巡检与协作整合进设计流程。Arti 可建立个人记忆库并从作品集、历史项目提炼审美偏好,后台异步完成全网设计调研,还能通过画布巡检实时对齐项目规范、在风格偏离时预警。
作者基于 Meta 开源项目 Animated Drawings 开发了 Windows 桌面工具「手绘小人动起来」,导入手绘图片后自动识别人物与关节点,选择内置动作即可生成 GIF 或 MP4 动画。
本篇讲解如何用 LangGraph 搭建多模态 Agent,把感知能力从纯文本扩展到图片、PDF/Excel 与图像生成。路由节点按模态分流:图片转 Base64 交由 GPT-4o / Claude 3.5 / Qwen-VL 分析,PDF 按原生文本或扫描版分层提取,Excel 生成数据摘要后交模型决策,画图调用 DALL·E 3 / Stable Diffusion。
作者建议把权属核查从成片后的法务环节前移到立项阶段,作为流水线的一个工程节点,输出权属声明文件、素材来源表和提示词档案目录三份产物。天津和平法院与北京互联网法院的两起案件表明,生成过程留档与授权审核已成为抗辩和免责的关键,门禁设计可在角色图定稿、批量生成和交付前分段拦截。
AI 海报素材站管理端以结构化 Prompt 模板配合异步任务队列实现出图全自动,运营无需设计师介入,几分钟内即可批量重刷整个栏目数十张封面。系统采用本地 ComfyUI 与阿里云 DashScope 双引擎,经 AiImageClient 统一出图入口按配置动态切换,上层业务代码完全无感知。
AI 无限画布开发者选型的核心是底层渲染引擎、多模态节点编排、API 开放能力、算力调度、数据安全、运维容错六大工程化指标,而非单纯的生图效果。星宇智算无限画布开放瓦片尺寸、重叠率等分片渲染参数,配套星桥 API、组织/项目/画布/节点四级权限与星元按量计费,同时支持 SaaS 与私有化部署。技术团队应先明确业务场景、并发规模与合规约束,再以基准、压力、并发等 POC 用例的实测数据完成选型决策。
部分卷积(PConv)是 NVIDIA 在 ECCV 2018 论文中提出的卷积算子,通过掩码让卷积只计算有效像素并做幅值补偿,从源头解决缺失数据下的图像修复问题。其输出尺寸与标准卷积完全一致,掩码每层如形态学膨胀般向外扩一圈、空洞逐层收窄,可直接嵌入 U-Net 等现有网络。复用时需注意分母是有效像素个数而非权重和,且掩码必须逐层同步更新,否则空洞永不收窄。
豆包工作"无限画布"可读取小说项目并自动生成漫画:Agent 负责规划、拆分镜与推进,图像模型负责作画。实测将一部 70 章小说的第一章生成 6 屏 18 格全彩竖屏条漫,耗时约 18 分钟,还能自查重绘、按框选修改对话气泡。用户可在电脑端下载"豆包工作"体验,限时免费领取 30 天会员。
美国总统 Donald Trump 在 Truth Social 发布白宫翻新系列照片,其中一张柱子前后对比图被 Google SynthID Detector 标记为使用 OpenAI 制作或编辑。Reddit 用户指出该图两侧台阶数量不一致,且与修复前照片的角度、窗户倒影和保护纸板位置几乎相同。SynthID 水印未在 Trump 发布的其他白宫照片中检测到,白宫未立即回应置评请求。
Black Forest Labs 发布开源权重图像模型 FLUX 3 Image Klein,参数量 5.6B,支持文生图、图像编辑以及最多十张参考图生成,可原生输出 4K 并支持像素级编辑与边界框元素定位。
同一新闻,精选展示《Black Forest Labs 发布 FLUX.3 Image Klein,Diffusers 首日支持》
Black Forest Labs 发布图像模型 FLUX.3 Image Klein,Hugging Face Diffusers 首日支持。单模型覆盖文生图、多参考图生图与边界框布局控制;蒸馏检查点在单张 H100 上约 1.93 秒生成 1024×1024 图像,并提供 NVFP4、FP8 量化权重与 DreamBooth LoRA 训练脚本。
推荐理由:原文同时给出能力清单、显存占用与 LoRA 训练脚本,读者可据此判断 FLUX.3 能否在自己的 GPU 上跑通。
研究人员发现 OpenAI 和 Google 推出的新 AI 模型可被轻易诱导生成裸体图像。相关攻击方法暴露了两家公司在防止 AI 生成裸体内容方面的安全护栏缺陷。
Mia Goth 的代表向 The Verge 表示,一个带蓝V认证的粉丝账号发布了她的 AI 合成照片,获数十万人点赞并被娱乐媒体当作真实报道,他们已多次要求 Instagram 移除该账号。
Epic Games 要求未公布迪士尼游戏的开发团队改用 Anthropic 的 Claude 等 AI 工具,该项目已错过原定 3 月发布窗口。游戏总监向员工表示不再手写代码,全部美术将改用完整 AI 工作流生成,Epic 发言人称公司正拥抱 AI 加速开发。
英伟达收敛了 DLSS 5 在《霍格沃茨之遗》中的画面处理,新对比图显示青少年面部不再像中年人,环境改动也更细微。DLSS 5 将于 11 月 5 日登陆该作,10 月更新把模型参数量缩减 24% 至约 1.18 亿,4K 显存占用降低 20%,在 RTX 50 系列 GPU 上速度提升一倍。
Arena 发布 2026 年第 41 周 AI 大模型排行榜,Anthropic Claude Opus 5.5 Max 新入榜即以 15.53% 净提升度登顶智能体榜第一。gemini-4-argon-high 继续稳居综合榜榜首,ELO 1525 分。国产模型整体处于中上游,kimi-k3-max 位列第 16,qwen3.8-max、mimo-v2.6-pro 等排名稳定。
豆包工作任务模式新增画布功能,可将素材、方案和创作成果铺在同一张无限画布上随时查看与对比,并支持生成后继续调整文字、配色与布局。豆包 2.1 Lite 模型已上线豆包工作,更省额度、更快交付,覆盖文档撰写、表格处理、PPT 制作等高频场景。豆包工作同时支持全新图片模型 Seedream 5.0 Flash,为生图创作带来更多风格与视觉表达选择。
Anthropic 的 Claude Science 协调多个 AI 智能体,首次绘制出完整的全天紫外地图。智能体从多次空间任务下载数据、校准并合并,用 inpainting 补全缺失区域,测试中预测与实测平均偏差约 10%。此前因臭氧层阻挡紫外光只能从太空测量,NASA GALEX 任务仅覆盖约三分之二天空,该地图将用作教学材料。
作者在 HuggingChat 中开启 ML-intern 模式,用自然语言描述需求,几天内做出六个自定义小模型,总计算成本约 103 美元。
推荐理由:作者用六个总成本约 103 美元的项目,总结了给智能体设预算、要基线、做冒烟测试的可复用方法。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 与 GPT-Image-2.5,帮助创作者将大胆创意转化为细节丰富的图像和电影级视频广告。
谷歌正式发布 AI 图像生成与编辑模型 Nano Banana 2.1,重点提升视觉设计、基于蒙版的图像编辑以及主体一致性表现。该模型正逐步部署至 Gemini 应用、Google AI Studio 等多个平台,面向开发者的模型 ID 为 gemini-nano-banana-2.1,支持文本、图片、音频和视频输入,可输出 1K、2K 和 4K 分辨率图像。
作者用 llm 工具让 claude-opus-5.5、gpt-6.1-sol、gemini-3.8-flash 与 mistral/mistral-large-4 四个模型生成同一幅"穿渔网袜在火星上乱穿马路的犰狳"SVG。wren6991 评论称基准已饱和,前沿模型开始接受这类搞怪任务测试。文中还列出了各模型的默认 reasoning level。
Google 发布图像生成与编辑模型 Nano Banana 2.1,替代 2026 年 2 月发布的 Nano Banana 2,基于 Gemini 3.6 Flash,各分辨率价格约为上一代的一半,1K 图像 3.36 美分、4K 图像 7.56 美分。
推荐理由:原文把各分辨率价格和基准分数并列列出,便于把 Nano Banana 2.1 与 Pro 的画质和成本差异放在一起比较。
Reka AI 发布 Rho-1 研究预览版,这是一个 190 亿参数的全模态模型,可在单一神经网络中处理并生成文本、图像、视频和机器人控制动作。所有模态作为 token 在一个共享上下文窗口中运行,无需工具调用或外部模型,同一套预测相机图像的权重也驱动机器人运动。
OpenAI 在 ChatGPT 中推出视觉展示广告,广告会出现在用户要求生成的图片旁边,带有明确标识且不影响 ChatGPT 的回答。新广告将于本月晚些时候率先在美国上线,初期面向一批测试广告主。OpenAI 同时扩展了广告衡量工具与合作伙伴生态,并与 DoubleVerify、Integral Ad Science 推进品牌适宜性评估试点。
OpenAI 将于本月晚些时候在 ChatGPT 图片生成加载界面测试新展示广告,以轮播或产品图片形式出现在生成图片下方并标注为广告。广告主可通过 Hightouch、Tealium、LiveRamp 回传转化数据,OpenAI 并与 DoubleVerify、Integral Ad Science 开展品牌安全试点。
斯凯孚(SKF)借助人工智能生成已故好莱坞影星葛丽泰·嘉宝的虚拟形象拍摄广告,该广告收获赞许的同时也遭到嘲讽。图像生成使用字节跳动 Seedream 5 Pro 与谷歌 Gemini 的 Nano Banana Pro,动作生成用到 Seedance 2、Seedance 2.5 及可灵 AI(Kling AI),语音则以嘉宝早年影片原声训练 AI 完成。
Google Research 提出 Diffusion Controller 框架,把扩散模型的去噪过程重构为连续控制问题,用轻量转向网络在冻结基础模型的前提下引导生成。