OpenAI 升級 ChatGPT 影像模型：生成快 4 倍，修圖終於不跑偏了
OpenAI 推出新版 ChatGPT Images 及 API 模型 GPT Image 1.5。新模型生成速度最高提升 4 倍，修改圖片時能鎖定光影和人物面貌，文字排版也更穩，API 費用降低 20%。最值得關注的是，ChatGPT 側邊欄還新增了獨立專區，免寫提示詞就能直接套用風格模板。
AIGC
Midjourney、Sora、Veo、Suno 等 AI 繪畫、影片、配音和音樂生成工具的新模型、新功能和新玩法。
檢視更新的新聞
傳 OpenAI 新影像模型現身 Arena：代號板栗與榛子
社群使用者發現疑似 OpenAI 旗下的新影像生成模型正在 Design Arena 和 LM Arena 盲測，代號分別為 Chestnut 和 Hazelnut。測試顯示其在世界知識、圖內程式碼生成上表現亮眼，外界推測或隨 GPT 5.2 近期釋出，但官方尚未確認。
Kling AI 上線 Avatar 2.0：單次生成 5 分鐘影片，修復手部動作
Kling AI 上線 Avatar 2.0 數字人模型，單次最多可生成 5 分鐘完整影片。新版本重點修復了 1.0 中手部動作不穩定的問題，並提升了肢體動作與面部表情表現力，適合知識講解與歌唱場景。官方稱其在內部盲測中表現領先 HeyGen 與即夢 OmniHuman-1.5。
Kling AI 推出 VIDEO 2.6：首個支援原生音訊的影片模型
Kling AI 推出 VIDEO 2.6，這是其首個支援原生音訊生成的影片模型。新模型能同步輸出畫面與連貫的聲音，主打「音畫合一」的敘事體驗。官方還聯合多位創意創作者釋出了展示短片。
Leonardo.Ai 上線 Kling O1：支援 5 張參考圖與首尾幀控制
Leonardo.Ai 宣佈接入 Kling O1 影片模型。該模型支援最多 5 張參考圖以及首尾幀控制，能在複雜運動中保持主體一致性，並提升了多指令提示詞的遵從度。對創作者來說，把控影片分鏡和連貫過渡變得容易得多。
Kling AI 推出 Kling O1：打通文本、圖片與影片的統一創意引擎
Kling AI 推出全新創意引擎 Kling O1，開啟 Omni 釋出周。該模型主打真正的多模態理解，能統一處理文本、影像和影片輸入，簡化生成創作流程。目前新功能已面向訂閱使用者開啟限時體驗。
Runway 釋出 Gen-4.5：登頂文生影片天梯榜，物理質感全面進化
Runway 釋出新一代影片生成模型 Gen-4.5，以 1247 Elo 積分登頂 Artificial Analysis 文生影片基準榜首。該模型在物理規律表現、鏡頭動態與提示詞遵循上大幅提升，並維持原有生成速度。目前已向全部付費訂閱使用者開放。
算力扛不住了：OpenAI 與 Google 縮減 Sora 和 Nano Banana 免費額度
因使用需求激增，OpenAI 與 Google 分別收緊了 Sora 和 Nano Banana Pro 的免費生成限制。Sora 免費額度定為每天 6 條影片，Nano Banana Pro 則降至每天 2 張圖。說白了，算力緊缺讓大廠吃不消，免費紅利正在加速退場。
LTX Studio 推出 Retake 功能：影片渲染後也能改臺詞和重構鏡頭
LTX Studio 推出「Retake」功能，讓使用者在影片渲染完成後依然可以調整鏡頭。創作者無需重新生成整段影片，就能直接修改角色臺詞、重塑情緒以及重構畫面景別。這意味著微調 AI 影片時不用再推倒重來。
Black Forest Labs 釋出 FLUX.2：支援 10 張圖多參考，開源 32B 權重
Black Forest Labs 釋出視覺模型家族 FLUX.2。新模型支援最多 10 張參考圖進行風格與角色一致性生成，編輯解析度最高達 4MP，並包含 32B 的開源權重版 FLUX.2 [dev]。這意味著專業排版與精準控圖的門檻進一步降低。
Midjourney 推出「Style Creator」早期版：不用文字也能捏風格
Midjourney 宣佈推出新工具「Style Creator」的早期版本。該工具讓創作者完全不依賴文字提示詞，就能探索並生成全新視覺美學風格，官方稱這是對未來生成體驗的一次提前窺見。
Google 釋出 Nano Banana Pro：支援多語言長文本渲染與 4K 輸出
Google 推出影像生成與編輯模型 Nano Banana Pro（Gemini 3 Pro Image）。它不僅能結合搜尋資料生成資訊圖，還攻克了文字渲染難題，支援多語言長段落，並能融合 14 張圖保持 5 人一致性。免費使用者可在 Gemini 應用中限量體驗。
華納音樂聯手 Stability AI：用授權資料打造音樂生成工具
華納音樂集團（WMG）與 Stability AI 宣佈合作。雙方將基於完全使用授權資料訓練的模型，共同開發專業級音樂創作 AI 工具。最值得關注的是，該合作直接讓音樂人參與工具設計，在探索生成式音訊的同時保護版權並拓展增收渠道。
Meta 釋出 SAM 3D：單張 2D 照片一鍵變 3D，權重與程式碼全開源
Meta 推出全新 SAM 3D 系列模型，包含 Objects 和 Body 兩個分支，能從單張 2D 照片直接重建高精度 3D 物體、場景及人體。官方已開源權重與推理程式碼，並在 Playground 開放體驗；該技術目前已落地至 Facebook Marketplace 的房間預覽功能中。
OpenCV 創始人創辦 CraftStory：推出 Model 2.0，支援 5 分鐘長影片
週二，OpenCV 創始人打造的影片初創公司 CraftStory 宣佈完成 200 萬美元融資並推出 Model 2.0。該模型採用並行擴散架構，能生成長達 5 分鐘的人物影片，突破了競品普遍僅能生成數秒或 25 秒的限制。目前它採用影片驅動靜態圖的模式，生成 30 秒片段約需 15 分鐘。
Midjourney 上線個人主頁：24 小時內配齊資料送 5 小時算力
Midjourney 正式推出個人主頁功能，支援自定義頭像、橫幅、社交連結並精選展示畫作。為了給社群冷啟動，官方宣佈 24 小時內填完資料並精選至少 8 張作品的使用者，可直接領到 5 小時免費 Fast 算力。關注功能也已同步上線，但關注者列表僅自己可見。
World Labs 釋出商用世界模型 Marble：文本圖片生成可匯出 3D 場景
李飛飛創辦的 World Labs 推出首款商用世界模型 Marble，支援把文本、圖片或影片轉為持久且可下載的 3D 環境。使用者可將場景匯出為網格或高斯潑濺格式。最值得關注的是它支援手動搭建空間粗胚再由 AI 填補細節，改變了純靠隨機生成的不可控問題。
Google 影像模型 Nano Banana 2 曝光：原生 2K 與區域性精細修圖
Google 下一代影像生成模型 Nano Banana 2（代號 GEMPIX 2）預覽曝光。該模型支援原生 2K 並可放大至 4K，具備更強的主體一致性與自然語言區域性編輯能力。最值得關注的是，它全面轉向專業創作工作流。預計 11 月中旬面向部分使用者開啟測試。
Higgsfield AI 推出 Recast：支援影片角色替換與精細換臉
Higgsfield AI 推出新工具 Recast，主打影片與圖片中的 AI 換臉和角色替換。它支援針對臉型、膚色以及特定角度進行細緻調整，減少生硬拼接感。不過官方也提到，要達到影視製作級效果，仍需配合遮罩做多輪調整。
Fish Audio 上線 S1 語音模型：比 ElevenLabs 便宜 6 倍
Fish Audio 正式上線文本轉語音模型 S1，宣稱是市面上最自然生動的 TTS 模型。其價格比 ElevenLabs 便宜 6 倍，目前已有 2 萬名活躍開發者，年經常性收入達到 500 萬美元，並開放免費克隆聲音。