Higgsfield 借 GPT-6 Astra 将 AI 视频时长从 1 分钟延长至 10 分钟以上
Higgsfield 借 GPT-6 Astra 将 AI 视频时长从 1 分钟延长至 10 分钟以上，用 GPT-Image-2.5 呈现精确视觉，并以 GPT-Live 开辟语音电影制作路径。
#图像生成
#图像生成
今日 0 条OpenAI NewsAI 评分5454
阿里云开发者精选AI 评分7777 Qwen-Image-2.1 Pro、Turbo API 正式上线，让图像生成与编辑走进你的应用
Qwen-Image-2.1 Pro 与 Turbo API 正式上线千问AI平台，开发者无需自行部署即可通过 API 接入图像生成与编辑能力，Qwen-Image-2.1-Turbo 模型权重也同步开放。
推荐理由：官方给出了两款 API 的能力要点与接入入口，开发者可据此判断图像生成与编辑能力怎样融入现有工作流。
OpenAI NewsAI 评分2323 Pollo AI 借 OpenAI 模型将创意转化为广告活动
Pollo AI 接入 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者将大胆创意转化为精细图像与电影级视频广告。该方案覆盖图像与视频两类广告内容生成，面向创作者提供从创意到成片的转化能力。
腾讯云 · 公告AI 评分3131 腾讯云文字识别文本图像增强（ImageEnhancement）API 接口下线通知
腾讯云文字识别宣布文本图像增强（ImageEnhancement）接口将于 2026 年 12 月 31 日正式下线，相关服务迁移至升级的图像切边增强（CropEnhanceImageOCR）接口。
MiniMax · 官方新闻精选AI 评分7979 MiniMax 发布全模态生成模型 H3
MiniMax 正式发布通用全模态生成模型 H3，支持多模态上下文统一理解，可输出最高 15s 2K 分辨率的原生双声道音视频。该模型在指令遵循、文字与品牌信息呈现及 V2V Motion Transfer 等方面表现出色，2K 分辨率下每秒价格不到主流模型的 1/3。官方计划在未来几天内开放模型权重，以推动开源社区发展。
推荐理由：MiniMax 发布全模态生成模型 H3，支持 15s 2K 原生双声道音视频，计划开放权重，为多模态创作提供了新的高性价比选项。
腾讯混元 · 官方公众号AI 评分6767 腾讯混元 Hy Image3.5 preview 发布，主打高性价比专业生图
腾讯混元发布 Hy Image3.5 preview 图像生成模型，综合能力对比 Hy Image3.0 提升约 30%，在内部数百名设计师 GSB 盲测中与 Seedream 5.0 pro 持平。
OpenAI NewsAI 评分5959 OpenAI 推出 ChatGPT Images 2.5
OpenAI 推出 ChatGPT Images 2.5，可将用户的想法、草图和参考照片转化为更个性化、更精致的图像，以更好地呈现用户创意。
Google DeepMind精选AI 评分6666 Project Genie 上线 Street View 真实地点锚定能力并向 Google AI Ultra 用户开放
Google DeepMind 为实验性世界模型原型 Project Genie 上线 Street View 锚定能力，并即日起向全球符合条件的 Google AI Ultra（$200，18 岁以上）订阅者逐步开放。
推荐理由：官方讲清了 Street View 锚定如何把世界模型从虚拟训练环境扩展到真实地点模拟，读者可据此判断其对具身智能训练的价值。
OpenAI News精选AI 评分6464 OpenAI 发布 ChatGPT Images 2.0
OpenAI 发布 ChatGPT Images 2.0，改进文字渲染、多语言支持和视觉推理能力；页面同时引导查看 Images 2.5 的新内容。
推荐理由：原文列出文字渲染、多语言和视觉推理三项改进，可据此判断 Images 2.0 相对上一代的能力变化。
OpenAI NewsAI 评分3030 如何用 ChatGPT 创建图像
ChatGPT 可借助清晰提示词创建并精修图像，几分钟内产出高质量视觉作品。用户可围绕设计反复迭代，直至获得满意效果。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Nano Banana 2：兼具 Pro 级能力与极速体验
Google DeepMind 发布 Nano Banana 2（Gemini 3.1 Flash Image），将 Nano Banana Pro 的高级世界知识与推理能力与 Flash 级速度相结合。
推荐理由：官方对比了 Nano Banana Pro 与新模型的差异，说明 Nano Banana 2 如何在保持 Pro 级画质与推理能力的同时实现 Flash 级速度。
Google DeepMind精选AI 评分6464 Google DeepMind 向美国 Google AI Ultra 用户开放 Project Genie 交互世界原型
Google DeepMind 开始向美国 Google AI Ultra 订阅用户（18 岁以上）滚动开放 Project Genie，这是一个基于 Genie 3、Nano Banana Pro 和 Gemini 的实验性研究原型网页应用，支持用户用文本或图片创建可探索的交互世界、实时生成前行路径，并对已有世界进行混编与视频下载。
推荐理由：原文列出了世界素描、探索、混编三大能力与生成时长等限制，可据此判断世界模型从研究走向消费级体验的成熟度。
OpenAI NewsAI 评分3939 OpenAI 与 NORAD 合作为“NORAD Tracks Santa”推出三款 ChatGPT 节日工具
OpenAI 与 NORAD 合作，为“NORAD Tracks Santa”活动推出三款 ChatGPT 节日工具。这些工具可让家庭创建节日精灵、玩具涂色页和定制圣诞故事。
Google DeepMind精选AI 评分7272 Google 将 AI 图片验证引入 Gemini 应用
Google 在 Gemini 应用中上线 AI 图片验证功能，用户上传图片并提问后，系统会检查 SynthID 水印并结合推理返回该图片是否由 Google AI 生成或编辑。
推荐理由：官方说明给出 SynthID 水印验证在 Gemini 应用中的使用方式与后续扩展计划，可据此判断 AI 内容溯源工具的落地节奏。
Google DeepMind精选AI 评分7979 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），一款基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型，现已在 Google AI Studio 和 Vertex AI 以付费预览形式推出。
推荐理由：官方给出了新模型相对 Gemini 2.5 Flash Image 的画质与控制能力升级，以及付费预览的开放入口，开发者可据此判断是否迁移到更高画质的图像生成流程。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像模型
Google DeepMind 发布 Nano Banana Pro（即 Gemini 3 Pro Image），这是基于 Gemini 3 Pro 的图像生成与编辑模型，强调文字渲染、多图融合与高保真输出。
推荐理由：官方列出新模型在文字渲染、多图融合与分辨率上的提升，并给出各平台开放入口，便于读者判断如何接入使用。
通义千问 · 官方博客精选AI 评分7373 Qwen-Image-Edit 发布：基于 Qwen-Image 的全能图像编辑模型
通义千问推出 Qwen-Image-Edit，基于 20B 的 Qwen-Image 进一步训练，支持语义与外观双重编辑以及中英文精准文字编辑，在多个公开基准测试中达到 SOTA。模型将输入图像同时送入 Qwen2.5-VL 与 VAE Encoder，分别实现视觉语义控制与视觉外观控制，用户可在 Qwen Chat 的“图像编辑”功能中体验，还能通过链式编辑逐步修正生成图像中的错字。
推荐理由：原文展示了语义与外观双重编辑和链式修字流程，读者可据此判断它能否融入现有视觉内容创作工作流。
通义千问 · 官方博客精选AI 评分8080 通义千问推出 Qwen-Image：擅长文字渲染的创作利器
通义千问推出 20B MMDiT 图像生成基础模型 Qwen-Image，这是该系列首个图像生成模型。模型在复杂中英文本渲染和精确图像编辑上取得显著进展，在 GenEval、DPG、GEdit 等多个公开基准测试中达到 SOTA，其中文文本渲染表现大幅领先现有最先进模型。
推荐理由：官方博客详述了 Qwen-Image 在中英复杂文本渲染上的 SOTA 表现，读者可据此判断其能否解决图像生成中的文字乱码痛点。
OpenAI NewsAI 评分4848 用 ChatGPT 图像生成功能创作符合品牌风格的视觉内容
ChatGPT 图像生成功能可根据提示词、草图或上传的图片，生成品牌视觉内容与产品模型。该功能支持从多种输入类型直接生成图像，帮助用户完成品牌设计与产品展示。
OpenAI News精选AI 评分7070 OpenAI 在 API 中推出最新图像生成模型 gpt-image-1
OpenAI 宣布最新图像生成模型已通过 API 开放，调用名为 gpt-image-1。开发者和企业可将其直接集成到自有工具与平台，生成专业级、可定制的视觉内容。
推荐理由：OpenAI 将最新图像生成模型以 gpt-image-1 开放给 API，开发者和企业可直接把可定制视觉生成集成进自有平台。
OpenAI News精选AI 评分8484 GPT-4o 系统卡附录：4o 图像生成
OpenAI 发布 GPT-4o 系统卡附录，介绍 4o 图像生成能力；该能力比 DALL·E 3 系列显著更强，可生成照片级输出，并支持以图像作为输入进行转换。
推荐理由：原文将 4o 图像生成与 DALL·E 3 对比，点出其照片级输出与图像输入变换能力，读者可据此快速了解新模型的能力边界。
OpenAI News精选AI 评分9393 OpenAI 在 DevDay 发布 GPT-4 Turbo 等新模型与开发者产品
OpenAI 在 DevDay 发布 GPT-4 Turbo，支持 128K 上下文并降低价格。同时推出的还有 Assistants API、GPT-4 Turbo with Vision 与 DALL·E 3 API 等开发者产品。
推荐理由：原文列出 GPT-4 Turbo 的 128K 上下文与更低价格，以及 Assistants API 等新入口，开发者可据此评估要跟进哪些更新。
OpenAI News精选AI 评分7979 DALL·E 3 现已在 ChatGPT Plus 和 Enterprise 中可用
OpenAI 宣布 DALL·E 3 现已在 ChatGPT Plus 和 Enterprise 中可用。为推进更广泛发布，OpenAI 开发了安全缓解技术栈，并分享了来源研究的最新进展。
推荐理由：OpenAI 公布了 DALL·E 3 扩大开放前的安全缓解技术栈与来源研究进展，可借此了解其安全设计思路。
OpenAI News精选AI 评分7373 DALL·E API 公开测试版现已上线
OpenAI 宣布 DALL·E API 现已进入公开测试阶段，开发者从今天起可以使用该 API 构建应用。
OpenAI News精选AI 评分7373 DALL·E 取消等待名单，新用户可直接使用
OpenAI 宣布 DALL·E 取消等待名单，新用户可以直接开始创作。官方表示，部署过程中的经验积累和安全系统的改进使更广泛的开放成为可能。
推荐理由：DALL·E 取消等待名单使新用户可直接开始创作，官方将此次扩大开放归因于部署经验积累与安全系统改进。
OpenAI News精选AI 评分6868 DALL·E 推出 Outpainting 功能
DALL·E 推出 Outpainting 功能，支持生成任意尺寸的图像，帮助用户延伸创意并讲述更大的故事。
OpenAI News精选AI 评分7777 DALL·E 现已进入 Beta 阶段并向等待名单用户开放
OpenAI 宣布 DALL·E 进入 Beta 阶段，将在未来几周向等待名单中的 100 万用户发出邀请。用户每月可获得自动补充的免费额度，也可以按 115 次生成 15 美元的价格额外购买额度。
推荐理由：OpenAI 说明了 DALL·E 的开放节奏与计费方式，读者可据此判断自己能否用上以及试用成本。
OpenAI NewsAI 评分4848 DALL·E 2 减少偏见并提高安全性
OpenAI 为 DALL·E 2 引入一项新技术，使其生成的人物图像能更准确地反映世界人口的多样性。此举旨在减少模型偏见，并进一步提高生成内容的安全性。
OpenAI NewsAI 评分4444 DALL·E 2：拓展创造力
DALL·E 2 研究预览期间，来自 118 个国家的 3000 多位艺术家已将 DALL·E 融入其创作工作流。早期访问组的艺术家帮助发掘了 DALL·E 的新用途，并作为关键意见方参与了 DALL·E 功能相关决策。
OpenAI NewsAI 评分3939 DALL·E 2 的预训练缓解措施
OpenAI 为 DALL·E 2 引入了多种预训练防护机制，以降低强大图像生成模型带来的风险。这些措施可防止生成的图像违反内容政策，从而支持该模型向广大受众开放。
OpenAI NewsAI 评分5757 OpenAI 公布 DALL·E 2 研究预览版更新
OpenAI 宣布 DALL·E 2 研究预览版早期用户已创建超过 300 万张图片，并将每周从候补名单新增最多 1000 名用户。早期用户还帮助改进了安全流程。
OpenAI NewsAI 评分5454 基于 CLIP latents 的分层文本条件图像生成
OpenAI 官方博客发表研究《Hierarchical text-conditional image generation with CLIP latents》，主题为基于 CLIP latents 的分层文本条件图像生成。
OpenAI NewsAI 评分5555 OpenAI Image GPT 研究发现同一 Transformer 架构可生成连贯图像
OpenAI 研究发现，与在语言上训练的大型 Transformer 相同的模型在像素序列上训练后，可以生成连贯的图像补全与样本。研究还建立了样本质量与图像分类准确率之间的相关性，其最佳生成模型在无监督设置下的特征可与顶级卷积神经网络竞争。
OpenAI NewsAI 评分4343 Glow：更好的可逆生成模型
OpenAI 推出可逆生成模型 Glow，它采用可逆 1x1 卷积，能生成逼真的高分辨率图像并支持高效采样。Glow 还能发现可用于操纵数据属性的特征，OpenAI 已发布模型代码和在线可视化工具。