Pollo AI 利用 OpenAI 模型将创意转化为营销活动
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 帮助创作者将大胆创意转化为详细图像和电影级视频广告。
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 帮助创作者将大胆创意转化为详细图像和电影级视频广告。
开发者 Brandon Thomas 宣布 Artcraft 转型,推出七款开源应用以复刻 Adobe Photoshop 等软件界面与功能。这些应用使用 Anthropic 的 Claude Opus 5.5 进行逆向工程,以 Rust 编写并提供 WebAssembly 版本。目前软件处于“超级早期 alpha”阶段,存在诸多不足,但开发者承诺其功能将很快达到 Adobe 同等水平。
Google 已向公众开放 SynthID Detector,可检测 Gemini、Veo、Lyria 等模型生成内容中的隐形水印,支持 JPG、PNG、MP4、MP3。该公司称已有 180 billion 图像和视频嵌入水印,每日在搜索、Gemini 应用和 Chrome 中处理 1 million 验证请求。OpenAI、Nvidia 等也已采用 SynthID,Apple 据称即将加入。
Google 推出改进的 SynthID AI 内容检测器,并上线 SynthID.com 网站供全球用户检测多伙伴 AI 水印。此前外部用户只能通过 Gemini 询问且仅检 Google 水印,现网站支持 ChatGPT 图像等伙伴水印。Gemini 已集成 SynthID 超 180 billion 图像视频与 240,000 年音频。
Google 周二推出新 SynthID 网站,任何人可验证图片、视频或音频是否由 AI 生成。该网站支持多种文件格式,基于 2023 年 SynthID 水印技术,Google 表示目前每日验证请求达 100 万次。
Maket 发布 2.0 版本,将 AI 平面图生成、编辑与 3D 可视化整合至单一工作区。用户可通过对话描述需求或上传现有布局,利用内置风格库渲染 3D 房间,并导出 PDF 或 DXF 文件。该平台现已上线,提供免费额度及 $20/月起的订阅方案,旨在让房主在早期设计阶段直接参与方案构思。
Meshy 在 a16z 首份消费级 AI 应用月收入榜单中位列第 31 名,是榜单上唯一的 AI 3D 公司。该榜单基于 YipitData 追踪的美国消费者银行卡消费数据,揭示了用户为专业化创意工具付费的趋势。此前 Meshy 年度经常性收入已突破 1 亿美元,并于 2026 年 7 月完成近 4 亿美元 B 轮融资。
谷歌正式发布 AI 图像模型 Nano Banana 2.1,在视觉设计、蒙版编辑与主体一致性方面实现提升。该模型部署至 Gemini 应用、Google AI Studio 等平台,开发者可使用模型 ID gemini-nano-banana-2.1 调用,支持文本、图片、音频、视频输入与 1K、2K、4K 图像输出。
前 Ramp 工程师创立的 AI 广告生成平台 Melius 宣布完成 2500 万美元融资,包括由 CRV 领投的 2000 万美元 A 轮和 General Catalyst 领投的 500 万美元种子轮。该平台在 7 月结束隐身模式后两个月内实现超 100 万美元年化收入,此前团队曾放弃首个营销工具产品并重构代码库以专注创意资产生成。
Google 新图像模型 Nano Banana 2.1 以更低成本生成更好图像,替代 2026 年 2 月发布的 Nano Banana 2。1K 图价格从 6.70 美分降至 3.36 美分,4K 从 15.10 降至 7.56 美分,并已接入 Gemini 应用、AI Studio 等谷歌产品。前代 gemini-3.1-flash-image 将于 2026 年 10 月 29 日关停。
作者使用 Mistral Large 4 与 Claude Opus 5.5、GPT-6.1-sol、Gemini 3.8-flash 生成“穿渔网袜的犰狳在火星闯红灯”的 SVG。此举旨在展示当前前沿模型基准测试已饱和,模型需应对此类荒诞场景。
三星 Galaxy S27 Ultra 手机将利用人工智能解决镜头光晕问题,并优化充电算法使整体充电速度提高约 2~3%。该机型继续采用 60W 快充方案,通过延长峰值功率(约 55W~56W)的持续时间实现提速。此前三星在历年 Galaxy 手机中多采用特殊光学涂层来应对光晕,此次转为 AI 方案。
OpenAI 将在 ChatGPT 图像生成结果旁新增视觉展示广告,本月起先在美国向测试广告主开放。广告清晰标注且不影响模型回答,公司同步扩展测量伙伴与品牌合适性评估合作。此前 OpenAI 今年早些时候已引入广告并8月扩至印度,正把免费低价层转为广告支撑业务。
OpenAI 将于本月晚些时候在美国测试 ChatGPT 视觉广告,在用户生成图片时展示赞助产品图像。该广告独立于生成内容,不影响模型回答,且 Plus、Pro 及 Enterprise 订阅用户不会看到。此前 OpenAI 于 2 月首次引入仅含名称和链接的文字广告。
瑞典滚珠轴承制造商斯凯孚用 AI 生成的形象拍摄广告,让已故好莱坞影星葛丽泰·嘉宝再度出镜。图像使用字节跳动 Seedream 5 Pro 与谷歌 Gemini 的 Nano Banana Pro 生成,动作使用字节跳动 Seedance 2、Seedance 2.5 和快手可灵 AI,语音则用嘉宝早年影片原声训练。
该视频演示了如何利用 AI 技术来扩展创作中的意图、质量与艺术性。内容聚焦于 AI 在提升创作维度上的具体应用方法。
美国第八巡回上诉法院应 xAI 请求颁布临时禁令,暂时叫停明尼苏达州反“脱衣伪造”法案,该法案已于 8 月 1 日生效。xAI 主张该法律违宪、限制言论自由;明尼苏达州总检察长办公室表示失望,称将继续维护这项旨在遏制 AI 生成色情图像的法律。xAI 还表示 Grok Imagine 已设置“严密防护机制”,并已对绕过拦截、未经许可制作他人性影像的用户发起起诉。
华为 Mate 90 Pro Max 首个版本更新内容曝光,包体约 745.01 MB,实装四卡三待、3D 动态照片等功能。更新新增四卡三待支持 4 个号码同时待机,图库支持 3D 动态照片生成及 AI 剪辑。该系列手机于 10 月 1 日发布会正式推出,全系搭载韬定律芯片。
开源项目 ldraw-nova 利用 AI 智能体生成 LDraw 格式的乐高模型,支持 3D 查看、VR 交互及 Blender 编辑。该工具通过 Python 脚本生成几何数据以规避 LLM 数学短板,并借助 GPT-6 Astra 和 Claude Opus 5.5 优化了开发流程。
一名爱彼迎房客退房后被房东用 AI 生成的马桶漏水照片索要 1700 美元维修费,最终靠检测出谷歌 SynthID 数字水印识破,Airbnb 客服认定索赔不符合条件并处罚了房东账号。该房客先因照片里积水程度不合常理起疑,用 Gemini 分析后发现 SynthID 水印,判断照片由 Gemini 生成。报道同时提醒退房前拍摄房间与卫生间视频,以便在损坏索赔争议中留证。
Suno 新增 Speech 功能,能根据用户输入生成包含语音和匹配背景音乐的单一音频轨道。该功能目前处于 Beta 阶段,适用于诗歌、冥想等场景,但存在口音混淆等 Bug。此前,Suno 已因版权侵权问题被主要唱片公司起诉,且慕尼黑法院近期驳回了其合理使用抗辩。
教皇利奥十四世在 X 平台发文,强调人类艺术与机器生成作品存在本体论差异,指出算法缺乏人性火花。他呼吁在 AI 时代区分两者,以保护人类艺术。此前 Anthropic 曾游说梵蒂冈重新审视非人类意识立场,但收效甚微。
Black Forest Labs 发布图像生成模型 FLUX 3 Image,支持生成最高 4K 分辨率图片,放大后仍保持丰富细节。用户可在归一化的 0–1000 坐标网格上为每个元素指定 ID、描述文本及精确边界框,单次生成最多融入 10 张参考图像。模型支持对指定区域修改并保持其他像素不变,目前作为付费服务提供,开放模型版本将于数周内公开。
字节 Seed 团队发布 Seedream 5.0 Pro 图像生成模型,具备复杂信息图设计、空间批注精准编辑与多语种原生生成能力。该模型可直出教育办公信息图与技术图纸,并根据涂鸦线稿拆分图层编辑。其原生支持十余种语言输入生成,包括西班牙语、孟加拉语及日语漫画等。
推荐理由:字节 Seedream 5.0 Pro 展示了复杂信息图直出、空间批注编辑与十余种语言原生生成能力,便于创作者评估适用边界。
Black Forest Labs 发布 Flux 3 模型家族的图像模型 Flux 3 Image,官方称其支持多步编辑而不改动画面其他部分。该模型覆盖文生图、图生图、文字渲染与照片级真实感,支持用边界框构图、最多十张参考图和最高 4K 输出。
Ideogram 发布新模型 Ideogram 4.5,称其只改动用户指定区域,换装等局部编辑不会改变人物身形和背景。该模型提供四档质量,单张价格 0.8 至 22 美分,均为原生 2K 分辨率,现已在 Ideogram 平台和 API 上线,目标场景包括产品摄影、室内设计、照片修复和图内文字编辑。
Google Research 提出 Diffusion Controller 框架,将去噪过程重构为连续控制问题以统一图像生成控制。其轻量级附加网络在匹配人类偏好上优于行业标准,完全解锁版本对基线模型达到 90% 胜率。该框架基于 Stable Diffusion v1.4 骨干,利用 HPS-v2 评估,支持对闭源模型进行无代码修改的控制。
GPT-6 Astra 构建了实验性工具 Photo Scrubber,用于自动识别并模糊照片中的陌生人面部。该工具基于 Google MediaPipe C++ 库编译为 WebAssembly,并集成 BlazeFace 人脸检测模型实现本地处理。
Manus 发布 Manus 2.0,登陆网页、桌面与移动端,推出新智能体架构、Cloud Computer、Studio 与 Cue 等。官方测试显示其较前代 token 减少 23.2%、任务提速 28.2%、成本降低 32%。Cue 作为独立个人智能体应用,通过邀请码 MEETCUE 开放限免早鸟。
在 Amazon SageMaker AI 上部署同一个 AWS vLLM-Omni DLC 镜像的两个端点:实时端点运行 FLUX.2-klein-4B 生成图像,异步端点运行 Wan2.1-VACE-1.3B 生成图像条件视频。文本提示词先生成 PNG,再连同运动提示词经 Amazon S3 传给视频端点,生成的 MP4 存回 S3,示例提供命令行与 Streamlit 界面。
Google Flow 网页构建中的模型标签由“Nano Banana 2.5 Flash”更改为“Nano Banana 2.1”,暗示该版本可能为最终生产名称。这一命名调整表明更新更偏向迭代而非大幅升级,且目前尚无发布时间表。此前 Nano Banana 2 已作为 Gemini 3.1 Flash Image 在多个 Google 产品中部署。
ElevenLabs 把托管 MCP server 扩展到 ElevenCreative,AI 助手现在可以在对话中直接生成语音、音乐、音效、图像和视频。Claude、ChatGPT 和 Cursor 通过同一个连接器接入,一次登录即可调用 50 多个模型,安装改用 OAuth 而非 API key。
OpenAI 推出 ChatGPT Images 2.5 图像模型,生成延迟较 Images 2.0 最高降低 50%,已面向所有 ChatGPT、ChatGPT Work 与 Codex 用户开放。API 同步提供 GPT-Image-2.5 Flare 与 Sunburst 两款模型分别覆盖通用与高级编辑场景,并新增 @Sketch 绘图等创作工具。
OpenAI 发布 ChatGPT Images 2.5,可将想法、草图和参考照片转化为更个性化、更精致的图像,更贴近用户原本的构想。
推荐理由:OpenAI 官方发布 ChatGPT Images 2.5,读者可了解其把草图与参考照片转为个性化成图的定位。
Hugging Face 在 Diffusers 中引入 Nunchaku Lite,可直接用 from_pretrained() 加载 Nunchaku 风格的 4-bit 量化 checkpoint,无需自定义 pipeline 或本地 CUDA 编译。
推荐理由:原文给出了 Nunchaku Lite 在 Diffusers 中的加载方式与实测延迟和显存数据,读者可据此判断消费级 GPU 跑扩散模型的实际收益。
Google Research 在 ICLR 2026 论文中揭示,扩散模型的创造力源于神经网络训练中的 score smoothing——正则化使学到的 score function 变平滑,让去噪过程在训练数据点之间插值,从而生成新样本。
Meta 超级智能实验室发布首个图像生成模型 Muse Image,旨在取代 Midjourney 等外部依赖以掌控质量与成本。该模型将集成于 Instagram 和 Meta AI,支持擦除路人、生成二维码及保持文字可读性,内部测试显示其编辑能力优于 Nano Banana 2 但落后于 GPT Image 2。
Google DeepMind 发布 Nano Banana 2 Lite 和 Gemini Omni Flash 两款模型,前者是 Nano Banana 系列中速度最快、成本最低的图像模型,4 秒生成文本到图像,每张 1K 图像 0.034 美元;后者支持高质量视频生成与对话式编辑,输出视频定价为每秒 0.10 美元。
推荐理由:两款模型同日开放开发者入口,并给出延迟、单价与能力边界,便于评估图像到视频的串联工作流。
Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种新方法,用机器学习理解场景与空间布局,再用生成式 AI 想象新视角下的画面。
推荐理由:Google Photos 把照片当作 3D 场景重投影,读者可了解自动改视角这一新编辑路径的实现思路。