Blue Planet III 保留不完美镜头以对抗 AI 真实性质疑
BBC《蓝色星球 III》通过保留不完美镜头证明真实性，包括水中浮游物、船只等瑕疵画面。该系列展示真实海洋生物行为，如海豚用海绵捕鱼、20万只螃蟹排队进食等。执行制片人 Elizabeth White 称真实海洋生物“可能比 AI 能想象的更 remarkable”。
#图像生成
The Verge · AIAI 评分3535
IT之家AI 评分4343 OptiScaler MOD 社区将 AMD FSR 4.1.2 移植至英特尔 Arc XMX 显卡
OptiScaler MOD 社区将 AMD FSR 4.1.2 神经网络超分辨率模型移植至 Intel Arc 显卡，通过 XMX 矩阵加速核心实现硬件加速。在 Intel Arc A770 上运行《巫师 3》时，FSR 4.1.2 Lite 平均帧率达 101.5 FPS，超分耗时 0.75 毫秒，接近原生 XeSS SR 的 101.1 FPS 和 0.84 毫秒。
量子位精选AI 评分8181 模思智能开源MOSS-Image生图模型海外爆火
模思智能和OpenMOSS团队开源的MOSS-Image生图模型上线4天在海外社区收获130万次下载，登顶Hugging Face文生图趋势榜。该模型基于5B参数DiT主干，重点优化了中英文文字渲染、布局控制和复杂长Prompt支持能力，在LLTB评测中文本覆盖率达96.3%。
推荐理由：国产5B模型靠自然画风和文字渲染能力在海外爆火，社区4天开发出多种衍生版本，验证了小模型也能解决复杂设计需求。
雷锋网精选AI 评分8181 月之暗面发布Kimi K3.1，成本仅为GPT-6 Astra的1/14
月之暗面即将发布Kimi K3.1模型，在3D图形生成、视觉推理和前端代码领域表现突出。该模型在开源3D图形库Three.js上表现出色，成本仅为Kimi K3的70%，Token效率全面升级。实测显示，Kimi K3.1能在15分钟内交付工业级可交互3D资产，成本仅为GPT-6 Astra的约1/14，在视觉领域展现出不输于美国顶尖闭源模型的实力。
推荐理由：15分钟交付工业级3D资产，成本仅为GPT-6 Astra的1/14，国产模型在视觉领域实现突破性进展。
The DecoderAI 评分6363 Canva发布首款自研图像模型Craft
设计平台Canva发布了其首款自研图像生成模型Craft，该模型以设计模板为主要训练数据，能够生成2K分辨率图像并支持55种语言文本渲染。在DesignArena平台排名中，Craft位列第四，但在人像和风景类别中排名第一。Craft现已通过Dream Lab和公共API向所有用户开放，并计划未来支持ChatGPT和Gemini等聊天机器人的MCP集成。
IT之家AI 评分6565 索尼推出IMX742图像传感器：面向一次性内窥镜，支持图像信号本地数字化
索尼半导体推出IMX742图像传感器，专为医疗场景设计，适用于一次性细径内窥镜。该传感器尺寸仅1.0mm×1.0mm，分辨率720×720，可在本地实现图像信号数字化，能在5米距离下通过单一线缆同时传输60fps低噪声画面和控制信号。
IT之家AI 评分6565 字节火山引擎发布 Seedance 2.5 4K 模型，面向影视级画面生成
字节跳动旗下火山引擎正式发布 Seedance 2.5 4K模型，通过专项训练提升了人物表情、细微动作与画面细节的表现能力。该模型支持Draft模式，用户可先用480P样片快速验证分镜，满意后再生成4K正片，目前仅供部分企业客户试用。
HuggingFace Daily PapersAI 评分4040 AnyGameRenderer: 跨游戏实体一致生成渲染器及实体级评测基准
AnyGameRenderer 将 AI 编码 agent 生成的低质量游戏视频转换为高质量视觉内容，保持实体位置、时序和布局不变。该模型基于 MiniMax-H3 ref2va（33B 参数）通过 LoRA 微调训练，使用约 1 万对样本数据，在实体级评测基准中实体时序匹配率从 50.9% 提升至 62.9%，漏检率从 34.7% 降至 21.3%。
雷锋网AI 评分6565 火山引擎启动Seedance 2.5 4K模型企业试用
火山引擎启动Seedance 2.5 4K模型首批企业试用，定向供应全球20家工作室和导演。该模型主打人物表演更细腻自然、参考生成和编辑一致性更精细，采用480P预览+4K生成的定价模式，已有20部作品在使用，最早下个月有卫视S级IP播出。
TechCrunch · AIAI 评分6565 Canva发布首款图像生成模型Canva Craft
设计平台Canva发布了其首款图像生成模型Canva Craft，该模型采用两阶段工作方式，先解析用户提示并创建计划，再生成最高2K分辨率的图像。模型使用Canva的设计模板而非照片进行训练，生成的图像可通过Canva Magic转换为分层设计稿。Canva Craft已在平台上线，并通过API和MCP支持第三方聊天工具。
Hugging Face Blog精选AI 评分7575 Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型
Hugging Face 发布 OlmoEarth v1.3 卫星嵌入模型，提供预计算的全球年度嵌入向量（10米分辨率，64和128维度），并推出基于浏览器的 OlmoEarth Embeddings Explorer 工具。该模型在27项评估中超越 AlphaEarth Foundations 和 Tessera v2，训练成本仅为前版本的53%，碳排放减少50%。
推荐理由：预计算全球卫星嵌入向量让遥感分析从GPU依赖变成轻量级任务，效率提升的同时降低了技术门槛。
Google DeepMind精选AI 评分6565 Google DeepMind 发布全球森林类型地图 ForTy 2020
Google DeepMind 与合作伙伴发布 Forest Typology (ForTy) 2020 全球地图，以10米分辨率将地球森林分为六类，并跟踪2017-2025年变化。该地图准确率达90%，帮助区分自然林、人工林和农场，支持欧盟无毁林产品监管。
推荐理由：10米级森林类型地图让自然林与人工林首次可区分，为监管提供精准基线，但精度与成本平衡仍是挑战。
IT之家AI 评分3535 AMD HIP-RT 3.2.0 更新新增三款 Medusa APU GPU 支持
AMD 发布 HIP-RT 3.2.0 光线追踪库更新，新增 GFX1170、GFX1171 和 GFX115E 三款 GPU 支持，为下一代 Medusa APU 铺路。新版本包含性能优化、SRT 变换帧剪切支持及 CUDA 13 兼容性改进，修复多 GPU 环境等问题。
IT之家AI 评分7373 Black Forest Labs 发布 FLUX 3 Image Klein 图像生成模型
Black Forest Labs 发布了 FLUX 3 Image Klein 图像生成模型，拥有 5.6B 参数，针对消费级 GPU 优化。INT8 版本可在 8GB 显存的 NVIDIA GeForce RTX GPU 上运行，支持文本转图像、图像编辑和多参考生成，原生支持 4K 分辨率。
钛媒体AI 评分6565 研究：AI通过人脸照片预测癌症患者死亡风险
美国麻省总医院开发FAHR-Face模型，仅凭人脸照片即可区分癌症患者死亡风险差异。研究使用3820名患者测试，极高风险组90天死亡率达52.5%，是低风险组的25倍以上。模型通过4000万张人脸照片训练，关注眼睛下方和鼻梁周围特征，与面部年龄预测模型关注区域不同。
HuggingFace Daily Papers精选AI 评分6565 Text-to-Image Generative Modeling Without Language Pretraining
研究团队提出Halcyon模型，一种完全从头开始训练的早期融合多模态自回归模型，在GPIC数据集上预训练。Halcyon-0.52B和Halcyon-1.6B模型在文本到图像生成任务上分别以更少的预训练计算量超越了现有模型，实验表明文本预训练对T2I生成没有明显帮助。代码和模型已公开。
推荐理由：Halcyon模型证明无需大规模语言预训练也能实现高质量文本到图像生成，挑战了当前主流技术范式。
雷锋网AI 评分4242 华中师大 CoReFuse-Med：先净化再融合，让低质模态不再拖后腿｜ACM MM 2026
华中师范大学提出 CoReFuse-Med，通过浅层净化和深层模态偏置校正提升多模态医学图像分割性能，在 EPVS 数据集上 DSC 达 0.7326，优于 MedNeXt 的 0.7085。模型采用 LACE+IMSH+MBCF 三模块架构，参数量仅 2.665M，有效解决低分辨率模态污染问题。
Google新闻·Humanoid+Embodied(英)AI 评分1515 情感图像可预测灾难照片传播，新 AI 模型揭示规律
新 AI 模型通过分析情感图像预测灾难照片传播规律。该模型能识别图像中的情感特征，帮助理解信息扩散机制。研究为灾难信息传播管理提供新工具。
IT之家AI 评分3535 Arena 公布 2026 年第 42 周 AI 大模型周榜：国产模型多领域站稳中上游，kimi-k3-max 杀入代码榜前十
Arena 发布 2026 年第 42 周 AI 大模型盲测排名，kimi-k3-max 首次稳定在代码榜前十，mimo-v2.6-pro 首次进入前端开发榜前 20。国产模型在综合榜、代码榜和前端开发榜多个细分榜单保持中上游位置，gemini-4-argon-high 以 1562 分蝉联代码榜榜首。
IT之家AI 评分4343 瑞典国防研究局开发 WiFireNet 系统：通过 Wi-Fi 信号识别隐藏手枪
瑞典国防研究局（FOI）开发 WiFireNet 系统，利用 Wi-Fi 信道状态信息识别隐藏手枪，受控环境平均精确率 72.5%。系统由 Wi-Fi 发射端、接收端及深度学习模型构成，目前开源代码、模型和数据集。
IT之家AI 评分4545 “货轮在霍尔木兹海峡起火沉没，海面漂满 iPhone”视频系 AI 编造
近日一段“货轮在霍尔木兹海峡起火沉没，海面漂满 iPhone”视频在社交平台获超 8000 万次观看，事实核查显示视频由 AI 生成。新加坡海事及港务管理局证实，一艘货轮 10 月 13 日在霍尔木兹海峡遭不明飞行物袭击后沉没，21 名船员安全撤离。虚假视频来自 Instagram 账号“Nativora”，创作者标注为“AI Content”。
HuggingFace Daily PapersAI 评分4040 SWIFT: 通过目标外推实现自引导弱到强扩散模型训练
SWIFT 提出一种自引导训练方法，利用冻结的弱去噪器提升强模型性能，无需推理时增加开销。在 ImageNet-256 上，该方法以约一半训练计算量超越基线最佳 FID，支持条件与非条件生成。
IT之家AI 评分6868 阿里 Qwen 开源 BlenderWorld，给 AI 出了一套 3D 建模大考
阿里 Qwen 团队开源 BlenderWorld，这是一个用于评测视觉智能体在 Blender 中完成真实 3D 创作任务的基准，包含 223 个任务和 2,651 条标准。该项目要求 AI 交付可编辑的 .blend 工程文件，并支持开发者将任意生成框架接入测试。
TechCrunch · AIAI 评分6565 Elorian发布首个AI模型Glimpse，实现图像推理而非仅描述图像
Elorian发布首个AI模型Glimpse，采用'视觉scratch space'机制，可在推理过程中返回图像源区域、提取视频帧或运行代码进行测量比较。该模型在科学图表推理和短视频字幕生成方面表现优于GPT-6 Astra，定价为每百万输入token 0.60美元，输出token 3美元。
The DecoderAI 评分7676 Black Forest Labs 发布 FLUX 3 Image Klein 开源图像模型
Black Forest Labs 发布了 FLUX 3 Image Klein，一个56亿参数的开源图像生成模型，支持文本生成图像、图像编辑和最多10张参考图像生成。该模型在8GB VRAM的NVIDIA GPU上运行，原生支持4K输出，像素级编辑和边界框元素放置，在内部测试中得分超过Ideogram V4.5和FLUX.2 [pro]。
Hugging Face Blog精选AI 评分8080 Hugging Face 发布 FLUX.3 Image Klein 模型
Black Forest Labs FLUX.3 Image Klein 模型已在 Hugging Face Diffusers 上开源，支持文本生成图像、多参考图像到图像转换以及边界框布局控制功能。蒸馏检查点可在 H100 上约 2 秒内生成 1024×1024 图像，同时提供量化版本和 LoRA 微调脚本。
推荐理由：原文提供了模型新功能和开源实现细节，读者可据此评估其在图像生成领域的应用潜力。
开源中国AI 评分4343 TypeSafe 发布 Jev 1.14，支持看图做决策、以及更长上下文
TypeSafe AI 发布 Jev 1.14.0，新增图像输入、新类型 box 和更长上下文等实验功能。该模型强调在可靠性与创造力间的取舍，生产环境需经内部测试，实验功能则鼓励用户自主探索风险。
量子位AI 评分7373 Google发布Nano Banana 2.1图像生成模型
Google发布Nano Banana 2.1图像生成模型，实现4K直出、中文效果提升，API价格降低50%，但在连续编辑稳定性和完成度方面仍有改进空间。
开源中国AI 评分6565 Nano Banana 2.1 深度实测：4K 直出、中文排版大进步，连续改图的坑也要看清
Google 将生图模型 Nano Banana 更新至 2.1 版，底座换为 Gemini 3.6 Flash，升级集中在视觉设计、蒙版编辑、主体一致性和画面真实感四个方向。
开源中国AI 评分7070 Google 发布 Nano Banana 2.1 模型
Google 发布 Nano Banana 2.1，将 Gemini 3.6 Flash 作为底座，下放多图一致性、复杂局部编辑和文字海报等 Pro 级能力到 Flash 成本和速度水平。
IT之家AI 评分7272 Liquid AI 开源 d1 系列决策模型：单次判断仅 8 毫秒，支持图像输入
Liquid AI 发布 d1-3B 和 d1-omni-600M 两款开放权重决策模型，分别支持文本与图像输入以及文本、图像与语音输入，已在 Hugging Face 公开。d1-3B 在 NVIDIA RTX 4090 上单次判断耗时 8 毫秒，在 Decision Index v0.2.1 测试集获得 48.57 分。
IT之家AI 评分6565 谷歌发布 Nano Banana 2.1 图像模型
谷歌发布了 Nano Banana 2.1 图像生成与编辑模型升级版，在视觉设计、蒙版编辑和主体一致性方面实现提升，现已部署至 Gemini 应用、谷歌搜索等多个平台。
Simon WillisonAI 评分1515 Mistral Large 4 模型评测
Mistral Large 4 在 SVG 生成任务中与其他前沿模型（Claude Opus 5.5、GPT-6.1-Sol、Gemini 3.8 Flash）进行对比测试。评测通过生成“穿渔网紧身衣的犰狳在火星乱穿马路”的提示词进行。各模型均使用默认推理级别。
The DecoderAI 评分6565 Google 发布 Nano Banana 2.1 图像生成模型
Google 发布 Nano Banana 2.1 图像生成模型，价格较前代降低约一半，1K 图像从 6.70 降至 3.36 美分，4K 图像从 15.10 降至 7.56 美分。该模型在视觉质量、文本渲染、角色一致性等方面有所提升，已部署到 Gemini 应用、Google Search 等产品中。
Google Research精选AI 评分7373 Google Research发布Diffusion Controller统一AI图像生成框架
Google Research推出Diffusion Controller框架，通过轻量级网络实现AI图像生成的精确控制，在保持图像质量的同时满足用户特定需求。该框架在测试中胜过LoRA等现有方法，实现了90%的胜率，并支持对闭源模型的控制。
推荐理由：原文提供了统一控制AI图像生成的新框架，解决了用户意图与图像质量之间的平衡问题。
Google Research精选AI 评分7575 Google Research 推出 AI 视频联合导演框架实现连贯长视频生成
Google Research 发布了 AI 视频联合导演框架，通过多智能体架构解决长视频生成中的语义漂移和级联失败问题。该框架包括 Co-Director、CANVAS、A²RD 和 VQQA 四个组件，能够在分钟级视频中保持角色和环境的一致性，并自动优化视觉质量。
推荐理由：原文提出了AI视频联合导演框架，解决了长视频生成中的语义漂移和级联失败问题。