OpenAI 11 月 4 日发布图像模型 Images 2.6，ChatGPT 与 Codex 全档位用户当天可用，覆盖电脑、手机、网页版，开发者可通过 API 调用。新增 SVG 矢量图导出（可直接用于网站、App、印刷品）、GIF 动图生成（支持文字、照片、手绘草图输入，可调播放速度、逐帧查看修改），出图速度较上版快 50%，改图时能更准确定位修改区域。API 分两版：Flare 偏速度，低画质下最快约 6 秒一张；Sunburst 偏画质，中高画质细节更多，多轮改图后人物与商品一致性更稳。另新增图片标注（圈选局部修改）与复杂度参数。OpenAI 称全球每周生成 40 亿张图。
SVG 导出意味着 AI 出的图标、Logo 能直接进设计稿和印刷品，不用设计师照着重画；GIF 用精灵图拼帧，拍片前试角色动作很省事。做视觉和 KV 的这周可以拿 API 跑一轮。
点击打开原平台查看，能否访问取决于网络环境
Google Gemini 宣布 Gemini Omni 1.2 Flash 视频模型即日起向所有 Google AI 订阅者推送，Gemini 应用内支持多轮对话式剪辑与更稳定的画面。Google AI Ultra 订阅者可单次生成并编辑最长 15 秒视频，支持 3s 到 15s 任意时长、更自然的多人对话口型同步和更连贯的运镜。模型由 Google DeepMind 更新，可先出 360p 或 720p 草稿（$0.07/s，成本低 30%）再放大至 1080p 或 4K。
视频生成开始能像聊天一样反复改，Ultra 单次最长 15 秒，还能先出 360p 草稿再放大到 4K，做短剧和广告的可以拿它试一轮改片流程。
点击打开原平台查看，能否访问取决于网络环境
Krea AI 官宣推出全新 Krea Video，主打在浏览器内直接生成好莱坞级画质视频。功能包括电影感相机控制、100+ 热门预设、可直接用于 UGC 的模板、视频剪辑、风格迁移和声音生成，现已开放试用。对做短剧和投放素材的团队来说，生成到剪辑到配音在同一页面完成，省掉跨工具导来导去。
Krea 把生成、剪辑、风格迁移、声音塞进一个浏览器页面，还给了 100+ 预设和 UGC 模板。做短剧和投放素材的可以先去跑几条，看预设能不能省掉调参那一步。
点击打开原平台查看，能否访问取决于网络环境
百度发布 ERNIE 5.5 Flash Base 模型，官方博客提供介绍页，同时在 Hugging Face 开放下载入口（huggingface.co/baidu/ERNIE-5.5-Flash-Base）。原文只给出发布与下载渠道，未列出参数规模、上下文长度、推理速度或价格等具体指标。对做本地部署、私有化推理的技术整合者来说，权重可下载意味着能自己跑起来测；对拍片和后期环节，这条暂时没有可直接用的创作能力。
百度把 ERNIE 5.5 Flash Base 权重放上 Hugging Face，官方博客同步给了介绍页。做本地部署和私有化流程的技术整合者可以先去下权重跑一遍，看能不能接进自己的生成流程。
点击打开原文
OpenAI 发布安全专用模型 GPT-6 Cyber，称在多个网络安全用例上表现突出，并强调能力提升的同时对齐更好。该模型此前驱动了已公布的 Linux 内核研究，Mozilla、Palo Alto Networks、Calif、Cisco 及 OpenAI 自身安全团队已在使用，目前向部分 Daybreak Red 客户开放，访问范围将逐步扩大。
网络安全垂直模型，跟拍片、出图、剪片都不沾边，创作团队路过即可。
点击打开原平台查看，能否访问取决于网络环境
World Labs 发布 Frameboy demo，把两个月前推出的自回归世界模型 Atlas 放到云端 GPU 上串流，支持实时探索生成世界，最高 15 fps，并具备像素级相机控制。相比只能出固定片段的视频模型，这套是能边走边看、随时改机位的交互式场景。做虚拟预演、场景勘景和镜头调度的可以关注它的相机控制精度和帧率表现。
Atlas 世界模型从云端 GPU 串流，能实时走进生成场景、像素级控相机，最高 15 fps。做虚拟场景预演和镜头走位的可以点开 demo 感受一下交互节奏。
点击打开原平台查看，能否访问取决于网络环境
Perplexity 上线 Teammates 功能，智能体可承接任务，调用 Computer tasks、skills、memory 和工具主动工作，彼此之间能协作，还能在 Slack 中给同事发消息。目前已向 Max 订阅用户开放网页版。
Perplexity 的 Teammates 能自己接活、互相协作、还能在 Slack 里给同事发消息，本质是办公自动化智能体。跟拍片剪片不沾边，做团队协作流程的可以瞄一眼。
点击打开原平台查看，能否访问取决于网络环境
据 WSJ 报道，OpenAI 总裁 Greg Brockman 承认 2026 年上半年「相当艰难」，Anthropic 在企业 AI 领域领先，他提到「我们有 Codex，但没人谈论它」。第三季度情况反转：OpenAI 年化收入单季增长 70%，企业收入翻倍，商业客户已占其收入多数，他把转折归功于 GPT-5.6 Sol 和 ChatGPT Work。被问 2027 年能否 IPO，他答「我想可以」。
OpenAI 总裁自述上半年被 Anthropic 在企业市场压着打，靠 GPT-5.6 Sol 和 ChatGPT Work 一个季度把年化收入拉高 70%。关心大模型商业格局和工具选型的制片可以扫一眼。
点击打开原文，能否访问取决于网络环境
账号 @imjustnewatai 发推称 OpenAI 将要发布新的 Sora 模型，点名「Sora 2」，属第三方爆料。对做 AI 短片和短剧的团队，这条只说明 Sora 线可能有下一代，具体画质、时长、音频能力要等 OpenAI 官方公布后才能判断是否值得改工作流。
只有一句爆料加两个眼睛表情，没有参数没有时间没有官方口径。做 AI 视频的可以记一笔等官宣，别当已发生的事去排期。
点击打开原文，能否访问取决于网络环境
OpenRouter 上线 Google AI Studio 的 Gemini Omni 1.2 Flash：视频单段最长 15 秒（1.1 为 10 秒），每秒定价降约 30%，支持文生视频与图生视频，360p 到 4K、16:9 或 9:16、带原生音频。按秒计价 360p $0.023、720p $0.070、1080p $0.104、4K $0.209，示例一条 15 秒 1080p 约 $1.56。同一模型在 chat completions 里也能接文本、图像、视频提示，131K 上下文，输入 $1.50/M、输出 $9/M。
单段从 10 秒拉到 15 秒、每秒价格降三成，1080p 一条 15 秒约 1.56 美元，做短剧的可以按这个价算算一集成本。
点击打开原平台查看，能否访问取决于网络环境
Blackmagic Design 发布 DaVinci Resolve 21.2，为配备 PROLED XDR 显示屏的 Apple MacBook Pro 增加触摸屏支持，在 M5 Pro 和 M5 Max 芯片上特效渲染速度最高提升 5 倍，并支持 Blackmagic Generation 6 Color Science LUTs，已开放下载。对剪辑和调色岗位来说，渲染提速和触屏操作直接影响日常出片节奏。
达芬奇 21.2 给 M5 Pro/Max 上的特效渲染提速最高 5 倍，还加了 MacBook Pro 触屏支持和第六代色彩科学 LUT。做后期的这周升级跑一遍老工程，看渲染时间省多少。
点击打开原文，能否访问取决于网络环境
GPT Image 2.6 API 新增两项能力：对图像复杂度的控制更精细，并支持直接生成 GIF。作者 Gabriel Chua 用 Flare 生成「男人做站立后空翻」的 GIF，把低、中、高三档复杂度并排对比，并附详细说明。对做动态分镜、循环动图和 KV 预演的创作者，GIF 直出省掉一步转码，复杂度分档则方便按出片质量控成本。
API 侧新增 GIF 输出和低/中/高三档复杂度控制，作者用站立后空翻做了并排对比。做分镜预演和动态 KV 的可以接 API 跑一组，看三档在动作连贯性上差多少。
点击打开原平台查看，能否访问取决于网络环境
Decart 的 Lucy 2.6 已在 fal 上线，主打实时视频转换，视觉保真度较上一版有明显提升。官方列出的能力点包括：角色与参考图保持一致、保留服装的合身度与细节、产品/道具/配饰的放置更自然。适合直播实时换景换装、虚拟拍摄和电商短视频这类需要边拍边转的场景。
实时换装换景还能锁住参考图里的角色和服装细节，做直播、虚拟拍摄和电商短视频的可以接 fal 的接口跑一段实拍素材看稳定性。
点击打开原平台查看，能否访问取决于网络环境
Manus 官方宣布 Manus Studio 项目现可导出至 Premiere Pro、DaVinci Resolve、CapCut 和 Final Cut Pro，支持在 Manus 内用 AI 创作并直接剪辑，也可把视频导出到自选工具继续处理。对后期和剪辑团队来说，AI 生成的素材能直接进现有剪辑软件，省掉中间转存环节。
AI 剪完能直接导出到 Premiere、达芬奇、剪映、Final Cut Pro，后期不用再手动搬素材。做短剧和批量剪辑的可以试一遍导出流程顺不顺。
点击打开原平台查看，能否访问取决于网络环境
Luma AI 推出 Photo Reframe 功能，可填充图像四周空间，把同一张图适配成 Instagram 帖子、专辑封面、商店页面、公交站海报等不同版式。核心是扩图补边，解决一张主视觉要铺到多种画幅时的重构图问题。做 KV、海报、社媒物料的视觉和制片可以直接拿现有主图跑一遍，看补出来的边缘和原图接不接得上。
一张图自动往外扩，Instagram 帖子、专辑封面、公交站海报各出一版，做 KV 和投放物料的视觉师能省掉重构图那一步。
点击打开原平台查看，能否访问取决于网络环境
Tripo 介绍 Agentic Canvas（该产品 10 月 30 日已发布），一个可在一个界面里规划、连接并运行 3D 工作流的智能体，支持保存画布并在后续项目中复用。配套教程演示两条流程：为 Unreal Engine 构建并绑定可用于游戏的角色，以及为 3D 打印准备和修复模型。
Tripo 把 3D 生成串成可保存复用的画布，新教程给了 UE 角色绑定和 3D 打印修复两条流程，做虚拟形象和道具资产的可以照着跑一遍。
点击打开原平台查看，能否访问取决于网络环境
Meta 在 Connect 大会上预览的 Muse Realtime Avatar 正式在美国区 Muse 应用上线，该技术把 Muse Realtime Voice 的语音能力转化为有表情、可交互的实时虚拟形象，定位是让用户与个人智能体互动更自然。官方称更多细节发布在研究博客。对做虚拟角色、AI 主播、实时对话类内容的团队，这是一个可以直接上手体验的实时形象+语音组合形态。
把 Muse Realtime Voice 变成能实时对话的虚拟形象，美国区 Muse 应用已能用。做虚拟角色对话、AI 主播这类形态的可以进去看看交互自然度到什么程度。
点击打开原平台查看，能否访问取决于网络环境
法国 ATOM（@ATOM_VISUAL）预告 AE 插件套件 Artefact Lab，演示画面全部由这套工具制作。包含四件：Real God Ray 做粒子与神光并自动生成尘埃（沿用 Spatium 同套系统）、GRIP 做有机 3D 摄像机运动、Phosphore 做辉光、ACETATE 做胶片模拟。官方称几天内上线，届时在官网提供。
做后期的可以留意：Real God Ray 自动生成尘埃、GRIP 做有机 3D 运镜、Phosphore 管辉光、ACETATE 模拟胶片，全是 AE 里直接用的。官方说几天内上线，先收藏等放出。
点击打开原平台查看，能否访问取决于网络环境
Meshy 上线照片转 3D 浮雕功能，向所有用户开放。上传照片即可所见即所得生成浮雕模型，提供 Low Relief（适合标牌）与 High Relief（适合雕塑）两档，导出为背面平整的高细节模型，面向 3D 打印和实体展示场景。
上传一张照片就能出可打印的浮雕模型，Low Relief 走标牌、High Relief 走雕塑，背面自动做平。做实体周边、道具、展陈物料的可以拿它试一版。
点击打开原平台查看，能否访问取决于网络环境
Claude 上线 Personal Finance 功能，用户连接账户后，Claude 可解释消费、账单和余额情况。功能为只读访问，用户可自选账户并随时解绑，目前处于 beta 阶段，正逐步向美国 Pro、Max 和 Ultra 套餐用户开放。
Claude 接银行账户做消费解释，只读、可解绑、beta 限美国付费套餐。跟拍片没关系，做制片成本管理的可以留意这类账目问答以后能不能用。
点击打开原平台查看，能否访问取决于网络环境
PixVerse 官方演示 Depth Map Control 用法：在 PixVerse 打开该功能，上传想复刻的视频作为深度参考，再添加自己的角色、物体或场景，写提示词生成，即可用自己的角色复刻任意视频的动作。适合需要把现成动作素材迁移到自己角色上的镜头复用场景。
上传参考视频当深度图、换上自己的角色再写提示词，四步就能把别人的动作搬到自己的片子里。做分镜预演和短剧动作戏的可以照着跑一遍，看角色一致性稳不稳。
点击打开原平台查看，能否访问取决于网络环境
Runway 发布技术研究《Runway Characters: Serving a 57B Video Diffusion Transformer for Real-Time Conversation》，讲如何让约 57B 参数的自回归视频扩散 transformer 以 24 fps 支撑可对话的实时虚拟角色，硬件侧用四张 H100 跑通。对做实时虚拟角色、AI 主播、互动剧的技术整合者，这是一份关于大模型实时出画的服务侧方案参考。
57B 的视频扩散 transformer 跑到 24 fps 实时对话，四张 H100 就够，做虚拟角色实时互动的技术整合者可以看它的服务方案怎么拆。
创作者 SwordSpeed 用 Kling 4.0 做了 30 秒无对白科幻短片《THE CABLE（电缆）》第一章，目标是验证 AI 动画能否保住 1988–1992 年日本手绘赛璐璐 OVA 的质感。他设了三个测试点：复古画风在镜头运动中是否退化、赛博格角色跨镜头是否保持一致、零重力环境下头发与碎片的惯性次级运动。结论是三项均达标，其中发丝级次级运动表现最突出。
拿 30 秒无对白短片专门测三件事：复古赛璐璐画风在运动里会不会糊、赛博格角色跨镜头脸崩不崩、零重力下发丝和碎片的惯性。做风格化动画和角色一致性的视觉师可以照着这个测试思路跑一遍。
点击打开原文
作者用 Pro 订阅赠送的 API 额度调用 gpt-image-2.6，完成《内阁打工人》《精神稳定的藏狐》两套微信动态表情包共 32 张，含前期测试总花费 4 刀出头。流程四步：generations 接口开 output_format="gif"、size="320x320"、background="transparent" 直出 3×3 母版 9 帧透明动图，抽第 0 帧存 anchor.png 锁人设；其余 15 张喂 anchor.png 走 edits 接口并发，只改动作与配字；prompt 里强制写死 NO white sticker border / NO white outline，避免微信深色模式下帽翅耳朵缝隙残留白边；最后用 Python 按 9 帧联合包围盒居中缩放到 240×240，保留前景原始 RGB 做 GIF89a 透明量化，裁好 cover 和 icon 直接上传微信表情后台。
作者用 Pro 订阅赠的 API 额度，4 刀出头跑完两套 32 张动态表情包，锚点图锁人设、edits 接口并发、深色模式去白边、Python 打包四步都写清了。做角色 IP 和表情包生意的可以照着跑一遍。
点击打开原平台查看，能否访问取决于网络环境
MiniMax Design 用 H3 演示中国古代成语故事的「档案监控录像」风格视频，公开了完整做法：先用人物和庭院做参考图，再把落水、想办法、砸缸、救人分段生成并固定机位，最后用 VCR OSD Mono 与 GNU Unifont 绘制低分辨率点阵时间戳，轻微模糊放大后用 FFmpeg 叠加到画面上模拟老监控字幕。分段生成加固定机位是控制多镜头连贯性的关键，假时间戳则是伪纪实质感的来源。
把「司马光砸缸」拍成老监控录像，关键不在模型而在那层假时间戳——点阵字体加轻微模糊再用 FFmpeg 叠上去。做复古质感和伪纪实的后期可以照这套跑一遍。
点击打开原平台查看，能否访问取决于网络环境
Luma 官博面向广告公司讲 AI 创作工具的用法，核心场景是已定稿的创意被临时追加需求时如何局部修改而非重做：保留已通过的版式只改单个元素、多市场标题本地化、从 brief 到交付走同一套流程。文中提到 HDR 工作流与 EXR 导出可接入专业后期，并点名 Serviceplan、Dentsu、Publicis Groupe 等代理商。
讲的是改稿场景：客户临时加三个版本、四个市场本地化、换主视觉视频，不用从头重做。制片和后期可以看它怎么把 HDR、EXR 导出接进现有流程。
点击打开原文
作者给出两步做法：先让生图模型按想要的画面生成连续动作的 36 宫格图，再把宫格图连同指令交给 GPT，要求严格按从左到右、自上而下的顺序从第 1 帧播到第 36 帧，仅正向播放不倒放、每帧 10ms（约 100FPS）、无插帧无画面融合、无限循环。作者补充宫格数越多画面越流畅，每帧时长越大播放越快。
用生图模型出 36 宫格连续动作图，再交给 GPT 按帧序拼成无限循环 GIF，每帧 10ms。做表情包、循环动效和短剧转场的可以照着跑一遍。
Recraft 官方博客讨论图像生成的两条接入路径：走 fal、Replicate 这类模型市场，还是直连厂商 API，并给出多数生产团队最终采用的混合方案。文章把模型市场定位为图像生成的核心基础设施，按「什么时候该走市场、什么时候该直连」分场景说明。对需要自己串生成流程的技术整合者，这是一份选型参考；不涉及具体模型能力或价格数据。
讲 fal、Replicate 这类模型市场和直连官方 API 各自适合什么场景，以及多数团队最后会走的混合方案。自己搭生成流程的技术整合者可以对照着看，纯拍片的编导这条用不上。
点击打开原文
创作者 James Yeung 称把 4 张图片丢进 Seedance 2.5，几乎没写提示词就得到一段 30 秒视频，属于多图参考直接出片的个人实测分享。
个人实测：4 张参考图、几乎不写提示词，直接出 30 秒成片。想试多图参考做连续镜头的，可以照这个思路跑一遍看稳定性。
点击打开原平台查看，能否访问取决于网络环境
Luma 官方博客发布面向开发者和企业团队的 Sora API 替代方案指南，核心论点是 Sora 仍处于受限访问状态，团队需要能直接接入现有流程的平台，强调帧级控制、专业导出格式和 API 支持。文中重点介绍 Luma Layers（由 Uni-1 驱动）：把物体、文字、背景拆成可独立编辑的图层，上传图也能分解；产品替换靠匹配光照、透视和比例，多素材一致性靠保留版式与风格只改目标元素，文字层可单独改标题、日期、CTA 而不重生成整张图。
Luma 自己写的选型指南，把「Sora 还没开放」当由头推自家 Layers 和 Uni-1 图层拆分。要接视频生成 API 的技术整合者可以扫一眼对比维度，视觉师重点看图层化编辑那段。
点击打开原文
