MiniMax 官方演示开放权重模型 H3 Image 的电商与广告用法：从草图或产品图出发，一次生成棚拍、生活方式等多场景且画面保持一致的成套图。据其引用的 @eachlabs，该模型约 10 秒生成原生 4K 图像，任意长宽比下最高 16MP，支持最多 16 张参考图，可精准编辑添加或替换物体、渲染文字、信息图与 UI 版式，现已在 each::labs 可试用。
从草图或产品图一次出棚拍到生活方式的成套广告图，每张场景还保持一致，做电商视觉和 KV 的这周可以拿自己的产品图跑一轮看废片率。
点击打开原平台查看，能否访问取决于网络环境
fal 发布 ChatGPT 插件，把图像和视频生成能力接进 ChatGPT 对话，用户不离开对话界面就能用其平台上的模型生成、编辑和迭代创意素材，覆盖从概念到成品的流程，安装入口在 openai.com/business/plugins/fal/。对做视觉开发和分镜预演的创作者，意味着可以在同一个对话里反复改图改片，省掉在聊天和生成工具之间来回切换的动作。
在 ChatGPT 里就能调 fal 上的模型出图出片、边聊边改，做分镜草图和视觉迭代的可以装上试一轮，看它能不能替掉来回切工具那一步。
Google 在 Gemini API 上线 Gemini Decision 1 决策模型，每百万输入 token $0.10 且无额外费用，原生支持图像、音频、视频和 PDF，256K 上下文窗口，可回答 1K 个问题，API 可免费试用。Google Labs VP Josh Woodward 转发称团队常用它构建应用，附图基准显示 JeeBench 92.2%、MMAU 71.8% 等项领先对比模型。
多模态输入加 256K 上下文，价格压到每百万输入 token 一毛钱，做工具链的可以接 API 试它能不能替掉一层规则判断。
点击打开原文，能否访问取决于网络环境
Google AI Blog 发布 Gemini Decisions API，由新模型 Gemini Decision 驱动，官方定位是「快速、校准过的多模态判断」。原文只给出这一句产品定位。
Google 官方上线 Decisions API，主打多模态「快速判断」，但原文只给了定位没给参数和用例。做自动化筛选、批量打标的可以点开看接口形态，纯拍片的先放一放。
点击打开原文
Klad 是一款 2D 绘画与动画应用，人和编码 Agent（Claude Code、Codex 等能跑命令的）共用同一张画布：人用笔在编辑器里画，Agent 通过命令行用同一套笔刷画，双方实时看到对方笔触。应用内没有图像模型，Agent 决定画什么，Klad 提供笔刷、图层和时间轴。落下的每一笔都保留为带路径、压感、笔刷、颜色的笔画，形状保留控制点，填充保留区域，可单点修改而非重抽。示例中 Agent 为「小芽生物」画了 4344 个笔画与填充，随后把角色拆成五组、205 个关键帧做成动画，未重绘任何一帧。示例图由 Claude Fable 5.2 经命令行逐笔绘制。源码可见授权，年营收 50 万欧元以下公司及个人可免费使用，运行于 macOS。
Agent 通过命令行在同一张画布上落笔，笔触带路径、压感、笔刷和颜色，改哪片叶子就改哪片，不用重抽。做角色设定和道具图的可以试它跟 Claude Code 配合出图。
点击打开原文
Google DeepMind 的 Demis Hassabis 宣布发布 DNA 序列模型 AlphaGenome 2，可预测 DNA 变异在不同特定细胞类型中的影响，用于理解复杂疾病，已通过 API 向学术研究开放，文档地址 alphagenomedocs.com。这是生命科学方向的科研模型，不产出图像、视频或音频内容，与影视创作流程无交集。
基因组学研究模型，预测 DNA 变异对特定细胞类型的影响，已通过 API 向学术研究开放。跟影视创作没关系，编导和短剧团队直接跳过。
点击打开原平台查看，能否访问取决于网络环境
OpenRouter 公布数据：MAI Transcribe 2 上线以来请求量增长 12 倍，上周完成 850 万次转写，9 月上线首周为 70 万次；同期整个语音转文字类别的请求量增长 3 倍。榜单页 openrouter.ai/rankings/transcription 可查各转写模型的实际调用排名。对做字幕、配音对轨、长素材整理和口播切片的人来说，这是一份按真实调用量排出的选型参考。
一周 850 万次转写、比上线首周涨 12 倍，语音转文字正在被大量真实业务吃掉。做字幕、配音对轨、素材整理的后期可以拿它跟手上方案比一遍准确率和价格。
点击打开原文，能否访问取决于网络环境
Marktechpost 上线 GPU Leaderboard，抓取 24 家供应商共 201 个实时 GPU 报价，按每 GPU 小时单价排序，支持按卡型、档位、地区、可用性筛选，另有按整次运行计价的推理成本计算器（选卡型、卡数、时长、利用率）。默认示例为 8×H100 跑 72 小时、90% 利用率，合计 576 GPU 小时，最低 Latitude 967.68 美元（1.68 美元/卡时），15 家中位数 1716.48 美元，最高 CoreWeave 3545.28 美元。同步推出 Chrome 扩展 Deploy It。
24 家供应商 201 个实时 GPU 报价按每小时单价排序，还能按整次运行算推理成本。自己搭生成流程、要长期跑批量出片的团队可以拿它比一轮价。
点击打开原文
Luma AI 宣布 Character Swap & Insert 功能上线 Luma，可对已有视频做角色替换与插入。官方演示覆盖同一镜头内更换演员、更换汽车、加入一只狗、移除人物等客户常见修改需求，强调改动后仍保持同一镜头。对需要按客户意见返工的视频团队，这意味着改角环节从重新生成转为在原片上调。
客户改片最常见的几种要求——换演员、换车、加只狗、删个人——现在能在同一个镜头里直接改，不用重拍重生成。做后期和短剧的可以拿手上废片试一轮，看换脸后光影跟不跟得住。
点击打开原平台查看，能否访问取决于网络环境
ElevenLabs 在 Summit NYC 公布五项智能体相关发布：Fine-tuning 允许企业在未来几个月用自有数据持续微调其 TTS、STT 模型及开源 LLM；Interaction Engine 按对话环节自动切换模型，简单请求用便宜模型、退款等复杂场景用前沿模型以控制 token 成本；ElevenAgents 新增 Memory（记住对话中随口提到的信息）与 Routines（对话前后自动执行操作，如贷前预审、回电、账单提醒）；ElevenAI 是面向工作的新助手，支持在任意 App 内听写、记会议纪要、在智能体与人之间传递上下文、通话中实时辅助。
配音和虚拟角色对话这块，ElevenAgents 现在能记住对话里随口提的事、还能在通话前后自动跑流程，做 AI 客服式互动剧和语音短剧的可以接进去试。
点击打开原平台查看，能否访问取决于网络环境
ComfyUI 博客说明重写了文本生成的热路径，专攻 Qwen3.x 系列，模型和输出质量不变，token 速率最高翻倍，改进随 v0.45.0 提供。RTX 5090 上 Qwen3.5 9B 从 106 升至 219 tokens/秒，RTX 5080 从 91 升至 129；Qwen3.8 27B 描述 1536×1536 图像从 55 升至 122 tokens/秒。用法是加载 Qwen3.x checkpoint，Text Generate 节点的 mtp 选项保持 auto。近期多个图像生成模型自带的提示词增强器也一并变快。
本地跑 Qwen3.x 写提示词、描述图片的人，升级到 v0.45.0 后 Text Generate 节点的 mtp 保持 auto 就能吃到提速，RTX 5090 上 9B 从 106 涨到 219 tokens/秒，出提示词不用干等。
点击打开原文
昆仑万维董事长兼CEO方汉在杭州AI文娱（短剧）产业对洽会上分享判断：AI短剧产能问题已解决，竞争从单点工具转向覆盖生产到发行的系统能力。他援引数据称今年前9个月上线短剧约49万部，海外市场规模超60亿美元、同比增长67%，爆款率仅约千分之五；昆仑万维2026年9月AI短剧平台单月流水近1亿美元，月度上新剧集中95%以上由AI生成。
49万部短剧、爆款率千分之五、海外60亿美元，方汉这组数字把AI短剧的真实盘子摊开了。做短剧和做出海的可以拿它校准预期：单点工具已经不够，拼的是从生产到发行的整套能力。
点击打开原文
作者用 Claude Fable 5.2 写 Python 脚本驱动 Blender，从零做出一段恐龙短片：镜头、光线、动作都通过改参数重来，不用反复抽卡，哪里不对改哪里。作者据此提出疑问——Seedance 这类视频模型会不会被代码路线取代，以及这是否是 Claude 不做视频模型的原因。
用代码调镜头、光线、动作参数，改哪重跑哪，不用抽卡赌运气。做分镜预演和需要精确复现的镜头可以试这条路，跟视频模型是两套打法。
点击打开原平台查看，能否访问取决于网络环境
创作者 @jerrod_lew 分享用 Gemini Omni 1.2 Flash 做动画的用法：上传一张图片，提示生成「顺序层叠」风格的动画，镜头会快速推近（crash zoom）到画面中的特定元素上，提示词和原图放在评论区。适合做分镜预演、海报动效和单图转镜头运动。
一条可复用的玩法：上传单张图，提示词让画面按图层顺序展开、镜头快速推近到指定元素，做分镜预演和 KV 动效的可以照着跑一遍。
点击打开原平台查看，能否访问取决于网络环境
Luma AI 官博发文对比 InVideo 在商业广告项目中的短板：生成内容仅 25-40% 片段可用，需大量重生成；不提供 HDR、EXR 等后期专用导出格式；跨场景保持角色、产品与视觉风格一致需人工反复审校；基于场景的编辑方式导致复杂修改只能整段重生成而非局部调整。文中以一支主片、六个社交版本、三个市场本地化的投放需求为场景，强调后期流程衔接与品牌一致性。
Luma 官博点名 InVideo 的四个坑：生成片段只有 25-40% 能用、不支持 HDR/EXR、角色品牌一致性要反复修、改镜头得整段重生成。做商业广告和品牌片的可以拿这份清单对照自己手上的工具。
点击打开原文
开发者 Felix Rieseberg 用单次提示让 Fable 5.2 从零生成一个可玩的游戏，模型、音效、贴图全部由模型产出，无人工反馈介入。API 计费约 550 美元，消耗约 270 万输出令牌和 4.45 亿输入令牌（大量走缓存），总耗时 8 小时，成品已发布在 Claude Artifact 上可直接试玩。
一次提示跑 8 小时、烧掉约 550 美元 API 费用，模型、音效、贴图全由模型自己生成。想摸清单次提示能撑多复杂的活儿，这个成本账可以拿来当参照。
点击打开原平台查看，能否访问取决于网络环境
MiniMax 旗下海螺（@Hailuo_AI）发推面向游戏开发者，称「你的下一个世界可能从一个 #H3Image 提示开始」，指向 H3 的图像生成能力，配文为悬念式喊话，未附示例图或具体参数。
海螺官方一句「你的下一个世界可能从一个 H3Image 提示开始」，没给图没给参数，做游戏美术的可以留意 H3 的图像能力，拍片的先路过。
点击打开原文，能否访问取决于网络环境
用户 @xiaomanhedy 分享 WorkBuddy 自带微信助理的使用体验：人在外面时在微信里发指令，即可把电脑里的文件发到手机；打通本地上下文后不再依赖「文件传输助手」在手机和电脑间来回传。文件起名、建文件夹也交给 AI，按用户预设的目录规则自动重命名、归档分类、调取发送。
个人使用体验分享：在微信里喊一声就能把电脑文件发到手机，还能按预设目录规则自动重命名归档。做素材管理的可以看看这个思路，跟拍片本身关系不大。
点击打开原文，能否访问取决于网络环境
用户 @bidyut_io 发帖对比 ChatGPT Image 2.5 与 2.6 两个版本，称差异比预期明显，配图展示两版出图效果。
只有一句「差异比想象中明显」加两张对比图，没说是哪方面变好。做视觉的可以点开图自己看，别指望有结论。
点击打开原文，能否访问取决于网络环境
