全部 AI 动态

OpenRouter 发布 Visual Image Benchmarks，帮助用户快速评估其提供的全部 39 款图像模型（截至 2026 年 8 月）的实际能力。基准测试用七类挑战性提示词区分模型差异，包括不可能场景、计数、文本、空间关系、否定指令、编辑和一致性，并以网格形式展示结果，支持按价格和生成时间排序。OpenRouter 计划未来将该工具扩展至视频和音频模态。

Midjourney 发布 alpha.midjourney.com 两周内第二轮更新，修复大量 UX 问题并新增文件夹分组功能。用户可在侧边栏将项目整理为可折叠树状分组，支持双击重命名；Upscale、Zoom、Vary 功能回归，Vary 现在遵循用户设置而非静默运行 HD。设置项不再自动重置，站点卡顿、编辑器遮挡、提示词粘贴损坏等问题均已修复。

全球设计公司 Populous 高级建筑师 Georgina Myers 介绍团队用 Runway 辅助体育场馆概念设计：过去完整视频需外部渲染团队至少三周，且提交前两周须冻结设计模型；如今 Runway 能生成传达尺度感的完整渲染和航拍图，将视觉制作时间缩短，让设计师把时间还给设计本身。该工具已用于利雅得 MBS 体育场等中东项目，支持 9 种不同活动模式的场景迭代。

OpenRouter 推出专用图像生成 API，通过统一请求格式和单一密钥即可调用多个提供商的图像模型。开发者向 POST /api/v1/images 发送请求，响应中的 data[0].b64_json 包含 base64 编码的图像数据，解码后即可保存为本地文件。教程演示了 Python 和 JavaScript 两种实现，并支持通过 input_references 传入参考图像生成变体。

古风AI短片《天宫之约》爆火，播放近7000万、点赞超400万，被外交部发言人毛宁转发，海外平台观看超540万。该片由90后创作者栖光用可灵3.0制作，他看重可灵的画面质感、光影效果、精准提示词响应与生成稳定性。栖光已加入可灵AI创作者计划3.0，该计划设“灵感聚光计划”，提供每月百万现金池、千万级灵感值激励及单项目最高亿级曝光资源。

Chime 执行制片人 Shayla Love 透露，团队用 Runway 将原本需约 30 万美元、涉及 80 多名真实会员的电视广告尾卡制作压缩至 3 万美元以内，且几乎无制作开销。Runway 的定制工作流将质量参差的 UGC 照片转化为稳定、达到电视播出标准的动态画面。团队还计划用 Runway 制作概念故事板，以加速广告审批流程。

研究发现扩散 Transformer（DiT）图像生成流程中，预训练 ViT 编码器和 DiT 去噪器均会产生离群 token，尤其在中间层，且简单掩蔽高范数 token 无法改善性能，问题与局部 patch 语义损坏相关。为此提出 Dual-Stage Registers（DSR）干预方法，在 ImageNet 和文生图任务上持续减少离群伪影并提升生成质量。

Nvidia 媒体与娱乐部门副总裁 Richard Kerris 认为，AI 不是可叠加的功能，而是值得围绕其重建的全新计算模型。Runway 仅用一天便将 Gen-4.5 迁移至 Nvidia 最新平台 Vera Rubin，生成速度从分钟级提升至即时，使视频生成变为实时创作循环。

Skyscanner 品牌团队在美加品牌广告拍摄中，使用 Runway 辅助艺术指导，在开拍前锁定镜头构图、灯光方向和演员站位，并在片场实时验证拍摄内容。团队将 Runway 生成的场景、道具和构图直接放入最终广告版式（OOH、Meta 广告等），将原本需要两周的构思过程压缩为可执行的预可视化方案，使拍摄现场反馈闭环从后期提前到实时。

OpenRouter 通过专用 /api/v1/images 端点提供图像生成模型服务，图像理解仍通过 /chat/completions 端点完成，两者共用同一 API Key 和计费体系。该平台同时公布了两种任务的完整接口合约，并修复了此前出现的“no endpoints found”错误。

Apple 研究提出在预训练视觉编码器后添加一个轻量级适配层，即可直接用于扩散模型图像生成，无需重新训练整个编码器。该方法在 ImageNet 无条件生成任务上达到 1 FID，性能与专用编码器相当，且大幅降低计算成本。

Google Images迎来25周年，推出两项新功能：一是全新的可浏览图片主页，展示来自网络的动态沉浸式图片画廊，实时更新并根据用户兴趣智能定制，支持收藏夹标签页，未来几周在美国桌面端英文上线；二是将图像生成直接引入AI Overviews，基于最新的Nano Banana模型，将文本提示词转化为高质量定制图像，未来几周在英文区域逐步推出。回顾了2001年上线、2009年相似图片、2011年以图搜图、2018年Google Lens、2022年多模态搜索、2024年Circle to Search、2025年Lens+AI Mode及Search Live、2026年Circle to Search多对象识别等里程碑。

可灵在成立两周年之际发布创意品牌片《Now You See It Too》（想象，你亦可见），由可灵与全球创作者共同完成，其中许多画面来自「可灵两周年·年度创作集锦征集」的用户投稿。影片记录梦境、幻想、童年、爱等难以言说的画面，呈现 AI 时代人类想象力的集体表达，让过去只存在于脑海中的画面可以被保存、分享和被他人看见。

火山引擎上线豆包图像创作模型 Seedream 5.0 Pro 的 API 服务。该模型在交互式精准编辑、复杂信息可视化、影像与人像质感真实、原生多语种输入与生成等方面实现能力突破：支持点选、圈选、草图渲染、色值编辑、图层分离等像素级编辑；可稳定输出高密度信息图；强化光影、材质和皮肤肌理还原；原生支持中、英、西、葡、阿、法、德、俄、日、韩、泰等十余种语言。广泛适配电商营销、广告创意、深度教育、影视视觉开发、全球化出海物料等企业场景。

火山引擎声明，市场上出现的“火山Seedance模型接口”“Seedance低价中转接口”等均为非官方授权，存在数据泄露、服务中断、无SLA等风险。官方渠道是当前唯一合法的API接入途径。已接入非官方接口的客户应在30天内通过火山引擎官方完成合规迁移。火山引擎近期发布Seedance 2.5，欢迎通过官方路径接入。

针对单轮图像编辑模型在多轮交互中因单轮失败导致序列中断、误差累积的问题，提出 MT-EditFlow 流匹配强化学习框架。该框架整合多轮视角与多奖励公式，统一支持 GRPO 和 NFT 类强化学习方法，并系统分析轮次聚合评分策略、VLM 推理模式（权衡奖励偏差与方差）以及优势融合层级（防止奖励黑客行为）。研究发现将聚合优势广播至整个编辑轨迹能弥合局部规划与全局多轮任务成功之间的差距。实验表明，MT-EditFlow 在多种基模型上显著提升性能，其中 FLUX.1-Kontext-dev 的 turn-3 整体性能提升 6.85 分，超越 Qwen-Image-Edit 等开源模型。

安踏集团与火山引擎合作，基于Lumina平台及Seedream、Seedance、Seed系列模型，推出“灵犀穿搭大模型”，实现智能穿搭推荐、虚拟试衣试鞋及创意海报视频生成。在主流电商平台试运行中，转化率提升超10%，退货率下降超10%，版型与材质还原度超90%，内容制作周期从数天压缩至几分钟，成本下降80%。该模型依托安踏近6年百万组产品数据训练，在穿着贴合感、材质质感、清晰度、光影自然度、细节保真度、整体真实感六项技术维度优于通用模型。

百度智能云携手酱油文化、VAST、炫佳科技、魔方元启、LIKEAI，将千帆、百舸等能力落地于AI漫剧、3D内容、短剧创作。酱油文化漫剧制作周期压缩90%，月产能超200部，单月营收达5000万量级，抖音破亿作品中五分之一出自其手。VAST的Tripo大模型基于百度百舸数秒生成生产级3D网格。炫佳科技Kino-AIGC模型通过网信办备案并登顶VBench，累计生成超10万分钟AI视频。魔方元启制作周期缩短50%-80%。LIKEAI实现7-10人班组单周单部短剧交付，代表作《哎呀，我的娘亲是女帝》上线24小时播放量超2亿。

6月24日，生数科技与极豆科技签署战略合作协议。双方将整合生数科技多模态大模型（Vidu等）与极豆科技汽车AI解决方案、AI中台及车规级研发能力，围绕座舱内容、车主服务等场景打造汽车行业AIGC解决方案。重点探索个性化欢迎、亲子互动、旅途影像等场景，通过模型接入与场景编排将内容生成从预置供给升级为实时动态生成。同时将AIGC延伸至通勤、补能、车辆服务等环节，探索API、SDK及私有化部署等交付方式。极豆科技已与30余家车企合作，累计量产装车超1400万辆。

JoyAI APP 上线「欢乐足球季」主题活动，用户上传一张人像照片即可生成沉浸式赛场动态视频，支持近 20 款视频模板（看台抓拍、进球巅峰时刻、足球手势舞等），内置全景推进、特写定格等多类运镜逻辑，人物动作与表情自然拟合，赛场光影与人群动效同步渲染。同时上线近 50 款足球主题 AI 智能体，覆盖战术复盘、趣味评球、互动陪伴等方向。活动上线首周日均互动增长率超 158%。

用户发布多组详细提示词，要求保留原图主体及背景，仅对宠物、人物、表情包、企鹅等对象添加真实风格的绿色粽叶头套或指套。指令强调粽叶需具备叶脉、折痕、色差、翘边和自然阴影，用红白细绳或草绳固定并在下巴处松松打结，整体效果类似手机随手拍的真实照片，避免卡通感、头盔感和过度规整。每段提示词均独立指定保留原图和比例，不改变原表情或姿势。

美团智能创作团队构建了覆盖“生成—编辑—评判”全链路的海报生成技术体系。PosterCraft（ICLR 2026）通过四阶段级联优化实现端到端高美感海报生成，文字渲染准确率接近顶级闭源商业系统；PosterOmni（CVPR 2026）以单一统一模型覆盖扩图、补全、比例调整、风格迁移等六类设计任务；PosterReward（CVPR 2026）是首个专门面向海报质量的奖励模型，在专项评测基准上达86%准确率。三者相互协同，已全部开源至MeiGen-AI仓库，并在美团外卖套餐图生成、品牌IP袋鼠团团等业务中落地。

美团智能创作团队构建了覆盖“能生成、能编辑、能评判”的海报生成技术闭环：PosterCraft（ICLR 2026）实现端到端文字、视觉与版式统一优化，文字渲染准确率接近 Gemini 2.0-Flash-Gen 等闭源商业系统。