Krea 3 現已可透過 Partner Nodes 在 ComfyUI 使用
Krea 3 現已可透過 Partner Nodes 在 ComfyUI 使用,這款 Krea 圖像模型支援以參考圖驅動生成與編輯。用戶可按上載次序引用多張圖片並指定各圖用途,也可描述要修改及保留的內容,例如改動場景、光線或構圖時保留產品標籤、形狀和材質。生成結果可作為新的起始圖繼續編輯。
Krea 3 現已可透過 Partner Nodes 在 ComfyUI 使用,這款 Krea 圖像模型支援以參考圖驅動生成與編輯。用戶可按上載次序引用多張圖片並指定各圖用途,也可描述要修改及保留的內容,例如改動場景、光線或構圖時保留產品標籤、形狀和材質。生成結果可作為新的起始圖繼續編輯。
Krea AI 發佈圖像編輯模型 Krea 3,稱每張圖片編輯需時少於 8 秒,收費 0.06 美元,速度較 Nano Banana Pro 快 4 倍。模型只修改用戶標示的圖像區域;Krea AI 另稱其速度較 GPT Image 2 快至 10 倍,成本為三分之一。文中指出,這些價格與速度數據來自 Krea AI 自行公佈的比較,沒有公開測試方法或第三方驗證。
MTEdit 提出以打包軌跡畫布生成建立多輪圖像編輯數據集,減少逐輪生成造成的視覺品質漂移,並推出 MTEdit-Bench 評估模型。數據集包含 500K 條軌跡,每條最多 8 輪,平均 5.38 輪;以此微調的 Qwen-Image-MTEdit,在受評估的開源模型中表現最佳。
LILIE 以可逆正規化流編碼器為文字生成圖像提供融入語言資訊的損失,提升相對於純像素訓練的保真度。在 GPIC 數據集上,使用 LILIE 損失訓練的 JiT 模型將 gFD 從純像素基線的 66.84 降至 53.01,改善 14 分。其程式碼、編碼器及生成模型均已提供。
MOSS-Image 是開放權重的擴散 Transformer,結合高保真圖像生成與意圖感知提示詞增強,生成文字豐富、版面連貫的圖像。在 LongLongTextBench 上,其文字覆蓋率平均達 96.3%;在 RealLayoutArena 端到端系統比較中排名第二,其骨幹模型在使用共用增強提示詞評估的生成器中排名第一。研究團隊表示將釋出模型、訓練方案及評估框架。
提升 AI 圖像生成效果的五項提示詞技巧包括先寫主體再補充情境、明確指定風格與媒介,以及描述光線和構圖。GPT Image 2 等較新模型處理圖中文字的能力較舊模型好,但仍應用引號標示指定文字,並説明字體風格。結果接近但仍不理想時,每次只調整一項變數,亦可加入排除不需要元素的負面提示。
Black Forest Labs 的 FLUX 3 Image Klein 是 FLUX 3 系列中的 5.6B 參數開放權重模型,現可在 ComfyUI 使用。
Krea 3 是面向製作流程的圖像編輯模型,主打按提示修改指定內容並保留圖像其餘部分。頁面展示區域編輯、指定 HEX 色碼、最多八張參考圖及原生 2K 輸出;與 Nano Banana Pro、GPT Image 2.5 的速度比較採用預先生成結果,並非即時基準測試。
Black Forest Labs 發佈開放權重圖像模型 FLUX 3 Image Klein,支援文生圖、圖像編輯及最多十張參考圖生成。模型參數量為 5.6 billion,支援原生 4K 輸出;INT8 版本可在配備 8 GB VRAM 的 NVIDIA GPU 上運行,RTX 4070 生成一張圖少於 9 秒。
Krea 3 是一款為大規模編輯而設的前沿圖像模型,標示速度較 Nano Banana Pro 快 4×;原文並提供 krea.ai 連結。
研究證明,在 Flow Matching 中加入自我條件化,可突破固定深度模型的表達能力瓶頸,令額外採樣步數轉化為更深層的視覺推理。受控實驗顯示,自我條件化 Flow Matching 在多種視覺推理任務中準確度更高、推理深度更大,且表現隨採樣步數增加而提升。理論上,加入自我條件化後,固定深度主幹模型可達到與空間有界圖靈機等同的表達能力。
作者在 1 vCPU、2 GB RAM、沒有 GPU 的伺服器上,透過避免重複生成,將 AI 圖像生成成本維持在近乎零。做法包括逐項執行、回收記憶體、監測峯值 RSS,並按所需解像度渲染。流程在該伺服器上打包出 39 個成品,輸出約 856 MB。
Black Forest Labs 發佈 FLUX 3 Image Klein,這款 5.6B 參數開放權重模型支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。
推薦理由:FLUX 3 Image Klein的內部評測涵蓋生成、編輯及多參考任務,並列出參數規模與消費級GPU運行數據,可比較其評測表現和本地部署條件。
作者分享如何透過提示詞調整 AI 生成廣告的尺寸,同時保留已核准設計中的產品、包裝、文字和品牌視覺。她以桌面版 2880 × 1024 px 改成手機版 750 × 1108 px 為例,建議明確列出必須保留及可以調整的元素,並要求 AI 無法自然適配時説明限制。生成後仍須核對產品包裝、文字、構圖、品牌一致性及匯出尺寸,必要時可在 Canva 手動修正。
FLUX.3 Image Klein 現已支援 Diffusers,可用於文生圖、多參考圖圖生圖及邊界框版面控制。兩款開放檢查點分別是預設以 16 步生成且不使用 CFG 的蒸餾版,以及使用 50 步和 CFG 的 base 版。蒸餾版生成 1024 × 1024 圖像,在單張 NVIDIA H100 80GB 上平均耗時 1.93 s;文章亦提供 LoRA 微調腳本及量化權重載入方法。
推薦理由:文章展示了以邊界框安排生成版面及移動參考圖區域的做法,並附上 Diffusers 範例與 LoRA 微調腳本。
Black Forest Labs 於 2026 年 10 月 15 日發佈 5.6B 參數開放權重模型 FLUX 3 Image Klein,支援文字生成圖像、圖像編輯及最多 10 張參考圖的多參考生成。
OurBaby 開發者公開 AI 嬰兒照片生成器的實際成本,每張生成圖像為 $0.0398,並説明工具只能生成虛構肖像,不能預測嬰兒長相。作者稱,$2.99 的 5 張照片套裝毛利率約 80% 以上;免費預覽設有每個訪客 IP 每日一次限制及全站每日支出熔斷機制。用戶照片會加密後交予模型服務商,只用於生成圖像;生成圖像存於服務商的臨時儲存空間,不存入作者的資料庫。
名人 AI 深偽內容在 Instagram 等社交平台持續流傳,真實影像與偽造內容混雜,令公眾人物的肖像遭到冒用。Mia Goth 的 AI 生成假照在 Instagram 獲近 500,000 個讚,相關帳戶其後因冒充公眾人物被移除;該圖片亦曾出現在 Google 搜尋的 AI 摘要中。
作者用四個獨立 Python 腳本處理 AI 藝術產品的元資料、上架追蹤、封裝及文件製作,並將一個提示詞引擎轉化為 39 件完成產品。元資料與追蹤腳本只用 Python 標準程式庫;封裝和 PDF 分別使用 Pillow、reportlab,39 件產品共輸出約 856 MB,並在配備 1 vCPU、2 GB RAM、沒有 GPU 的伺服器上完成封裝。
TattooGenerator 以紋身位置和實際尺寸為設計起點,並按不同紋身風格套用線條與填色規則,避免設計細節過密而難以在皮膚上呈現。工具可把設計匯出為指定尺寸的高對比線稿,供紋身師製作轉印模板;紋身師仍負責調整構圖和實際紋身。
香港電訊自主研發的 AI 平台 HKT.AI 正式啟用,即日起開放個人及中小企用戶訂購,月費分別由 $48 及 $88 起。平台現有超過 80 個 AI 助手,涵蓋家庭輔導、生活顧問及商業營運;個人版每月包含 4,800 AI 積分及 10GB Library,中小企版包含 8,800 積分。積分不設累積,所有助手均須連線使用,現時沒有 APP 版本。
TEXTVERIFIER 將中文文字渲染驗證建模為目標條件判斷,在 TEXTRENDERBENCH-ZH 取得 0.844 F1,高於 OCR confidence(0.526)、通用 VLM(0.329)及 TextPecker(0.590)。
LensErase 是一款通用的遮罩式基礎模型,旨在處理多種真實世界的影像擦除場景。研究團隊建構了包含 101.07 million 組來源影像、遮罩及目標影像配對的 LensErase-100M 數據集,並提出 Mask-Aware RoPE,將遮罩資訊直接加入來源影像 token。LensErase 在六個公開基準及 LensErase-Bench 上取得顯著提升。
APT 提出全自動智能體後訓練框架,按文生圖基礎模型不斷變化的能力,自適應調整訓練。框架協調三個智能體,按用戶需求建立評估集、診斷模型強項與失效模式,並生成着重表現較弱能力的強化學習資料及自適應提示詞分佈。多個基礎模型、基準測試及生成架構的實驗顯示,APT 不受特定模型、基準測試或架構限制,並可全自動運作。
AI 喪屍愛情影片因固定的情感結構配合個人面孔而廣泛流行;三段式故事適合製作成 15 秒短片,亦方便用戶標記伴侶分享。照片轉影片流程通常包括人臉檢查、喪屍化圖像編輯、按故事節拍建立關鍵影格,再逐段生成影片並接合音訊。先提供靜態預覽、設置分段重試及預設私密分享連結,都是文中提及的產品設計要點。
面向電影人的 AI 前期製作工具清單涵蓋 10 款產品,功能包括劇本分析、製作排程、預算編製、分鏡製作及虛擬製作環境。部分平台可連接開發流程中的多個環節,讓劇本修訂同步反映在相關製作文件;AI 生成的分析、排程和視覺內容仍須由有經驗的電影工作者核對。
DREAMMMER 將 AI 圖像生成與修訂歷程放到無限畫布上,讓每項請求、提示詞、生成結果和修訂都以卡片連結至其來源。用戶可以從較早的生成結果分支,繼續編輯、移除背景、放大圖片,或交由 Agent 處理;Agent 會把自然語言描述轉成詳細英文提示詞,並可自動選擇或手動指定模型。圖片定稿後,用戶也可在同一對話中要求生成短片。
作者發現,素材平台的瀏覽量只反映曝光,應以每件素材每 100 次瀏覽帶來的銷售量衡量成效。作者曾有 2,400 次瀏覽、3 次下載,轉換率為 0.12%;描述使用場景的標題比只描述物件的標題更能帶來銷售。他建議按用途、風格、主題撰寫關鍵字,並記錄已上載檔案,避免重複提交令每件素材的銷售數據失準。
Ideogram 4.5 可按文字指示編輯現有產品圖片,指南以鍵盤、跑鞋和多士爐示範分步更改背景、顏色、光線及周邊擺設。文章建議每次聚焦一項修改,逐一核對產品輪廓、文字、材質和顏色;Precise Edit 亦可配合遮罩及參考圖。匯出前應檢查下載檔案的尺寸、裁切、格式及背景是否符合要求。
CNET 整理美國 2026 年中期選舉期間辨識政治深偽與防範騙局的方法,建議使用驗證工具、向官方選舉來源核實資訊,並預先規劃投票。文中列出 Content Authenticity Initiative 的 Inspect、OpenAI 的 Verify 和 Google 的 SynthID Detector,並提醒相關工具並非萬無一失。
ACEdit提出結合自我強制訓練、教師蒸餾與非對稱條件化的訓練方案,令多輪圖片編輯在累積分佈偏移下保持穩定。學生模型依序編輯自身先前輸出,教師圖像編輯模型則以原始乾淨圖片為基準,並接收複合編輯指令。實驗顯示,該方法在維持編輯品質和指令遵循度的同時,顯著減少長序列多輪編輯中的品質下降。
Simon Willison 為 llm-gemini 0.35 加入 Gemini 4 Argon 支援;該模型當日透過 Gemini API 及 $100/month 訂閲方案提供。
HKT 推出自家研發 AI 平台 HKT.AI,消費者及中小企可透過訂閲使用。月費分別由 HK$48 和 HK$88 起,平台現有超過 80 個 AI 智能體,並設有個人及企業專用應用程式和智能體。平台亦提供 LLM Arena、Image Studio 和 Video Studio 等功能。
Claude Code 用戶可透過 Modelflare 插件、Media Skill 或 MCP server,使用同一個 Smart API Key 以一句提示詞生成圖像和影片。文中示範以 gpt-image-2 生成圖像,並説明如何用 Seedance 將本地圖片製作成 5 秒 1080p 影片,以及影片任務的建立、狀態查詢和下載流程。
OpenAI 宣佈與 AI 影片生成平台 Higgsfield 合作,接入 GPT-6 Astra 後,Higgsfield 的 AI 影片生成時長上限由 1 分鐘提升至 10 分鐘。Higgsfield 表示,該能力可透過創意智能體調用外部工具處理 3D 建模,維持角色、場景及視覺細節一致;其 YouTube 頻道團隊已用此流程製作超過 10 分鐘的教學影片,減少人工製作工作。
Higgsfield 藉助 GPT‑6 Astra,將 AI 影片製作時長由約 1 分鐘延長至超過 10 分鐘,並以 AI 工作流程製作超過 10 分鐘的教學影片。GPT‑Image‑2.5 協助小型企業製作文字和資訊圖表更精準的宣傳內容,Codex 則讓創意團隊將構想轉為軟件原型。
社交媒體圖像生成工具應按用途挑選:Nano Banana 2 和 Recraft 適合製作插畫元素,Adobe Firefly 5 在文字排版圖像方面表現出色。探索概念時宜先用文字描述顏色;重視品牌準確度時,再測試 hex codes 並比較效果。選擇工具亦要考慮圖像生成如何銜接排版、文案、審核及排程,讓整體製作流程更順暢。
CommerceGen-Studio 以三階段流程生成商用級電商商品主圖,結合迭代式中繼資料蒸餾、版面最佳化及專用擴散模型,以維持主體保真度、商標完整性和文字準確度。框架每天生成數百萬張主圖,每張延遲數秒,並推出 CommerceGen-Bench;在兩種編輯測試中,其整體分數均高於受測開源基線,且在指令遵循和產品融合方面勝過數個閉源模型。
Intern Lumina U2 是一款採用多碼本離散視覺 token 的擴散大語言模型,將文字與圖像、影片及 3D 生成整合於單一主幹網絡,並支援圖像、影片和 3D 輸入。它在視覺理解、圖像生成及圖像編輯方面於統一模型中表現領先,並以穩定性感知取樣策略令圖像生成加速 4.45x。
擴散模型的校正模組透過修正去噪預測減少曝光偏差,提升無引導及無條件生成的樣本品質。這項方法在 DiT、SiT 和 JiT 上的表現可媲美 CFG;結合 CFG 則可進一步提升多樣性,並減少過度飽和。將修正後的預測蒸餾回基礎模型,可保留品質提升而不增加推理開銷。