Comfy API 正式上線,讓 ComfyUI 工作流部署為可自動擴縮的 API 端點
Comfy API 正式向所有付費 Comfy 方案用戶開放,讓他們把 ComfyUI 工作流部署為可自動擴縮的 API 端點。Builder 會識別工作流所需的模型和自訂節點,Build 則會封裝 ComfyUI 版本、模型、自訂節點及 Python 相依項目。不可變版本部署後,環境會與測試時一致;更新 Build 並推出新版本,也不會更改現有線上版本。
Comfy API 正式向所有付費 Comfy 方案用戶開放,讓他們把 ComfyUI 工作流部署為可自動擴縮的 API 端點。Builder 會識別工作流所需的模型和自訂節點,Build 則會封裝 ComfyUI 版本、模型、自訂節點及 Python 相依項目。不可變版本部署後,環境會與測試時一致;更新 Build 並推出新版本,也不會更改現有線上版本。
2026年國慶檔缺少頭部大片,12部中小體量類型片將檢驗腰部供給能否支撐市場。2025年中國電影海外票房突破10億元,但《哪吒之魔童鬧海》貢獻逾80%;2026年截至8月下旬,海外累計收入4.5億元。AI亦正進入電影製作,虛擬製作流程的行業滲透率由2023年的15%升至2025年的約45%。
SoftPaint 是一種零樣本擴散取樣方法,利用軟遮罩按像素調節編輯強度,令內容可由完整保留至遮罩區域完全重新生成。方法採用基於 Langevin 迭代的取樣器,遵循每個像素的軟遮罩強度,適用於圖像及影片擴散模型。它毋須梯度、節省記憶體,並可在多種圖像及影片骨幹模型上實現平滑的像素級編輯。
SAGE 利用視覺基礎表示發現目標數據集中的顯著因素,並根據參考圖像的顯著表示引導生成新例子。在 Digits-ImageNet 和 FFHQ 眼鏡數據集上,SAGE 的重建 rFID 低於 2,並能在沒有子類別標籤的情況下發現子類別;Digits-ImageNet 的探測準確率達 0.950,優於基線的最高 0.281。
ReGain 提出一種免訓練的取樣時校正方法,修復以合成圖像進行個性化時主體保真度下降的問題。該方法按頻段測量相對於基礎模型的引導膨脹程度並相應縮減,在 Stable Diffusion v1.5 上彌合了與使用真實照片個性化模型之間 51-64% 的主體保真度差距。ReGain 亦提升 SDXL 和 SD 3.5 的主體保真度,並在三種模型架構上保留文字對齊能力。
InstantFusion 將不同擴散模型的潛在表示映射至共享潛在空間,讓去噪軌跡得以對齊和組合。其 LAE 支援在去噪途中切換模型,應用包括不同步數預算間的加速、組合不同偏好的模型,以及跨模型 OPD。專案提供 LAE、OPD 訓練及基於 LAE 的模型交接推理;已訓練檢查點可在 Hugging Face 取得。
研究團隊構建 VIGOR-his 數據集,並提出 CrossTimeEdit,以獎勵引導編輯生成歷史街景。數據集涵蓋三大洲 11 個城市的 43,653 個位置級四元組;CrossTimeEdit 在三項編輯準則上的整體表現較預訓練基線提升 17.12%。程式碼、數據集及模型權重均已提供。
AFP-GIC 提出按圖像內容引導編碼與重建的自適應融合先驗遷移流程,用於可控生成式圖像壓縮,無須傳送先驗本身。單一可部署的預訓練模型支援五個碼率操作點。在 NVIDIA RTX 4090 上以 256×256 圖像區塊測試,解碼延遲較 DC-VIC 低 18.1%(80.47 ms 對 98.27 ms),推理參數少 20.5%。
GeoSET 提出一種面向 SAR-to-EO 影像轉換的通用模型,以單一預訓練母模型適配不同下游數據集。研究整理超過 300 萬組 SAR-EO 影像配對,涵蓋逾 1,000 萬筆 SAR 觀測;在六項下游基準測試中,GeoSET 以全量微調或 LoRA 達到 FID 和 DISTS 的最先進結果。 LoRA 每個數據集約需一小時,只更新生成器 0.60% 的參數。
Midjourney 在 alpha.midjourney.com 的介面中測試快速模型,並更新風格預覽、edit model 編輯及 V8.1/8.2 的 `--tile` 效果。
Midjourney 為 alpha.midjourney.com 推出多項功能更新,並在 midjourney.com 向所有用戶開放韓文版。更新包括樣式側欄即時預覽提示詞套用不同樣式的效果、將提示列設定存為預設值,以及把創作動態牆改為全闊瀑布流,提示詞和按鈕則改在滑鼠懸停時顯示;搜尋封存及專案管理亦有調整。編輯器新增對 v8.1 和 v8.2 編輯類型的支援,編輯畫布亦可使用 HD。
Runway 推出 DaVinci Resolve 插件,讓用戶可在 DaVinci Resolve Studio 內生成圖像和影片、重新風格化現有片段,並直接匯入 Media Pool 和時間軸。
Comfy 在 Comfy Developer Platform 上推出 Comfy Router,讓開發者透過單一 API 接入圖像、影片、3D 和音訊模型,並為每項任務選擇供應商。
Alibaba 的 Qwen 團隊於9月20日以開放權重形式發佈 Qwen-Image-2.1,整合文字生成圖片與圖片編輯,並支援透明背景及最多10張參考圖片。
ComfyUI 已原生支援 Qwen-Image-2.1,這款 7B 開放權重圖像模型支援生成與編輯,並可輸出含 alpha 通道的 RGBA 圖像。模型可直接生成 2048×2048 圖像,並可輸入最多 10 張參考圖。用戶可從 ComfyUI 的 Templates 面板載入對應範本,或在 Comfy Cloud 試用。
inclusionAI 發佈 Ming-Image-0.1-Design,這款 6B 文生圖模型面向 UI、資訊圖表、海報等文字密集的視覺設計。模型可生成完整視覺構圖並支援透明背景 RGBA 輸出,建議解像度為 2048 x 2048,或採用 1024 x 1024 加快生成。建議採樣步數為 12,驗證配置為一張配備 80 GiB VRAM 的 CUDA GPU,授權為 MIT License。
Midjourney 更新 Alpha 網站,改善 v8.2 編輯器、手機和平板版面、提示詞欄及圖片整理功能。v8.2 編輯器在附加圖片時會詢問用戶想修改甚麼,草稿批次可在網格中預覽來源圖片並使用 Enhance;手機和平板版亦改善版面及上載刪除操作。團隊下一步計劃設定預設參數、以提示詞預覽 sref,並在用戶開啟圖片再返回時保留搜尋內容。
Figma Weave 開放付費方案用戶將自製工具發布至 Figma Community,並介紹 5 款社羣工具。這些工具涵蓋室內設計渲染、建築模型生成、圖片延展至不同比例、建築概念草圖及美甲預覽。擁有完整 Figma 席位的用戶可在 Figma Design 執行 Weave 工具;正式全面推出後,使用工具會消耗 Figma AI credits。
Pydantic AI 現已支援透過專用圖像生成模型生成圖像,既可直接呼叫 ImageGenerator API,也可讓 Agent 透過 ImageGeneration 能力決定生成時機。
香港人工智能專業協會代表出席黃大仙區「AI 防騙分享會」,講解換臉、扮聲及虛假訊息等詐騙手法,並即場示範以相片生成旅遊照片。分享會提出三項自保做法:有懷疑先掛斷並自行回撥已知號碼、追問只有真人才知道的事,以及透過視像通話要求對方即時做指定動作。
HKU、LIGHTSPEED STUDIOS 與 Tencent WeTech Academy 完成第三屆「AI Adventures: When AI Meets Games with Tencent」,為來自不同地區的中學生舉辦為期五日的人工智能與遊戲開發沉浸式學習活動。課程涵蓋 AI 圖像生成、3D 建模、動畫、智能體設計及數據挖掘,AI 內容創作平台亦融入更多中國傳統文化元素。
OpenAI 於 2026 年 9 月 8 日發佈圖像生成及編輯模型 ChatGPT Images 2.5,生成等待時間較 Images 2.0 最多縮短 50%。
推薦理由:相較 Images 2.0,生成等待時間最多縮短 50%,並加入直接評論與 Sketch 等操作;API 兩款模型亦呈現速度和編輯精度的取捨。
Runway 推出 Runway Plugins,讓用戶可在 Premiere Pro 和 After Effects 內生成、編輯及放大內容,並直接把結果放回時間軸。Edit Studio 可對現有片段的錨點影格進行風格轉換,再由 Aleph 2 以來源片段相同時長重新渲染;插件可在 macOS 和 Windows 免費下載,生成需使用付費方案額度。
OpenAI 推出 ChatGPT Images 2.5,可把使用者的想法、草圖和參考相片轉化為更個人化、精緻,且更能反映其構想的圖像。
Midjourney 正徵集意見和建議,以瞭解接下來應優先處理及推進哪些工作。平台表示,將於未來一至兩週舉行正式投票。
Midjourney Alpha 加入 v8.2 編輯模型,並在 lightbox 內置新編輯器。用戶可在 lightbox 開啟圖片,以文字指令編輯、附加最多 4 張參考圖片,並集中查看同一工作階段的所有編輯。更新亦修正多項錯誤,並開始測試 lightbox 的 Change Style 功能。
Google 於2026年9月1日開始逐步向 Google Workspace 部分方案及個人付費 Google AI Pro/Ultra 訂戶提供 AI 圖像創作與編輯工具 Google Pics。
Intern Lumina U2 推理代碼已公開,Ascend 訓練權重已上架 Hugging Face;NVIDIA 權重、訓練代碼與技術報告將後續推出。模型為 16B-A1B MoE,採用基於 AToken 的 8-codebook 視覺表示,支援文字問答、文生圖、圖像編輯及圖像、影片和 3D 理解。
Gamma 在 8 月 28 日更新中推出 iOS 和 Android 原生 App,並擴展 Slack 整合與 API 能力。用戶可在 Slack 透過提示詞或目前討論串建立簡報、文件、網頁和圖片;API 則新增參與度分析及留言回傳、多頁 Gamma 建立和匯出能力。
Midjourney 開放所有用戶測試首個 V8.2 圖像編輯模型,支援按指令編輯圖片,以及最多同時使用 4 張參考圖生成圖片。模型亦可修改圖片指定區域、擴展畫布,並支援 personalization、moodboards 和 srefs。
MIT CSAIL 團隊在 Nature Communications 發表研究,提出 attribution decay(歸因衰減),指出訓練數據愈多,單一訓練樣本對生成圖像的影響愈小。
Populous 利用 Runway 加快場館概念設計的視覺化,呈現大型場館的完整效果圖及鳥瞰圖,而非用它創作實際設計。外部渲染團隊製作一段完整影片至少需三週,競賽提交前設計模型以往須提早兩週凍結。視覺製作時間縮短,讓設計師有更多時間深入設計細節,並更快與客戶建立共同願景。
Descript 於 2026 年 8 月 5 日推出多項產品更新,新增預約錄音 Room、以繪畫方式修改圖片局部及 YouTube 縮圖生成功能,並改善跳剪再生成流程。
Ascend Team 全面優化 SGL-Diffusion 中 GLM-Image 的 AR+DiT 生成流程,將兩個階段解耦,並加入動態批次處理和並行去噪。
Skyscanner 在美國及加拿大品牌宣傳活動中使用 Runway,預先規劃拍攝構圖、燈光和演員調度,並在拍攝現場核對素材。團隊把即時拍攝的原始影像放進預先批核的廣告版面,亦為藍幕素材生成臨時背景,以確認造型和道具效果。Runway 用於支援人工主導的美術指導,並非製作最終背景。
Google 於 2026年7月28日宣佈,Google 文件將逐步推出 Gemini 圖像、圖解及資訊圖表生成與編輯功能,並可按文件內容生成視覺素材。用戶可在網頁版透過 Gemini 欄或側邊面板,以自然語言建立或修改視覺內容,包括改寫圖片文字和調整文字大小,亦支援日文。
Figma Brand Studio以人與機器協作為核心,為 Config 2026 打造視覺形象。團隊在 Figma Make 建立工具,製作手繪線條、模糊漸變及橢圓粒子等質感,並用抖動工具統一處理數百張講者肖像。視覺系統亦延伸至立體泡棉雕塑,以及 Play Canvas 和 Shared Frequency 等互動體驗。
Diffusers 現已原生支援 Nunchaku Lite 的 4-bit 擴散模型推理,預量化檢查點可用 `from_pretrained()` 載入,無須獨立推理引擎或本機編譯 CUDA。
推薦理由:文章説明 Nunchaku Lite 在 Diffusers 的原生載入方式,並以 RTX PRO 6000 基準量化呈現延遲與顯存變化。
Meta 於 2026年7月7日發佈 Muse Image,並以預覽形式公佈 Muse Video;Muse Image 已可在 Meta AI 應用程式及網頁版使用,Muse Video 則將於 Meta AI 等平台稍後提供。
推薦理由:文章列出 Muse Image 在三項 Arena 評測均排名第 2,以及 Muse Video 在影片生成評測排名第 3,並交代兩款模型目前的開放狀態。
Google於2026年6月30日發佈圖像生成及編輯模型 Nano Banana 2 Lite,可透過 Gemini app 的「Flash-Lite」模式、Google AI Studio、Gemini API 及 Gemini Enterprise Agent Platform 使用。