2026.11.13 AI绘画 Adobe在MAX上放出10个实验工具，生成之后的那一步被重新做了 → 11月11日，Adobe MAX 2026开场，一年一度的Sneaks环节照例由Adobe研究院的研究员上台演示，今年由演员兼主持人特里·克鲁斯担任嘉宾。官方一共展示了10个实验项目，从能按一句提示词修改整条片子每一镜的Scene Sweep，到把平面图像撑成可漫游三维空间的Sight Span。Adobe对Sneaks的定位一直很清楚：这是研发阶段的演示，不保证进入任何产品。
2026.11.12 AI绘画 十秒直出一张四K图，做完开源视频的那家公司把图像权重也放了出来 → 11月10日深夜，MiniMax发布了图像生成与编辑模型H3-Image，并在发布当天同步开放模型权重。据公开信息，这个模型是在8月开源的H3全模态基座之上，针对图像生成与编辑做后训练优化得到的版本，重点强化复杂指令遵循、图像细节与视觉审美。实测中，高速版生成一张4096乘4096像素、约1600万像素的图，耗时十秒到二十秒之间。
2026.11.11 AI绘画 用自家角色训练一套不外开放的模型，迪士尼把AI放进了图纸阶段 → 11月9日，Adobe宣布与华特迪士尼达成一项多年期战略合作协议，成为迪士尼的官方AI创新合作伙伴。协议内容不是简单采购软件，而是双方一起开发围绕迪士尼自有内容训练的定制生成式模型，训练对象包括角色属性、场景环境与视觉风格，产出内容可以直接进入正式制作流程。
2026.11.10 AI绘画 一百轮修改还不跑偏，透明素材原生可出，国产生图开始按交付物定标准 → 11月9日，字节跳动的Seed团队发布了图像创作模型Seedream 5.5，豆包、豆包工作与即梦同步接入，接口即将上线火山方舟。官方给的升级点只有三项：多轮编辑更稳、原生支持透明素材、质感与文字更准。三项听着都不算轰动，但它们指向同一个方向，生成出来的东西能不能直接进下一个环节。
2026.11.09 AI绘画 只输入几条提示词不算创作，法院把AI画图的独创性拆成三层来审 → 一张用AI生成的图片被别人拿去用了，创作者起诉侵权，法院却判他败诉。莆田市秀屿区人民法院近期审结的这起案件，给出的理由不是“AI画的没有版权”这么简单，而是把整个创作过程拆成三层，逐层检查人在哪一层留下了独创性的痕迹。结论是三层都没有，图片不构成著作权法意义上的作品，原告的全部诉讼请求被驳回，双方均未上诉，判决已生效。
2026.11.08 AI绘画 2.1万美元训出21亿参数生图模型，两个兄弟把VAE直接从架构里删了 → 一个只有两个人的研究实验室，在 Hugging Face 上放出了一个21.8亿参数的文生图模型，权重8.7GB，Apache 2.0 协议，公开的训练成本约2.1万美元。实验室叫 Linum，成员是 Sahil 与 Manu Chopra 两兄弟，主业务其实是做视频生成，这个叫 P-JiT 21K 的模型是他们为下一代视频模型做的技术验证。它的架构选择相当激进：把行业内几乎标配的变分自编码器整个拿掉，让扩散模型在像素空间直接学。代价也很干脆，模型被故意训练成不会写字的，所有…
2026.11.07 AI绘画 微信把看图与画图塞进同一个模型，317亿参数还要压在单张卡上 → 11月5日，腾讯微信视觉团队在arXiv上传了WeLM-Image的论文。这个模型做的事情，是把过去由三个模型分担的活并到一个基座里：看懂图片、按文字生成图片、按指令修改图片、以及用多张参考图合成一张新图。总参数317亿，但每个目标图块只激活约54亿。论文里反复出现的一句约束，是它必须能跑在单张GPU上，因为要部署在微信这类超大规模消费应用里，等集群排期的方案从一开始就不成立。
2026.11.06 AI绘画 六秒出图还能直出动图，OpenAI把构思和渲染拆成了两个旋钮 → 11月4日，OpenAI把GPT-Image-2.6推到ChatGPT、Codex与API全线。官方给出的两个数字是：生成速度快百分之五十，最低档位六秒出图。更值得看的是接口层面的改动，它第一次把想多久与画多精细拆成两个独立参数，还顺手把动图与矢量图两种格式做了进来。
2026.11.05 AI绘画 五十亿参数的文生图模型开源四天，下载破百万，把版面控制做成了卖点 → 11月3日，硅基流动发文称平台已上线文生图模型MOSS-Image。这个模型由模思智能与OpenMOSS团队发布并开源，主干只有五十亿参数，主打两件事：更准确的文字渲染、更可控的版面布局生成。据官方数据，开源仅四天，海内外全网下载量超过一百万次，登顶Hugging Face文生图模型趋势榜。数字很热闹，但值得拆开看清楚的是它为什么能跑这么快。
2026.11.04 AI绘画 不加参数只让网络原地多想几遍，扩散模型把推理深度拉出训练之外 → 11月3日，阿姆斯特丹大学与荷兰应用科学研究组织TNO的一篇论文在技术社区被反复讨论。论文提出的方法叫LiFT，中文常译作循环流变换器，核心主张只有一句：不增加参数，让同一组神经网络层在生成每一步里反复用上几遍。它想解决的问题也不新鲜，生成模型究竟该靠脑子里装更多知识，还是靠多想几遍。过去几年行业的答案一边倒地偏向第一种，这篇论文给出了第二种做法的一份可复现样本。
2026.11.03 AI绘画 画了二十七年咕噜牛的插画师要去德国起诉，他要的不是赔偿是停手 → 10月30日，BBC London播出了一段采访，受访者是Axel Scheffler，英国童书《咕噜牛》的插画师。这本书自一九九九年出版以来在全球卖出一千八百万册，那只聪明的小老鼠和它的怪兽朋友是几代人的共同记忆。Scheffler在采访里说，他正在认真考虑对AI公司采取法律行动，已经和一位德国律师取得联系。他没有点名要起诉谁，也没有递交诉状。被问到想要什么，他的回答很短：我只想让他们停下来。
2026.11.02 AI绘画 英伟达把编码器整个删掉，让理解与生成在像素空间共用同一套表示 → 多模态模型一直有个别扭的地方：同一张图片要在上下文里出现两次。一次是ViT抽出来的语义特征，供理解用；一次是VAE压出来的潜变量，供生成用。两条流意味着更长的视觉上下文、更复杂的预训练流程，也意味着模型内部的表示不成体系。英伟达与滑铁卢大学的研究团队在论文里把这条路绕开了，做法是连编码器都不要，直接在像素上做文章。
2026.11.01 AI绘画 少步生图不再外接编码器，IDM把中文长文本渲染拉到94.25% → 10月30日，蚂蚁集团旗下的inclusionAI与西湖大学、清华大学、浙江大学、上海创智学院、穆罕默德·本·扎耶德人工智能大学联合发布的论文上线，题目叫Intrinsic Distribution Matching，简称IDM。它要解决的问题很具体：一步或两步生成的文生图模型，怎么把提示词里那行字画对。代码已放在GitHub的inclusionAI仓库，论文当天登上Hugging Face日榜前列。
2026.10.31 AI绘画 广告素材开始批量生产，给一条品牌链接就能一次出几十个创意版本 → 10月30日，Krea上线了一个叫Ad Studio的新工具。用法很直接：给它一个品牌链接，它去抓取品牌资产，然后一次性产出几十条广告素材。官方强调的重点不是画质，而是品牌一致性，也就是同一批素材里的色调、字体、产品外观要像出自同一个设计师之手。这个工具由Krea 3模型驱动，现阶段免费，API计划在近日开放。
2026.10.30 AI绘画 Canva推设计编辑模型Brush，改一张图快69%成本降46% → 10月30日，Canva发布了名为Brush的视觉语言模型，定位很明确：不做从零生成，只做修改。用户提出一句需求，它先看清这份设计是怎么拼起来的，再决定动哪一块、留哪一块。这个产品由Canva Research开发，该实验室规模160人。从今天起，Canva Pro订阅者可以在Canva AI里用到它，后续再扩大范围。
2026.10.29 AI绘画 零点九亿参数的文生图模型：一张显卡训十小时，从零到开源全公开 → 一家名为AuroraAI Research的团队在10月28日把AuroraIMG2-50M-Preview放上了Hugging Face，随后被多家英文技术媒体转载。这个模型的参数规模会让习惯了七十亿、一百四十亿的人愣一下：扩散主干5040万参数，文本编码器1260万参数，加起来九千万出头。它是从一个随机初始化开始训练的，没有在别人的权重上继续训，全程用一张RTX PRO 6000跑了十个小时。
2026.10.28 AI绘画 图像模型开始写结构化说明书，Bria把可控性做成开源模型的卖点 → 10月18日，图像模型公司Bria把新一代模型Fibo 2.0-dev放上Hugging Face。这次发布最容易被忽略的一句话是"第一次"：在FIBO系列里，图像编辑与文生图第一次被合进同一个模型。此前这两件事通常由两套栈承担，一套负责从零生成，一套负责在已有图上改。合并的意义不在省一个模型，而在让"生成"和"修改"共享同一套对画面的理解。
2026.10.27 AI绘画 通义千问把实时出图压到两步蒸馏，没有独显也能跑在线文生图服务 → 10月26日，通义千问上线Qwen Image 2.1 Realtime。这一版没有换主干，也没有把参数堆得更大，而是把推理链路重新压了一遍：用完整版模型当教师，蒸馏出一个只有几十兆的LoRA适配器，再配合注意力缓存与步数压缩，让文生图在共享算力环境里跑到接近实时。对个人开发者与小团队来说，变化不在画质，而在能不能不买卡就把服务挂起来。
2026.10.26 AI绘画 独立开发者绕过通用大模型，自训窄领域人脸模型反超FLUX.2 → 图像生成模型的竞争通常发生在主模型上：参数量、架构、训练数据规模。10月下旬，一位独立开发者把注意力放在了链条的另一端。他发布的Visage-Image是一款只生成人脸的小型开源文生图模型，架构为单流DiT配整流流目标函数，参数量不大，训练数据靠自行收集。真正让它在社区里被讨论的，是他顺手替换掉的组件：一个为人脸专训的窄领域自编码器。这个选择把一个长期被忽视的环节推到了台前。
2026.10.25 AI绘画 提示词正在变成企业资产，AI绘图团队开始给素材生产做回归测试 → 过去两年，AI 绘图的经验主要存在个人的浏览器书签里。同一个人调了三个月的提示词，换个同事就复现不出来，模型一升级，效果全变，只能从头再试。10 月下旬出现的两个工具更新，把这个环节往工程化推了一步：PromptBase 上线企业版，提供提示词版本基线管理与产出打分；ComfyUI 的官方配套助手 PromptWiz 更新到 V2，支持从参考图反向提取提示词。方向很清楚，提示词正在被当成需要版本管理、需要回归测试的资产来对待。