特朗普在 Truth Social 发布 AI 编辑照片，炫耀白宫翻新工程
特朗普在 Truth Social 发布白宫翻新对比照，其中一张被 Google SynthID Detector 检测出由 OpenAI 生成或编辑。该"翻新后"照片两侧台阶数不一致，与"翻新前"照片角度和细节几乎相同，窗中倒影也近乎一致。特朗普发布的其他白宫外观和停机坪照片未检测到 SynthID 水印。
#图像生成
The Verge · AIAI 评分2929 The Decoder精选AI 评分8080 Black Forest Labs 发布开源图像模型 FLUX 3 Image Klein，8 GB 显存即可运行
Black Forest Labs 发布 FLUX 3 Image Klein，这是一个 5.6B 参数的开源权重模型，支持文生图、图像编辑以及最多十张参考图的生成，原生支持 4K 输出、像素级编辑和用于元素定位的边界框。
推荐理由：5.6B 参数开源图像模型在 8 GB 显存消费级显卡上出图，可据此判断本地部署门槛。
Simon WillisonAI 评分7171 llm-gemini 0.35 加入 Gemini 4 Argon 支持
Simon Willison 为 llm-gemini 0.35 加入对 Gemini 4 Argon 的支持，该模型今日通过 Gemini API 和每月 100 美元订阅计划开放。
Simon WillisonAI 评分6262 Meta AI 发布 Muse Wonder 系列模型，llm-meta-ai 插件同步更新至 0.2
Meta AI 发布新模型 Muse Wonder 和 Muse Wonder Full，称其为自家最强模型，Artificial Analysis 将 Muse Wonder（Max）评为与 GPT-6.1 Sol 相当。
OpenAI NewsAI 评分2121 Higgsfield 用 GPT-6 Astra 将 AI 视频时长从 1 分钟提升至 10 分钟以上
Higgsfield 借助 GPT-6 Astra 把 AI 视频生成时长从 1 分钟延长到 10 分钟以上，并用 GPT-Image-2.5 提升画面精度，同时通过 GPT-Live 打通语音电影制作路径。
The Verge · AIAI 评分4242 Nvidia DLSS 5 将在《霍格沃茨之遗》正式登场，面部改动明显收敛
Nvidia 公布 DLSS 5 新对比截图，此前被批"游戏生成式 AI"的面部改动已明显收敛，青少年角色不再显老。DLSS 5 将于 11 月 5 日登陆《霍格沃茨之遗》，并于下月末进入《Where Winds Meet》。
OpenAI NewsAI 评分2020 Pollo AI 用 OpenAI 模型把创意变成营销活动
Pollo AI 借助 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5，帮助创作者将创意转化为精细图像和电影级视频广告。
The DecoderAI 评分7171 Google 发布图像模型 Nano Banana 2.1，价格约为前代一半
Google 发布图像生成与编辑模型 Nano Banana 2.1，取代 2026 年 2 月推出的 Nano Banana 2，官方称其在视觉质量、文字渲染、多轮对话中的角色一致性、宽幅全景和信息图方面全面提升。
Simon WillisonAI 评分3232 Mistral Large 4 发布
Mistral 推出 Mistral Large 4，模型可通过 llm 命令行工具以 mistral/mistral-large-4 调用。Simon Willison 用它与其他前沿模型同题生成 SVG，测试提示词为“一只穿渔网袜的犰狳在火星上乱穿马路”，各模型均使用默认推理等级。
TechCrunch · AIAI 评分6262 OpenAI 推出图像生成结果旁的视觉广告
OpenAI 在 ChatGPT 广告产品线中新增视觉展示广告，广告将出现在用户要求生成图片的结果旁，本月晚些时候先在美国上线，面向首批测试广告主。广告会明确标注，且不会影响 ChatGPT 给出的回答。
Simon WillisonAI 评分3434 Photo Scrubber：本地人脸模糊与元数据清除工具
Simon Willison 用 GPT-6 Astra 构建了实验性工具 Photo Scrubber，可自动识别人脸并模糊处理。该工具基于 Google 的 MediaPipe C++ 库，通过 @mediapipe/tasks-vision 编译为 WebAssembly，并使用 BlazeFace 人脸检测模型，同时支持移除照片元数据。
Berkeley AI ResearchAI 评分3030 伯克利 AI 研究：用信息量直接评估与优化成像系统
伯克利 AI 研究团队提出一种基于互信息的成像系统评估与优化框架，仅用带噪测量和噪声模型即可量化测量对物体的区分能力。该信息指标在彩色摄影、射电天文、无透镜成像和显微成像四个领域均能预测解码器性能，优化后设计可媲美端到端方法，且内存与算力需求更低、无需任务专用解码器。相关成果发表于 NeurIPS 2025 论文。