Một nhân vật mở tên Claudia, ca sĩ nhạc pop do AI tạo ra với mái tóc bob đen và một lọn màu cam đất, đứng đầu mười video âm nhạc được làm bằng Claude trong khoảng tháng 9 đến tháng 11 năm 2026. Bản phát hành công bố mọi hình ảnh của cô, các thước phim và mọi thứ cần thiết để tự tái tạo cô. Các video được dựng bằng prompt Midjourney, clip Seedance 2.5 và bài hát Suno v6.
Image to Image AI là trình chỉnh sửa ảnh và công cụ tạo ảnh image-to-image chạy trên trình duyệt, vẽ lại ảnh đã tải lên từ câu lệnh bằng ngôn ngữ tự nhiên, có thanh trượt so sánh trước/sau và xử lý riêng tư theo mặc định. Các ví dụ được ghi lại trên trang sử dụng gpt-image-2, bao gồm thay nền chân dung, ảnh sản phẩm trên nền trắng, xóa vật thể và chuyển ảnh sang hoạt hình hoặc tranh chì. Người dùng mới nhận 2 tín dụng miễn phí khi đăng ký, và tín dụng đã mua không bao giờ hết hạn.
Một công cụ thiết kế nội thất bằng AI biến ảnh phòng của chính bạn thành các ý tưởng phong cách mới theo sáu phong cách, bao gồm cả thiết kế lại phòng đã có nội thất và dàn dựng ảo cho không gian trống. Người dùng mới nhận được 2 bản thiết kế dùng thử miễn phí sau khi đăng nhập, tín dụng dùng thử hết hạn sau 30 ngày, trong khi gói trả phí một lần bắt đầu từ $9.99 cho 60 bản thiết kế (khoảng $0.17 mỗi bản) và tín dụng đã mua không bao giờ hết hạn. Các bản thiết kế là ý tưởng do AI tạo ra chứ không phải bản vẽ có số đo, vì vậy kích thước nội thất và kết cấu nên được kiểm tra trước khi thi công.
Một nghệ sĩ tạo sinh kể lại việc phát hiện ra rằng người ta đã dùng LLM để tái tạo thuật toán của chính anh với độ chính xác đáng kinh ngạc, làm dấy lên câu hỏi còn lợi thế nào khi bất kỳ ai có gói đăng ký LLM 20 đô-la cũng có thể sao chép bộ sưu tập tác phẩm của anh. Anh thuật lại chuyện nghệ sĩ Mannay dành một năm cho một dự án chỉ để rồi thấy nó được vibe code "trong 20 phút bởi Sonnet", và vạch ra ranh giới của chính mình: viết mã là nghệ thuật, nên tác phẩm của anh do anh sáng tác, không phải do agent.
World Labs đã mở Atlas, thế hệ world model tiếp theo của mình, cho mọi người, cho phép người dùng tạo và tái tạo các thế giới 3D có thể khám phá. Atlas Build bắt đầu từ ảnh hoặc hình ảnh được tạo, trong đó Viewfinder tái tạo cảnh và cho phép di chuyển camera, còn Chisel phác thảo cấu trúc cảnh và cập nhật mọi góc nhìn camera. Các thế giới có thể được chuyển đổi từ splats sang meshes với hình học thực để sử dụng trong game, mô phỏng, Blender và các công cụ 3D khác, và các khả năng của Atlas cũng có sẵn thông qua API dành cho nhà phát triển.
AxiomStory là một studio kể chuyện AI mới, đọc từng chương của bản thảo và đánh dấu các lỗi liên tục, chẳng hạn như màu mắt của nhân vật thay đổi giữa các chương. Nó xây dựng một trang wiki cho mỗi nhân vật và địa điểm, đồng thời tái sử dụng một diện mạo và giọng nói đã được phê duyệt cho mỗi nhân vật trên các hình ảnh và video được tạo. Gói miễn phí cung cấp khoảng 30.000 từ hỗ trợ AI; các gói trả phí từ $16 đến $160 mỗi tháng.
Phota Labs đã ra mắt một ứng dụng iOS miễn phí sử dụng trợ lý ảnh AI cá nhân để biến những bức ảnh chụp thường ngày thành hình ảnh trông chuyên nghiệp mà vẫn giữ nguyên diện mạo thật của chủ thể. Startup được a16z hậu thuẫn này, do cựu nhân viên nhiếp ảnh tính toán của Adobe là Cecilia Zhang và Zach Xia sáng lập, đã tự xây dựng mô hình nhận diện danh tính để việc chỉnh sửa không làm thay đổi khuôn mặt, và thêm watermark vô hình vào những ảnh đã được AI chỉnh sửa. Công ty đã gọi được 5,6 triệu USD vòng hạt giống vào năm ngoái và đang lên kế hoạch ra mắt ứng dụng Android.
vLLM-Omni đã đưa MiniMax H3-Image lên NVIDIA Vera Rubin và đo được độ trễ trung vị 0,87 giây cho text-to-image gốc 4096×4096 trên bốn GPU, cùng 6.115 ảnh/giờ trong một cấu hình thông lượng riêng. H3-Image là mô hình text-to-image và chỉnh sửa ảnh trọng số mở, kết hợp bộ mã hóa Qwen3-VL với DiT dày đặc 33,1B và VAE hình ảnh, xử lý cả hai tác vụ trong sáu bước lấy mẫu với tối đa 16 ảnh tham chiếu. Nhóm báo cáo MXFP8 DiT GEMMs, Ulysses SP4, bộ nhớ đệm AdaLN và một thay đổi giải mã VAE giúp giảm thời gian giải mã từ 2,635 giây xuống 0,213 giây, đồng thời liệt kê các công thức cho phần cứng AMD, Intel, Huawei Ascend và Moore Threads.
Vì sao đáng chú ý: Benchmark của vLLM-Omni cho thấy MiniMax H3-Image chạy trên Vera Rubin với độ trễ 4K dưới một giây, kèm cấu hình theo từng phần cứng và mô hình chi phí cho kinh tế phục vụ.
Tuần này, dòng H3 của MiniMax đã mở rộng ra ngoài lĩnh vực video, với H3 Image, H3 Image Highspeed, H3 Highspeed và H3 Lite hiện đã có mặt trong Recraft Studio. Hai mô hình hình ảnh tạo và chỉnh sửa ở độ phân giải 2K hoặc 4K, trong khi hai mô hình video tạo các clip dài 4–15 giây ở 480p hoặc 768p kèm âm thanh. H3 Image khởi điểm từ 6 credit mỗi hình ảnh và H3 Lite từ 4 credit mỗi giây video.
Adobe đã công bố các công cụ AI thử nghiệm tại hội nghị Max thường niên, bao gồm Project Screen Test để đạo diễn nhân vật AI thông qua hội thoại, Project Sight Span để biến ảnh phẳng thành cảnh 3D có thể điều hướng, và Project Sound Bender để trộn hiệu ứng âm thanh trên một bảng âm thanh vuông. Project Rinse Repeat sao chép các chỉnh sửa và áp dụng chúng cho các đối tượng khác trong cùng bức ảnh bằng các công cụ gốc của Photoshop. Những "sneak" này là bản xem trước công nghệ có thể sẽ đến với Creative Cloud hoặc Firefly, nhưng không đảm bảo sẽ ra mắt.
MiniMax phát hành H3-Image, một mô hình tạo ảnh trọng số mở được xây dựng trên H3, hỗ trợ tạo ảnh từ văn bản, tạo ảnh dựa trên tham chiếu và chỉnh sửa ảnh, có thể tạo ra ảnh 4096 × 4096 trong dưới 10 giây. Công ty cho biết mô hình xử lý tối đa 16 ảnh tham chiếu, tuyên bố khả năng tuân thủ lời nhắc đạt mức tiên tiến nhất trong các mô hình trọng số mở, và báo cáo tốc độ nhanh gấp tới 5 lần so với các lựa chọn thay thế phổ biến. H3-Image có sẵn qua Nền tảng API MiniMax, MiniMax Code và Hailuo AI, với giá bằng 50–70% các sản phẩm tương đương, giảm 50% cho các yêu cầu 4K trở lên trong tuần ra mắt.
Vì sao đáng chú ý: MiniMax phát hành H3-Image trọng số mở, tuyên bố tạo ảnh 4K trong dưới 10 giây và giá bằng 50–70% các sản phẩm phổ biến tương đương, mang đến cho nhà phát triển một lựa chọn mở mới cho công việc hình ảnh độ phân giải cao.
Recraft đã phát hành Vectorizer Pro, một công cụ vector hóa chuyển ảnh PNG, JPG và WebP thành SVG sạch hơn, có sẵn cho mọi người trong Recraft Studio ở mọi gói kể từ ngày 29 tháng 10 năm 2026. Công cụ giữ các nét thẳng luôn thẳng và cách đều, bảo toàn đầu nhọn và góc sắc của biểu tượng, và vẽ đường cong thành một nét liền mạch, giảm bớt việc chỉnh sửa trong Figma hoặc Illustrator. Hình minh họa phẳng, logo, biểu tượng và tranh nét được hưởng lợi nhiều nhất, trong khi nguồn có nhiều họa tiết phức tạp có thể vẫn cần được đơn giản hóa trước.
Recraft được vinh danh là trình tạo biểu tượng AI tốt nhất năm 2026 sau khi so sánh bảy công cụ, chấm điểm bài kiểm tra phong cách nhất quán với năm biểu tượng và xuất SVG gốc. Recraft giữ nguyên độ dày nét và bán kính góc trên các glyph và xuất SVG có thể chỉnh sửa, trong khi Canva chỉ đạt một phần và Adobe Firefly cùng Midjourney đều trượt cả hai tiêu chí với đầu ra dạng raster.
Recraft đã công bố một hướng dẫn với mười hai câu lệnh văn bản sẵn sàng sao chép để chỉnh sửa ảnh trên các mô hình image-to-image, được xây dựng theo mẫu hai dòng: một dòng thay đổi nêu tên đối tượng, vị trí của nó và kết quả, cộng với một dòng giữ nguyên khóa khuôn mặt, nhãn in, khung hình và ánh sáng. Hướng dẫn cho biết các chỉnh sửa cục bộ như xóa một đối tượng, đổi màu, thay đổi ánh sáng hoặc thay trang phục giữ được danh tính tốt hơn so với việc thay đổi phong cách hoặc hoán đổi thời tiết, và rằng các câu lệnh thất bại khi chúng xếp chồng nhiều thay đổi, viết lại chữ in, hoặc yêu cầu một khuôn mặt hoặc tỷ lệ cơ thể mới. Hướng dẫn khuyến nghị tạo hai hoặc ba biến thể, kiểm tra ở mức thu phóng 100%, và sửa một lỗi còn sót lại bằng một câu lệnh tiếp theo chỉ nêu rõ vùng đó.
Bảy trình tạo meme AI — Imgflip, Canva, Supermeme.ai, Recraft, Kapwing, ChatGPT và Magic Hour — đã được thử nghiệm trên gói miễn phí, hình mờ, mẫu, hiển thị chú thích, kích thước xuất và API bằng cùng ba đề bài meme. So sánh cho thấy không có người thắng chung cuộc: Imgflip thắng nhờ mẫu cổ điển, Supermeme.ai nhờ chuyển ý tưởng thành chú thích, Recraft và ChatGPT nhờ hình ảnh gốc, Kapwing nhờ video và GIF, còn Canva khi meme phải khớp với bố cục.
Recraft là trình tạo nhãn dán AI tốt nhất cho đường viền cắt rời, PNG trong suốt và SVG từ cùng một khung vẽ, trong khi Canva tốt hơn cho bảng nhãn dán và đặt in ngay trong cùng trình biên tập. Bảy công cụ đã được chấm điểm vào ngày 9 tháng 11 năm 2026 theo năm tiêu chí in ấn, và chỉ Recraft, Kittl và Canva Print mang lại lộ trình thực sự để có đường cắt hoặc bảng in. Firefly, Ideogram, Leonardo AI và ChatGPT thắng ở những tác vụ hẹp hơn như chuyển ảnh thành nhãn dán hoặc bộ nhãn dán chat.
Một so sánh giữa bảy công cụ tạo nhân vật AI, được chấm điểm dựa trên tính nhất quán của tư thế, ảnh tham chiếu, kiểm soát phong cách, định dạng xuất và gói miễn phí, cho thấy không có công cụ nào tốt nhất cho mọi yêu cầu. Recraft dẫn đầu về việc giữ một nhân vật qua nhiều tư thế với phong cách tái sử dụng và xuất vector SVG, trong khi Midjourney thắng về diện mạo khung hình đơn nhưng không có gói miễn phí, gói Basic giá $10 mỗi tháng. Gemini và ChatGPT phù hợp để lặp lại một nhân vật trong cuộc trò chuyện, và Recraft, Gemini, ChatGPT, Leonardo, Ideogram và OpenArt đều cung cấp gói miễn phí hoặc tín dụng hàng tuần.
Inclusion AI và các cộng tác viên học thuật đã phát hành IDM, một phương pháp chưng cất kết hợp khớp phân phối nội tại với khớp mô-men trong không gian đặc trưng EMA của chính generator, loại bỏ nhu cầu về một bộ mã hóa đặc trưng bên ngoài. Ở 2 NFE, IDM (Z-Image) đạt 94,25% trên LongText-CN và 90,20% trên LongText-EN, và IDM đầy đủ tham số (Z-Image) chạy trong 0,25 giây ở 1 NFE và 0,30 giây ở 2 NFE trên một A100 duy nhất ở BF16. Cùng một checkpoint đã huấn luyện hỗ trợ cả lấy mẫu 1-NFE và 2-NFE, và mã được phát hành theo Apache 2.0, trong khi các checkpoint được ghi là sắp ra mắt.
Các nhà nghiên cứu Apple giới thiệu GHARP, một phương pháp tạo hoạt ảnh cho đầu người 3D trong thời gian thực từ một vài ảnh đầu vào cộng với tín hiệu biểu cảm dẫn động, chia tách nhiệm vụ thành một giai đoạn nhận dạng ngoại tuyến và một giai đoạn hoạt ảnh thời gian chạy nhẹ. Một mạng căn chỉnh cơ thể loại bỏ sự mơ hồ về tư thế cơ thể và quần áo, và GHARP đạt chất lượng tiên tiến nhất trên bộ chuẩn Ava-256 trong khi chạy nhanh hơn tới 13× trên GPU A100 với số Gaussian ít hơn 8×.
Các nhà nghiên cứu Apple (cùng Đại học Waterloo) giới thiệu TEAL, khung học chủ động cấp điểm ảnh đầu tiên được xây dựng trên biểu diễn ViT đóng băng, chọn trực tiếp các ứng viên đa dạng trên lưới token gốc thông qua chiến lược MaxHerding hai cấp cùng tinh chỉnh độ bất định dựa trên margin. Với một điểm ảnh được gán nhãn mỗi ảnh, TEAL vượt baseline mạnh nhất tới +24,36 mIoU trên CamVid, Cityscapes, ADE20K và Pascal Context, đạt tới 97% hiệu năng học có giám sát đầy đủ chỉ với 10 px.
Modal đã dùng evals và mở rộng compute tại thời điểm suy luận để cải thiện hệ thống mã QArt của mình, nâng tỷ lệ quét QR lên mục tiêu cấp dịch vụ 95% đồng thời cải thiện chất lượng thẩm mỹ và trả mã trong dưới 20 giây ở p95. Công trình này theo đúng quy trình ML tiêu chuẩn là thu thập đánh giá của con người, căn chỉnh theo các đánh giá đó, rồi mở rộng quy mô, giải quyết khoảng trống "nó chạy được trên prompt của tôi" khiến nhiều mã QR được tạo ra không thể quét được.
Các kỹ sư của Modal mô tả việc làm cho FLUX.1-dev của Black Forest Labs chạy nhanh khoảng ba lần dưới dạng dịch vụ tự động mở rộng, rút ngắn thời gian tạo ảnh 1024x1024 từ khoảng 6,75 giây xuống dưới ba giây. Các tối ưu hóa tiêu chuẩn, cụ thể là trình biên dịch Torch với max-autotune, fused QKV attention và bố cục bộ nhớ channels-last, mang lại khoảng 1,5 lần, trong khi First Block Caching từ kho ParaAttention, dựa trên bài báo TEACache, tăng thêm 2 lần nữa ở ngưỡng 0,12. Compile cache và Modal Memory Snapshots giảm độ trễ khởi động nguội xuống 30 lần.
OpenArt đã triển khai các quy trình ComfyUI độc quyền của mình trên Modal, rút ngắn thời gian triển khai từ hàng giờ trên AWS và GCP xuống còn vài phút và tự động mở rộng lên hàng trăm container GPU. Modal hiện vận hành hơn 100 quy trình trên nền tảng, phục vụ hơn 3 triệu người dùng hoạt động hàng tháng.
Modal đã tinh chỉnh một mô hình Stable Diffusion trên thư viện Heroicons khoảng 300 SVG để tạo ra các biểu tượng đường nét đen trắng mới theo phong cách đó, bao gồm cả các biểu tượng cho các khái niệm như barack-obama và golden-retriever. Toàn bộ quy trình — tải mô hình đã huấn luyện trước, tinh chỉnh toàn phần với script train_text_to_image.py của HuggingFace Diffusers, và phục vụ giao diện web Gradio — chạy trên nền tảng GPU không máy chủ của Modal. Bài viết trình bày chi tiết việc chuẩn bị dữ liệu (chuyển đổi SVG sang PNG, nền trắng, siêu dữ liệu chú thích metadata.csv) và lưu ý rằng tinh chỉnh toàn phần hoạt động tốt nhất, mặc dù các bộ điều hợp song song kiểu LoRA cũng có thể hiệu quả với tập dữ liệu nhỏ.