vLLM-Omni 将 MiniMax H3-Image 引入 NVIDIA Vera Rubin，在四块 GPU 上测得原生 4096×4096 文本到图像的中位延迟为 0.87 秒，并在另一吞吐配置下达到每小时 6,115 张图像。H3-Image 是一个开放权重的文本到图像与编辑模型，将 Qwen3-VL 编码器与 33.1B 稠密 DiT 及图像 VAE 相结合，在六步采样内处理两项任务，最多支持 16 张参考图像。团队报告了 MXFP8 DiT GEMM、Ulysses SP4、AdaLN 缓存以及一项将解码时间从 2.635 秒缩短至 0.213 秒的 VAE 解码改动，并列出了面向 AMD、Intel、华为昇腾和摩尔线程硬件的配置方案。
推荐理由：vLLM-Omni 的基准测试显示 MiniMax H3-Image 在 Vera Rubin 上以亚秒级 4K 延迟运行，并提供了各硬件配置及服务经济性成本模型。
MiniMax 的 H3 系列本周从视频扩展到更多领域，H3 Image、H3 Image Highspeed、H3 Highspeed 和 H3 Lite 现已在 Recraft Studio 上线。两个图像模型支持 2K 或 4K 的生成与编辑，两个视频模型可生成 4–15 秒、480p 或 768p 的带声音片段。H3 Image 每张图起价 6 credits，H3 Lite 每秒视频起价 4 credits。
MiniMax 发布 H3-Image，这是一款基于 H3 构建的开源权重图像生成模型，支持文生图、参考图生成和图像编辑，可在 10 秒内生成 4096 × 4096 的图像。该公司表示，它最多可处理 16 张参考图，声称在开源权重模型中具有最先进的提示词遵循能力，并报告速度最高可达主流替代方案的 5 倍。H3-Image 可通过 MiniMax API 平台、MiniMax Code 和海螺 AI 使用，定价为同类产品的 50–70%，发布周期间 4K 及以上请求享受 50% 折扣。
推荐理由：MiniMax 发布开源权重 H3-Image，声称可在 10 秒内生成 4K 图像，定价为同类主流产品的 50–70%，为开发者提供了一个用于高分辨率图像工作的新开源选择。
Recraft 发布了 Vectorizer Pro，这是一款可将 PNG、JPG 和 WebP 图像转换为更干净 SVG 的矢量化工具，自 2026 年 10 月 29 日起，所有套餐的用户均可在 Recraft Studio 中使用。它能保持直线笔直且间距均匀，保留图标尖角和拐角的锐利度，并将曲线绘制为一笔干净的线条，从而减少在 Figma 或 Illustrator 中的清理工作。扁平插画、标志、图标和线稿受益最大，而纹理较多的源图可能仍需先进行简化。
经过对七款工具的对比，Recraft被评为2026年最佳AI图标生成器；该对比以五项图标一致风格测试和原生SVG导出为评分依据。Recraft在各字形间保持了描边粗细和圆角半径，并导出可编辑的SVG；Canva仅部分通过，而Adobe Firefly和Midjourney两项检查均未通过，输出为位图。
Recraft 发布了一份指南，其中包含十二个可直接复制的文本提示，用于在图像到图像模型上进行照片编辑，基于两行模式：一行变更行，指明对象、其位置和结果；一行保留行，锁定面部、印刷标签、构图和光照。该指南称，移除对象、重新着色、重新打光或更换服装等局部编辑比风格重塑或天气替换更能保留身份特征；而当提示堆叠多项变更、改写印刷文字，或要求新的面部或身体比例时，就会失败。它建议生成两到三个变体，在 100% 缩放下检查，并通过仅指明该区域的后续提示修复一处遗留错误。
用同样的三个表情包需求，对七款AI表情包生成器——Imgflip、Canva、Supermeme.ai、Recraft、Kapwing、ChatGPT和Magic Hour——在免费套餐、水印、模板、字幕渲染、导出尺寸和API方面进行了测试。对比发现没有 universally 胜出的工具：Imgflip在经典模板上胜出，Supermeme.ai在从想法到字幕上胜出，Recraft和ChatGPT在原创图片上胜出，Kapwing在视频和GIF上胜出，而当表情包必须适配某个版式时Canva胜出。
Recraft是制作模切轮廓、透明PNG和SVG的最佳AI贴纸生成器，且均可在同一画布上完成；而Canva更适合在同一编辑器中制作贴纸整版和下单印刷。2026年11月9日，七款工具依据五项印刷标准进行了评分，只有Recraft、Kittl和Canva Print提供了获得切割线或印刷整版的可行路径。Firefly、Ideogram、Leonardo AI和ChatGPT则在更细分的任务中胜出，例如照片转贴纸或聊天贴纸包。
一项对七款AI角色生成器的对比评测，从姿势一致性、参考图像、风格控制、导出格式和免费套餐五个维度打分，结论是没有任何一款工具在所有需求下都最优。Recraft在让同一角色跨姿势保持一致方面领先，支持可复用风格和SVG矢量导出；Midjourney在单帧外观上胜出，但没有免费方案，基础版每月10美元。Gemini和ChatGPT适合在对话中迭代角色，而Recraft、Gemini、ChatGPT、Leonardo、Ideogram和OpenArt均提供免费或每周积分套餐。
Inclusion AI 与学术合作者发布了 IDM，这是一种蒸馏方法，将内部分布匹配与生成器自身 EMA 特征空间中的矩匹配相结合，无需外部特征编码器。在 2 NFE 下，IDM（Z-Image）在 LongText-CN 上得分 94.25%，在 LongText-EN 上得分 90.20%；全参数 IDM（Z-Image）在单张 A100 上以 BF16 运行，1 NFE 耗时 0.25 秒，2 NFE 耗时 0.30 秒。同一个训练好的检查点同时支持 1-NFE 和 2-NFE 采样，代码以 Apache 2.0 发布，检查点则标注为即将推出。
Apple 研究人员提出 GHARP，一种从少量输入图像加驱动表情信号实时驱动 3D 人头动画的方法，将任务拆分为离线身份阶段和轻量级运行时动画阶段。身体对齐网络消除了身体姿态与服装带来的歧义，GHARP 在 Ava-256 基准上达到最先进质量，同时在 A100 GPU 上运行速度最高提升 13 倍，高斯数量减少 8 倍。
Apple研究人员（与滑铁卢大学合作）提出TEAL，这是首个基于冻结ViT表示的像素级主动学习框架，通过两级MaxHerding策略直接在原生token格上选择多样化候选，并结合基于margin的不确定性精炼。在每张图像仅有一个标注像素的情况下，TEAL在CamVid、Cityscapes、ADE20K和Pascal Context上比最强基线最高提升+24.36 mIoU，仅用10 px即达到全监督性能的97%。
Modal 利用评估和推理时计算扩展来改进其 QArt 码系统，将二维码扫描率提升至其 95% 的服务水平目标，同时改善美学质量，并在 p95 下于 20 秒内返回二维码。这项工作遵循标准的机器学习流程：收集人类判断、与之对齐，然后扩展，解决了“在我的提示上有效”的差距，该差距导致许多生成的二维码无法扫描。
Modal 的工程师们介绍了如何让 Black Forest Labs 的 FLUX.1-dev 作为自动扩缩容服务运行，速度提升约三倍，将 1024x1024 图像的生成时间从约 6.75 秒缩短到 3 秒以内。标准优化手段，即启用 max-autotune 的 Torch 编译器、融合 QKV 注意力和 channels-last 内存布局，带来了约 1.5 倍的提升；而基于 TEACache 论文、来自 ParaAttention 仓库的 First Block Caching 在阈值 0.12 下又额外带来了 2 倍的提升。编译缓存和 Modal Memory Snapshots 将冷启动延迟降低了 30 倍。
OpenArt 将其专有的 ComfyUI 工作流部署在 Modal 上，把在 AWS 和 GCP 上需要数小时的部署缩短到几分钟，并能自动扩展到数百个 GPU 容器。Modal 目前为该平台上的 100 多个工作流提供支持，该平台月活跃用户超过 300 万。
Modal 在约 300 个 SVG 的 Heroicons 图标库上微调了一个 Stable Diffusion 模型，以生成该风格的新黑白线条图标，包括 barack-obama 和 golden-retriever 等概念的图标。完整流程——下载预训练模型、使用 HuggingFace Diffusers 的 train_text_to_image.py 脚本进行全量微调，以及提供 Gradio Web UI——都在 Modal 的无服务器 GPU 平台上运行。文章详细介绍了数据集准备（SVG 转 PNG、白色背景、caption metadata.csv），并指出全量微调效果最好，不过 LoRA 风格的并行适配器也可用于小数据集。