一位没有开发背景的作者用 Claude 从 9 月初开始做一款休闲游戏，第 6 周更新了进展。他的工作流是 Claude Opus 5.5 负责头脑风暴、规划和统筹，并调度下层的 Opus 和 Sonnet 智能体，Claude 用 Blender 清理素材并在 Unity 中搭建内容。
选题角度：作者零开发经验用 Claude 多智能体加 Gemini、Meshy 做出一款游戏，可拆解他第 6 周的实际工作流和踩坑过程。
一段 20 秒、16:9 横屏的好莱坞深海生存惊悚视频提示词，场景设在紧凑的深海研究潜水器座舱内，由一名三十出头的女性驾驶员主导。核心镜头是一次约 0.3 秒的光学急速变焦，从完整圆形观察窗猛推至玻璃正中央的星形裂纹，随后她拉下铰链式应急钢盖并强行锁死。结尾她按下通讯开关说“Abort the dive. Bring us up. Now.”，座舱开始震动上升。
Pika 与 OpenAI 合作推出 Pika X ChatGPT 插件扩展，把 Pika 的全部创作工具直接接入 ChatGPT 的聊天窗口和侧边栏，形成新的交互式创作体验。
OmniCompass 是一个面向全模态视频定位与理解的整体性基准。该工作以论文形式发布，配套链接为 https://t.co/0LLvEfPegI。
Elorian 发布首个模型 Glimpse，主打 Visual Thinking，可对图片和视频提问并推理所看到的内容。作者关注的是它对视频片段的追问能力，比如画面里发生了什么变化、为什么发生、机器人在每一步做什么。他认为如果这类能力足够可靠，机器人遥操作数据标注会彻底改变，因为大量遥操作视频因逐步手工切分标注太慢太贵而闲置，模型自己看片段写标签就能把这些积压素材变成训练数据。
H3 Fizgig 的 H3 Single Image Generator 可搭配 H3 Multi Reference 节点使用，用 Minimax H3 Reference to Video 节点替换 H3 Image to Video 并接入多张参考图即可直接出图，比先生成视频再抽帧快约 90% 至 95%。
本周 AI 领域迎来 Krea 3 Beta、FLUX 3 Image Klein、Qwen-Image-2.1-Turbo、Gemini 4 Argon、Meta Muse Wonder。
可灵 Kling 4.0 已在官方平台全面开放，官方称其带来更精细的运动、更精准的创作控制和专业级视听输出。可灵 AI 在 Advertising Week New York 2026 与 WPP、Adobe 同台，讨论 AI 视频如何从创意实验走向真实生产，并称下一阶段不只是生成质量，而是把模型、工具和工作流连接起来，让创意在一致性和可控性下规模化。
同一新闻，精选展示《可灵 Kling 4.0 全面开放，新增 MCP 与 CLI 接入》
Google DeepMind 称四个 Gemini 4 Argon 智能体在 27 小时内从零通关 Minecraft。它们只在沙盒中用代码和文本运作，共编写 2,783 个程序，通过聊天分配任务、共享笔记并一起调试错误，全程没有人类帮助。
选题角度：四个 Gemini 4 Argon 智能体在沙盒里只用代码和文本协作通关 Minecraft，可讲它们如何分工、共享笔记并互相调试。
Elorian 发布首个模型 Glimpse，以研究预览形式上线，提供 API 访问，聊天界面仅限候补名单。Glimpse 在推理过程中可裁剪图像区域、抽取视频帧或运行代码来测量和比较所见内容，Elorian 称之为 visual scratch space。
Charaspower 在 X 上分享了一段用 LumaLabsAI 生成的视频提示词，展示兽人变身沙元素巨像的全过程。提示词详细描述了带角兽人男性角色在无尽沙漠沙暴中皮肤剥落成沙粒、肌肉重组成砂岩铠甲、犄角拉长、双臂化为旋转沙暴，最终成长为巨像冲过沙丘，并附带史诗级好莱坞 VFX、长焦热浪、快速推镜等镜头与光影设定。
选题角度：原文给出可直接复制的完整提示词和 Luma 生成样片，适合拆解提示词结构并复现同款变身特效。
动作指导兼表演主管 Themo 受成龙启发，前往 DreamLab LA 学习如何强化 AI 动作捕捉特技的控制力。双方先进行前期策划会议，随后捕捉 Themo 的动作，通过视频转视频将其转换为全新风格与场景，作品由 Luma 制作。
这条教程用一个视频讲透AI漫剧制作全流程，覆盖剧本分镜、人物一致性、视频生成和配音剪辑。工具链为即梦、豆包和剪映，从角色设计到成片发布一次讲完。
这条教程用一个视频讲透 2026 AI 漫剧制作全流程，覆盖剧本分镜、人物一致性、视频生成和配音剪辑四个环节。作者用即梦、豆包、剪映三款工具串起从角色设计到成片发布的完整链路。
选题角度：教程覆盖剧本分镜、人物一致性、视频生成到配音剪辑的完整链路，适合按步骤拆解即梦、豆包、剪映三款工具的分工与衔接。
Higgsfield 在 X 上展示了一段用 Kling 4 一次生成（one shot）的战斗机游戏概念视频，并称结果令人惊叹。推文未给出提示词、参数或生成流程等细节。
选题角度：原文只展示了一段用 Kling 4 一次生成战斗机游戏概念片的成品，适合做效果展示与生成过程拆解。
ACC 2026 期间的「Hyper3D 造物实验室｜Agent 创作挑战赛」将于 10 月 21 日至 23 日在北京海淀公园举行，前两天每天招募 50—80 人，分别做 3D 应用工具和 3D 小游戏，第三天集中展示、试玩与颁奖。
可灵 AI 的 Kling 4.0 于 10 月 15 日晚正式全量上线，面向专业用户强化大幅动态与复杂运镜，全能参考扩充至最多 15 项素材、关键帧最多 10 张图片，单次原生生成延长到 30 秒。
同一新闻，精选展示《可灵 Kling 4.0 全面开放，新增 MCP 与 CLI 接入》
Meta 发布开放权重模型 Muse Spark Open，总参数量 8160 亿，每次推理激活 420 亿参数，支持 100 万 Token 上下文窗口，原生支持多模态，主攻编程和 Agent 任务。
开发者Sac用16天把《小王子》做成可玩的3D剧情游戏《小王子：星辰之旅》，用Opus 5.5结合3D模型生成工具Tripo和3D制作软件Blender，把书中每颗星球变成可探索的3D场景。游戏已有独立网站入口，官网列出中文、英语、日语等8种语言选项，当前版本需要支持WebGPU的浏览器。Sac表示后续会开源整个游戏并公开详细制作流程，已有玩家反馈浇花任务后W、S与A、D方向反转的Bug。
选题角度：开发者用Opus 5.5加Tripo和Blender在16天做出可玩的《小王子》3D游戏，适合拆解他的工具组合与制作流程。
清华大学与北京邮电大学提出白盒视觉越狱攻击方法 DIVA，利用离散扩散视觉语言模型的跨步条件传播特性，在 HADES 基准上对 LLaDA-V、MMaDA、LLaDA2.0-Uni 的平均 ASR 分别达 58.80%、67.73%、69.07%。该方法通过跨模态意图混淆与扩散感知对抗优化，在像素约束内构造类别级共享扰动，且不修改模型权重与解码流程。
Meta 正式开源 Muse Spark Open，官方定位为美国迄今最强大的开源权重模型，总参数 816B、激活参数 42B，采用 MoE 架构，支持 100 万 Token 上下文和文本、图像、视频、音频原生多模态，专为编码与复杂推理设计。
字节跳动在抖音晚会展示未命名世界模型，用一条手绘镜头路径把周星驰《喜剧之王》的一个场景重拍出十几个机位，并支持鼠标键盘控制、提示词加入物体后由角色使用，Bloomberg 称字节正为 Pico 和抖音打造实时世界模型。
选题角度：字节世界模型在抖音晚会用一条手绘镜头路径重拍《喜剧之王》片段，适合做效果拆解与同类视频模型对比。
用户为 H3 搭建了一套修图工作室，组合多种现有技术实现视频元素编辑。功能包括用图像参考添加物品、纯文本添加元素、抬臂切换表演、更换布景与镜头角度、更换或删除角色、改发色，以及用图像参考修改 Sam 无法识别的元素（像素追踪）。
ElevenLabs 在 ElevenCreative 上线 Instant Soundtracks，上传视频后模型会生成原创配乐，并分析画面中的音效触发点、按时间戳生成音效并自动放到时间线上。
选题角度：官方给出 ElevenCreative 上传视频自动配乐加音效的完整入口和 API 参数，适合录屏实测同一段视频加音效前后的差异。
可灵AI凌晨正式上线视频模型Kling 4.0，支持最长30秒直出，此前9月底已向部分黑金年卡及Ultra年度订阅用户开放4.0 Flash尝鲜。作者实测了城市追逐、马戏团、电梯打斗、花样滑冰等场景，认为其在物理规律理解、复杂动作衔接和镜头调度上有提升，并观察到人物压扁纸箱的形变细节。
选题角度：作者烧积分实测了30秒一镜到底、复杂打斗和全能参考替换，适合挑城市追逐或电梯打戏做效果对比。
Mirage Tesseract 新增完整 HDR 支持，可生成色彩更丰富、高光更亮、视觉层次更深的视频。HDR 可应用于素材、动画文字、图形与特效，并整合在同一个可编辑项目中，支持在 ChatGPT Work 或 Claude Code 中使用。
Meta 发布开源权重模型 Muse Spark Open，称其为美国最强开源权重模型，面向编码和智能体任务，拥有 8160 亿参数（420 亿激活）、最高 100 万 token 上下文，支持文本、图像、视频和音频。
YouTube Music 周三宣布推出新的标签系统，用于标明借助生成式 AI 创作的歌曲，标签会显示在播放页，点击可查看 AI 在创作中的具体作用，该标签也将扩展到 YouTube 主应用。
Seedance 2.5 能高效实现"走廊→猫眼→公寓→猫眼→走廊"的无剪辑一镜到底结构，靠镜头调度而非爆炸场面营造门两侧不断升级的紧张感。该 30 秒镜头概念不展示破门过程，完整提示词已在帖文中给出。
Futurepedia 用同一提示词让四款 AI 模型生成同一罐 FutureFuel 广告图，重点考察罐身密集小字的还原度。NanoBanana 2.1 的 473 milliliter 字样清晰无误，光斑和构图也不错；GPT Image 2.5 放大后文字清楚但设计偏杂乱普通；Flux 3 在数字三上出现小错误，整体不够突出。作者认为 NanoBanana 2.1 胜出。
选题角度：同一提示词下四款图像模型生成同一罐身小字广告，逐一点评文字准确度与画面表现，适合做横向对比实测。
Meta 10 月 15 日发布开放权重模型 Muse Spark Open，权重可在 Hugging Face、亚马逊 SageMaker、Google Cloud Model Garden 和微软 Foundry 下载，按 Muse Model License 免费使用并允许商用。
Meta 发布开源模型 Muse Spark Open，称其为迄今为止美国最强大的开源模型。该模型总参数 816B、活跃参数 42B，支持 1T 上下文窗口，原生支持文本、图像、视频、音频全模态输入，基于苹果 MLX 框架深度优化，可在两台 M5 Ultra Mac Studio 上本地运行。博主称其在长时任务、复杂软件工程和多步骤推理上表现出色，测评基准分数与 K3、GLM-5.3 差不多。
Gemini 官方展示用 Gemini 4 Argon 制作 3D 打印家具配件：上传一张带粗略尺寸的照片，在 Gemini 的 Canvas 中搭建一个交互式 3D CAD 工作室，可浏览不同风格、用实时滑块调整，并导出可打印的 STL 文件。
选题角度：官方演示了用 Gemini Canvas 从一张带粗略尺寸的照片搭出可调滑块的 3D CAD 工作室并导出 STL，适合录屏走一遍完整流程。
Nvidia 发布 Nemotron 3.5 Super VL，一个 1200 亿参数的开源多模态模型，面向持续在后台运行的企业智能体，处理文本、图像、文档和视频。
可灵 Kling 4.0 已在官网正式上线，官方称核心升级是真实、可控、专业。作者实测其支持一次直出30秒视频、最高8000 tokens长提示词、最多15个参考素材，用10张图片加3段视频生成21:9科幻预告片，素材全部用上且文字未崩，剧本细节命中率约90%；出现叉子误当戒指等瑕疵时可用编辑能力替换修正。
同一新闻，精选展示《可灵 Kling 4.0 全面开放，新增 MCP 与 CLI 接入》
用公开来源素材对 Prime Air 跑道事故做了 3D 重建，把无人机影像、地面照片和飞行遥测整合进同一空间，以还原事故经过。作者认为这体现了真实世界的空间智能。
NVIDIA 发布开源 1200 亿参数模型 Nemotron 3.5 Super VL，并推出两款边缘模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB。
选题角度：原文给出三款模型的参数、内存占用和开放下载入口，适合上手实测 Super VL 与 Bolt 在本地设备上的多模态与智能体任务表现。
Charaspower 分享了一段人形生物变身水晶大地元素怪物的完整视频提示词，提示词描述了灰皮瘦削人形骨骼外翻、矿物从皮肤中迸出、脊柱长成石英碎片王冠、双手变成巨型石爪，最后起身从地面拔起巨石并咆哮。场景设定在日落时的沙漠峡谷，包含红岩壁、沙尘暴、干裂土地、废墟与盘旋秃鹫，风格要求为大片级怪物 VFX、强烈尺度对比、低角度揭示与宏观碎裂细节。
选题角度：原文给出完整的怪物变身视频提示词，适合照着复现并对比晶体生长与矿物碎裂细节的生成效果。
可灵 Kling 4.0 现已全面开放使用。官方同步发布了一支由 Kling 4.0 生成的短片 KING CARD，以魔法世界和卡牌故事为主题。
同一新闻，精选展示《可灵 Kling 4.0 全面开放，新增 MCP 与 CLI 接入》
一份教程讲解如何用 Opus 5.5、Astra、Tripo、Blender 和 Unity 组成的 AI 工作流，构建基于《小王子》的交互式 3D 叙事游戏。教程覆盖资产生成、场景搭建、绑定和动画等环节，并提供分步指引和可直接使用的提示词，帮助创作者用 AI 搭建自己的 3D 世界。
选题角度：原文给出用 Opus 5.5、Astra、Tripo、Blender、Unity 做 3D 叙事游戏的完整流程和提示词，适合按步骤复现资产生成到动画的环节。