用 TRL 和 OpenEnv 训练编码模型画水彩
作者用 TRL 和 OpenEnv 复现了 Surya Narreddi 让语言模型通过 p5.brush 写 JavaScript 画水彩的思路，参考池、RL 环境、训练脚本和训练好的模型全部开源，整条流程跑在 Hugging Face 上。
推荐理由：完整公开了一套用 RL 训练模型写代码作画的流程与全部产物，可借鉴其奖励设计与环境搭建思路。
创作工作流
全部主题从素材与意图到作品的多步创作、工具调用与人机协作。
108条精选
最新精选
第 41–60 条 · 共 108 条Hugging Face Blog精选AI 评分6666 Canva · 创作产品精选AI 评分7575 Canva Visual Suite 推出 100 多项更新，覆盖 Docs、Sheets、Whiteboards、Presentations 和 Websites
Canva宣布 Visual Suite 自年初推出 100 多项更新，覆盖 Docs、Sheets、Whiteboards、Presentations 和 Websites，并已向全球所有 Canva 用户陆续开放。
推荐理由：材料展示了 Canva 如何把白板、文档、表格、演示和网站串成连续项目流程，可用于评估一站式创作与协作工具的迁移价值。
Google DeepMind精选AI 评分7878 Google DeepMind 在 Gemini 3.7 Flash 等模型上线智能体视频理解
Google DeepMind 推出智能体视频理解功能，覆盖 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite，官方称分析成本最多降低 66%、token 消耗最多降低 88%、准确率最多提升 7%。
推荐理由：官方给出 token 与成本降幅及可用入口，可据此评估长视频分析方案的选型与改造成本。
World Labs · 空间智能与世界模型精选AI 评分8585 World Labs 发布世界模型 Atlas，原生支持文本、图像、视频与 3D
World Labs 发布下一代世界模型 Atlas，这是一个从零预训练的多模态自回归扩散 Transformer，原生处理文本、图像、视频和 3D，所有输入被组合进共享的空间上下文。
推荐理由：Atlas 把相机位姿与 3D 深度作为原生输入，读者可据此判断世界模型在可控生成与稀疏重建上的路线差异。
ComfyUI · 工作流与实践精选AI 评分6666 Gemini Omni 1.1 Flash 接入 ComfyUI：支持视频生成、编辑与 4K 输出
Gemini Omni 1.1 Flash 通过 Partner Nodes 在 ComfyUI 上线，封装在 Gemini Video Omni 节点中，可从模型下拉菜单选择 Omni Flash 1.1，在单个节点内完成文生视频、图生视频、参考生视频、视频编辑和场景延展。
推荐理由：ComfyUI 接入 Gemini Omni 1.1 Flash 的节点参数与提示词写法，可供视频生成与编辑工作流选型参考。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini Omni 1.1 Flash，支持场景延展与 4K 放大
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频控制能力。
推荐理由：官方给出场景延展、首尾帧插值与 4K 放大等具体控制项和定价入口，可据此判断生成视频工作流的可控性变化。
ComfyUI · 工作流与实践精选AI 评分8787 Wan 3.0 接入 ComfyUI，支持原生 30 秒视频与 Omni-Reference 控制
Alibaba 的 Wan 3.0 已接入 ComfyUI，支持原生生成最长 30 秒的视频，并提供 Omni-Reference 控制。模型支持 480p、720p 和 1080p，可使用最多 10 张图片、5 个视频和 5 段音频等参考素材，还支持视频编辑与扩展。使用这些功能需将 ComfyUI 更新至 v0.33.4，或访问 Comfy Cloud。
推荐理由：原文同时给出时长、参考素材和分辨率选项，便于评估 Wan 3.0 在长镜头、多素材控制与低成本草稿中的工作流价值。
Hugging Face Blog精选AI 评分7171 Hugging Face 在 Gradio 中推出 gr.Workflow，把 AI 管线变成可拖拽画布与 REST API
Hugging Face 在 Gradio 中推出 gr.Workflow，把多步 AI 管线描述为带类型端口的节点图，Gradio 直接提供可拖拽画布，每个节点可运行、每个中间结果可见，同一张图同时是 REST API 并可一键部署到 Hugging Face Spaces。
推荐理由：原文给出 gr.Workflow 的节点类型与多端点 API 用法，可据此判断多步生成管线如何一次搭好并直接调用。
ElevenLabs · 音频创作精选AI 评分7575 ElevenLabs 发布 CLI v1，将 API 与 agents-as-code 带入终端
ElevenLabs 发布 CLI v1，将 ElevenLabs API 直接带入终端，并为编码智能体提供结构化 JSON 结果、--dry-run 预览和可解析错误。
推荐理由：ElevenLabs 将 API、结构化结果和 agents-as-code 纳入 CLI，展示了编码智能体管理语音应用与生产配置的可复用工作流。
Google DeepMind精选AI 评分6262 Google DeepMind 与 Fenris Creations 合作，用 EVE 宇宙推进通用游戏智能体研究
Google DeepMind 宣布与 EVE 宇宙开发商 Fenris Creations 建立研究合作，把 EVE Online、EVE Vanguard 和 EVE Frontier 作为研究持续学习、记忆、长时程规划和复杂多智能体动态的环境。
推荐理由：DeepMind 公开了游戏智能体从离线沙盒到持久世界的推进路径，可据此判断通用游戏 Agent 的落地节奏与安全边界。
ComfyUI · 工作流与实践精选AI 评分7777 ComfyUI 与 MiniMax 发起 H3 音画同步社区挑战赛
ComfyUI 与 MiniMax 团队发起 H3 音画同步社区挑战赛，要求参赛者用 H3 在同一轮生成视频和同步音频，作品最长 90 秒且每人限投一次。参赛者还需提交实际的 ComfyUI `.json` 工作流，活动支持本地运行或 Comfy Cloud，9/2 公布结果。
推荐理由：挑战同时要求 H3 在同一轮生成音频与视频，并提交可复现的 ComfyUI 工作流，呈现了音画同步创作的实践约束。
ComfyUI · 工作流与实践精选AI 评分8585 ComfyUI 开源本地 Comfy MCP，连接 Claude、Codex 和 Cursor
ComfyUI 开源 Comfy MCP 本地连接，让 Claude、Codex、Cursor 等 Agent 连接本机 ComfyUI，并与 Cloud MCP 统一。Agent 可读取本机 GPU、已安装节点和磁盘模型，判断模型是否适合本地运行，自动完成模型与工作流配置并执行任务。
推荐理由：它把本地 GPU、节点和模型检查接入智能体工作流，可帮助创作者在下载模型前判断硬件适配，并减少本地部署与工作流配置的手工步骤。
Hugging Face Blog精选AI 评分7272 Strands Agents、LeRobot 与 Hugging Face Storage Buckets 打通机器人数据流闭环
Hugging Face Blog介绍了用 Strands Robots、LeRobot 和 Hugging Face Storage Buckets 构建机器人数据流闭环的方法。
推荐理由：文章展示了机器人示范采集、增量同步、远程流式训练和硬件部署如何串成闭环，并交代了桶存储的审计与安全边界。
Hugging Face Blog精选AI 评分9090 Meta 发布 Muse Glimmer：面向本地智能体的 30B 开源多模态模型
Meta 发布 Muse Glimmer-30B，这款采用 Apache 2.0 许可的开源多模态模型面向本地智能体场景。模型由 2B ViT-style 视觉编码器和 28B 文本解码器组成，并支持图像、视频输入与多模态工具调用。
推荐理由：原文同时给出 Muse Glimmer 的 30B 架构、Apache 2.0 开放方式和本地部署路径，便于评估多模态智能体的落地门槛。
ComfyUI · 工作流与实践精选AI 评分7878 Wan Animate 2 在 ComfyUI 中原生支持
Wan Animate 2 已在 ComfyUI 中原生支持，该模型采用端到端角色动画框架，驱动视频直接进入重新设计的 Diffusion Transformer，省去中间运动提取器，以提升运动保真度和角色身份一致性，并支持文本驱动的视角控制。
推荐理由：ComfyUI 原生接入 Wan Animate 2，读者可据此判断角色动画工作流的节点改动与实时化路径。
ComfyUI · 工作流与实践精选AI 评分7878 Seedance 2.5 通过 Partner Nodes 上线 ComfyUI
Seedance 2.5 通过 Partner Nodes 在 ComfyUI 上线，单次生成一段连续 30 秒视频，无需拼接短片。单次生成最多可接入 50 个参考素材，包括 30 张图片、10 个视频和 10 个音频文件，参考素材可在提示词中逐条指定。
推荐理由：ComfyUI 接入 Seedance 2.5 后，可据此判断单次 30 秒连续生成与 50 个参考素材对现有分镜拼接流程的替代空间。
ByteDance Seed · 音频与多模态交互精选AI 评分8383 字节 Seed 发布 SeedRealtime 音视频全双工大模型，已在豆包 App 全量上线
字节 Seed 正式推出原生音视频全双工大模型 SeedRealtime，用统一架构融合音频、视频与文本，支持在连续多模态流上实时交互。官方称端到端人工评测中，相比级联模型音视频对话节奏问题减少一半，单次对话顺畅完整交流的概率明显提升。该模型已在豆包 App 全量上线，更新后在对话框选择打电话进入视频通话即可体验。
推荐理由：官方披露了统一架构、端到端评测口径与豆包全量上线入口，可据此判断全双工音视频交互的落地形态。
ByteDance Seed · 视觉生成与编辑精选AI 评分8787 字节 Seedance 2.5 正式发布：单次生成 30 秒、支持多轮延长
字节跳动 Seed 团队正式发布新一代视频创作模型 Seedance 2.5，单次生成时长从 15 秒提升至 30 秒并支持多轮延长，延续 Seedance 2.0 统一的多模态音视频联合生成架构，重点突破长叙事、多模态参考和编辑能力。
推荐理由：官方给出 30 秒单次生成、多模态参考与时间戳编辑的具体能力边界，可据此判断长叙事视频工作流的可用性。
Google DeepMind精选AI 评分6262 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布 Gemini Robotics ER 2，作为机器人的高层具身推理模型，可理解连续视频、编排多步任务并把动作执行交给底层 VLA 模型，同时原生调用 Google Search 等工具。
推荐理由：官方给出视频理解、任务编排与多机协作的能力边界和开放入口，可用于判断机器人上层编排模型的选型。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，作为新一代机器人智能层，首次让模型控制完整人形机器人，实现从脚到指尖的全身控制、灵巧操作与多机器人协作。
推荐理由：Gemini Robotics 2 把 VLA 控制从上半身扩展到全身并支持多机器人协作，可据此判断具身智能的模型分层与端侧部署路线。