AI 月报 · 2026 年 10 月
设计前沿
空间智能爆发与AI设计工具链重构
2026年10月,设计前沿领域呈现“空间智能”与“Agent工作流”双主线爆发。在模型层,World Labs、VAST、Google DeepMind等密集发布实时世界模型(RTFM, EdenLive, Genie 4),推动从静态生成向可交互3D场景演进;同时,MOSS-Image、Nano Banana 2.1等开源/商用生图模型在文字渲染与局部编辑上取得突破。在应用层,室内设计垂直赛道迎来工具链重构:GitHub涌现大量基于Agent Skills的开源套件(如interior-design-skills, Shellplan),强调通过LiDAR扫描、参数化风格DNA及MCP接口实现全流程自动化。硬件端,苹果HomeView与NVIDIA RTX Spark进一步打通本地AI算力与智能家居生态。整体趋势显示,AI正从辅助绘图转向具备空间理解能力的自主执行代理。
实时世界模型突破
本版导读本月多项技术进展标志着AI从图像生成迈向交互式3D世界构建。World Labs发布RTFM研究预览版及Marble测试版,并获10亿美元融资,主打单卡H100实时生成持久3D场景;VAST开源EdenLive实现720P超24FPS实时输出;Google DeepMind推出Genie 4延长场景一致性至两分钟。此外,字节跳动展示未发布的世界模型,达瓦科技Scenes AI获NVIDIA大奖。这些模型普遍采用解耦状态与渲染或位姿帧记忆技术,为游戏原型、具身智能训练及沉浸式空间设计提供底层支持。
VAST开源实时世界模型EdenLive,单卡720P超24FPS
VAST正式发布并开源实时世界模型EdenLive,在单张RTX 5090显卡上实现720P分辨率下超过24FPS的生成速度,端到端延迟为百毫秒级。该模型采用“解耦世界状态与视觉渲染”技术路线,支持任意参考输入和画风指定,可应用于游戏原型预览、场景动画生成及具身数据增强等场景。
World Labs 发布实时生成式世界模型 RTFM 研究预览版
World Labs 推出名为 RTFM(Real-Time Frame Model)的实时生成式世界模型研究预览版,该模型可在用户交互时实时生成视频以探索 3D 世界和真实场景。RTFM 仅需单张 H100 GPU 即可运行推理,通过“位姿帧作为空间记忆”的技术实现世界的无限持久性,且无需显式 3D 表示即可从单张图片渲染出包含反射、阴影等复杂效果的新视角画面。
达瓦科技Scenes AI获NVIDIA大奖,单卡实现34B实时世界模型
达瓦科技凭借实时世界模型产品 Scenes AI 获得2026 NVIDIA创业企业展示半程展示卓越企业奖。该模型不预测下一帧画面,而是维护持续运行的世界状态,仅更新变化部分,在单张RTX显卡上实现720P、25帧实时输出。
World Labs 推出 Marble 预览版:生成更大更精细的可导航 3D 世界
World Labs 发布其最新突破模型 Marble 的受限访问测试版,用户可通过 marble.worldlabs.ai 基于图像或文本提示生成持久、可导航且无时间限制的 3D 世界。
Google DeepMind 发布 Genie 4 世界模型研究预览版
Google DeepMind 周二发布了最新世界模型 Genie 4 的研究预览版,该模型能生成更逼真的交互式世界并支持实时音频和模拟中的提示词修改。Genie 4 将场景一致性维持时间延长至两分钟,并与 Gemini 深度集成以规划步骤和检查帧,适用于游戏、互动学习和机器人测试等场景。
World Labs 宣布获得10亿美元新融资
World Labs 宣布完成10亿美元新一轮融资,投资方包括 AMD、Autodesk、NVIDIA 等。该公司专注于通过构建世界模型推进空间智能,其首款产品 Marble 允许用户基于图像、视频或文本创建具有空间一致性、高保真度和持久性的3D世界。
字节跳动展示未正式发布的世界模型,具备三维场景生成与实时交互能力
字节跳动在抖音集团《2026 美好奇妙夜》科技节目上展示了其正在研发的世界模型,该模型尚未正式发布。演示显示其具备三维场景生成、自由探索、实时交互、物体编辑及跨空间连通等能力。文章指出世界模型正从内容生成延伸至机器人和自动驾驶等物理AI的虚拟训练与验证环节,并分析了国内外厂商在空间智能领域的不同技术路径。
室内Agent技能开源
本版导读室内设计领域出现显著的“Skill化”趋势,开发者将专业流程拆解为可独立安装的Agent技能。GitHub上interior-design-skills、roomvana-skills等项目发布,涵盖需求测量至预算校审的全链路;Shellplan利用iPhone LiDAR实现全屋扫描与AI导出;master-style-render通过拆解大师风格DNA实现参数化生图。配合Vercel Labs发布的Skills CLI及优设网提出的Figma Skill方案,行业正构建基于显性规则映射和组件语义的标准化AI工作流,旨在解决自由描述带来的结果不稳定问题。
GitHub 开源 interior-design-skills:面向室内设计的 Agent 技能套件
GitHub 仓库 liuqing0224/interior-design-skills 发布了一套包含 15 个可独立安装 Skills 的室内设计智能体工具集,通过共享项目模型衔接需求、测量、平面、材料、灯光、定制、机电、图纸、软装、预算及校审等环节。
GitHub 新晋 master-style-render 仓库:基于大师风格 DNA 的室内 AI 效果图参数化生成工具
GitHub 上出现名为 master-style-render 的新晋开源仓库,提供一套将 18 位设计大师风格转化为可参数化调用指令的 AI 生图系统。该工具通过拆解材质配比、色彩逻辑等“风格 DNA”,结合空间、改动程度、大师风格、光线四个参数自动组装提示词,旨在解决自由描述导致的风格不稳定和旧改中房屋结构变形问题。
Shellplan 发布:基于 iPhone LiDAR 的全屋扫描与 AI 设计导出工具
Shellplan 是一款开源 iOS 应用,利用带 LiDAR 的 iPhone 逐间扫描房间并自动拼合为全屋模型。它能生成去除家具的空房间白模和带尺寸标注的平面图,支持门窗编辑及实测值录入。用户可一键导出包含 OBJ/USDA 模型、PDF 平面图及 Blender 重建脚本的 ZIP 包,所有数据仅保存在本地不联网。
优设网实测:用Skill跑通AI+Figma工作流以生成可编辑设计稿
优设网发布实测教程,指出直接让AI参考现有Figma页面生成新设计存在速度慢、结果不稳定等问题。作者提出建立名为 $xiaochengxu-mobile-ui 的 Skill,将隐性设计规则转化为包含真实组件映射、字段语义映射、页面结构规则及保护规则的显性指令。该方案无需预先完美治理组件库,即可实现从产品原型到可编辑 Figma 页面的稳定生成流程。
Roomvana家居设计Agent技能开源
GitHub 项目 roomvana-skills 提供面向住宅、庭院和房间改造的 Agent skill,可在 Roomvana 中打开方案。设计人可尝试用它把空间改造思路接入 AI 工作流,快速生成或整理家居新外观方案。
Vercel Labs 发布开源 Agent Skills CLI 工具
Vercel Labs 发布了用于开放智能体技能生态系统的命令行工具 skills,支持 OpenCode、Claude Code、Codex、Cursor 等 75+ 种编码智能体。
高保真视觉模型迭代
本版导读主流生图模型在分辨率、文字渲染及局部编辑能力上大幅升级。模思智能开源MOSS-Image,优化中英文文本覆盖率达96.3%;Google发布Nano Banana 2.1,支持4K直出及中文排版优化,API价格下调;Black Forest Labs推出FLUX 3 Image Klein,仅需8GB显存即可运行且支持多步局部编辑;Ideogram 4.5声称能无损保持非编辑区域不变。Canva亦发布自研模型Craft,依赖设计模板而非照片进行构图规划。这些更新显著提升了设计稿生成的可控性与商业落地效率。
模思智能开源5B参数生图模型MOSS-Image,4天海外下载超百万
模思智能与OpenMOSS团队开源发布基于5B参数DiT主干的生图模型MOSS-Image,上线4天在海外社区收获130万次下载。该模型重点优化中英文文字渲染、结构化JSON Layout布局控制及长Prompt支持,在LLTB评测中文本覆盖率达96.3%。目前API已上线,社区已衍生出8步/4步加速版、INT8量化版及多种风格LoRA。
Black Forest Labs 发布开源图像模型 FLUX 3 Image Klein,8GB显存即可运行
Black Forest Labs 发布了拥有 5.6B 参数的开源权重图像模型 FLUX 3 Image Klein,支持文生图、图像编辑及最多十张参考图生成。
Google 发布 Nano Banana 2.1:支持 4K 直出与中文渲染优化
Google 发布新一代生图模型 Nano Banana 2.1,重点升级视觉设计、蒙版编辑及主体一致性,支持 4K 摄影级图片直出。据 Arena 评测,其文本转图像功能较上一代提升约 80 分,排名第四;同时 API 价格下调,1K/2K 图片生成费用减半,4K 便宜约 25%。
Nano Banana 2.1 深度实测:支持4K直出与中文排版优化
Google 将生图模型 Nano Banana 更新至 2.1 版本,底座切换为 Gemini 3.6 Flash。本次升级聚焦视觉设计、蒙版编辑、主体一致性和画面真实感四个方向。实测显示其支持 4K 原图直出且中文文字清晰度有明显进步,但连续改图仍存在一定局限。
Black Forest Labs 发布 Flux 3 Image 支持多步局部编辑
Black Forest Labs 发布图像生成模型 Flux 3 Image,支持在不改变图片其他部分的情况下进行多步编辑。该模型涵盖文生图、图生图及文本渲染功能,允许用户通过边界框组合场景并输出最高 4K 分辨率。
Nano Banana 2.1 九种实战用法与完整提示词指南
文章总结了 Nano Banana 2.1 的九种实战用法,重点包括多图一致性控制和“养图”技巧,并提供了完整的提示词示例。该模型被描述为具备 Flash 的价格和 Pro 的能力。
Ideogram 发布 Ideogram 4.5 模型,主打无损局部图像编辑
Ideogram 发布新模型 Ideogram 4.5,声称能在编辑图像局部时保持其余部分不变,解决 AI 图像编辑中常见的伪影问题。该模型适用于产品摄影、室内设计等场景,提供四档质量等级(0.8至22美分/张),原生支持 2K 分辨率,现已通过平台及 API 开放使用,并计划近期推出开源权重版本。
Canva 发布首个自研图像模型 Craft
设计平台 Canva 发布了其首个内部开发的图像生成模型 Canva Craft。该模型由 Canva Research 从零开始训练,主要依赖数百万个设计模板而非照片,能够规划构图、比例和文本,并以最高 2K 分辨率生成超过 30 种宽高比的图像。
3D资产与空间采集
本版导读3D内容生产工具向高精度与便捷化演进。Hi3D开源V1.0并发布可商用2048³超高精度V3.0模型;Meshy推出自然语言局部编辑功能,简化修改流程;Pascal Editor基于WebGPU构建本地优先3D建筑编辑器。在数据采集端,禾赛发布Kosmo三维世界数据引擎及手持AI相机,实现毫米级几何精度与快速室内扫描,并被皮克斯教程采用。Realty Stage AI Studio则提供离线GPU运行的虚拟软装工具,确保家具比例与光影真实。这些工具共同完善了从物理空间数字化到虚拟资产生成的闭环。
国产AI 3D大模型Hi3D开源V1.0并发布V3.0
Hi3D正式开源V1.0模型代码并推出业界首个可商用2048³超高精度模型V3.0。V1.0基于Sparc3D架构,训练数据扩容至约200万个3D资产,在多视图保真度和切片成功率上表现优异。Hi3D Agent支持从生成到修改的全流程创作,并通过MCP接口连接外部应用,旨在构建AI 3D基础设施。
Pascal Editor 发布:基于 React Three Fiber 和 WebGPU 的开源本地优先 3D 建筑编辑器
Pascal Editor 是一款开源、本地优先的 3D 建筑编辑器,基于 React Three Fiber 和 WebGPU 构建,支持在浏览器或 CLI 中运行并可通过 MCP 连接 AI 智能体。
禾赛发布 Kosmo 三维世界数据引擎及手持 AI 空间相机
禾赛于 10 月 14 日发布 Kosmo 三维世界数据引擎,包含手持 AI 空间相机 Kosmo One 和云平台 Kosmo World。Kosmo One 集成激光雷达与一英寸 CMOS,实现毫米级几何精度和 8K 采集,约 15 分钟可扫描 100 平方米室内空间。
Meshy发布Meshy Edit功能,支持通过自然语言指令对3D模型进行局部编辑
Meshy正式发布局部编辑功能Meshy Edit,用户圈选区域并用一句话描述改动,约一分钟即可生成新模型且未选中部分保持原样。该功能基于全新自研AI模型,目前向全部注册用户开放,每次编辑消耗20积分,主要面向3D打印及游戏角色创作场景以简化修改流程。
Realty Stage AI Studio 发布:支持离线 GPU 运行的本地虚拟软装工具
Realty Stage AI Studio 是一款面向房产经纪和营销人员的桌面端虚拟软装应用,完全在本地 GPU 上运行,无需联网或上传照片。它能在约 40 秒内将空房间照片转化为符合 MLS 标准的带家具效果图,通过几何求解器确保家具比例、光影和遮挡关系真实自然。
禾赛科技发布Kosmo物理AI数据终端获皮克斯采用
禾赛科技推出名为Kosmo的物理AI数据终端,该设备已被皮克斯官方教程引用,用于处理真实世界的3D高斯泼溅数据。Kosmo通过集成激光雷达、高清影像等传感器实现前融合采集,能快速生成高质量3DGS模型,旨在为具身智能和世界模型提供真实世界的数据入口。
智能硬件与生态整合
本版导读AI能力正深度嵌入消费级硬件与开发平台。苹果发布首款智能显示屏HomeView及HomePod mini 2,内置Siri AI支持自然语言控制,并确认Apple智能国行版将于年底推送;NVIDIA在GTC Berlin展示RTX Spark个人电脑及DGX系列,强化本地AI算力对创作者的支持。博联提出AI家电需满足确定性低延迟条件,采用小模型处理日常指令与大模型复盘的混合架构。这些动向表明,空间智能不仅停留在云端模型,正加速向终端设备渗透,形成软硬协同的新生态。
苹果发布 HomeView 等多款智能家居新品,仅 HomePod mini 2 有国行
苹果发布 Apple HomeView、HomePod mini 2、Apple TV 4K 及联合 LG 和施耐德推出的 Apple Home Collection 配件。其中 HomeView 搭载 A18 芯片,售价 299 美元;HomePod mini 2 换装 S10 芯片,国行售价 1,099 元且为唯一可买到的国行新品;其余硬件及配件目前无国行版本。
Apple 发布首款智能显示屏 HomeView,售价 299 美元
Apple 正式推出其首款家用智能显示屏 HomeView,定价 299 美元,将于 11 月 13 日发货。该设备配备 7 英寸方形屏幕和扬声器底座,内置 Siri AI,支持自然语言控制智能家居、显示个性化内容(如食谱、日历)以及 FaceTime 视频通话。
NVIDIA 在 GTC Berlin 发布 RTX Spark 与 DGX 系列本地 AI 硬件更新
NVIDIA 在 GTC Berlin 展示其本地 AI 硬件全线产品,包括面向 Windows PC 个人智能体的 RTX Spark、支持 Linux 开发的 DGX Spark 以及企业级 DGX Station。
Apple 智能国行版官网正式上线:11 月测试 12 月推送,接入千问 · 该内容已按来源方要求下架或调整展示方式。
博联刘宗孺:AI 家电需满足确定性低延迟低成本,Token 成本可降至每年 1 元
博联创始人刘宗孺指出 AI 进入家电需满足确定性、低延迟和低成本三个条件,通用大模型并不擅长直接控制硬件。博联推出的寰思中枢采用多 Agent 架构,由参数小于 10B 的小模型处理日常指令,夜间利用 DeepSeek 等大模型进行错误复盘与自进化训练。
NVIDIA 宣布 RTX Spark 个人电脑明日发布并举办全球首发庆典
NVIDIA 宣布 RTX Spark 个人电脑将于10月16日正式发布,这是一款面向创作者、游戏玩家和智能体的 Windows PC。官方同步在全球多个城市(包括北京、旧金山等)举办线下首发庆典,提供本地 AI 工作流、创意应用及游戏的实机演示。媒体评测指出该平台在本地 AI 性能、兼容性及优化方面表现突出,被视为计算设备向自主数字大脑演进的重要节点。