Adobe一直是将AI深度融入创意软件的先驱,几乎在旗下所有应用中都嵌入了图像、视频、音频及矢量生成工具。如今,Adobe推出了全新的基于提示词的Firefly AI助手,正式向Gemini的Nano Banana等AI应用发起挑战。用户只需描述想要达到的效果,Firefly AI助手便会在Photoshop、Premiere、Lightroom、Illustrator等多款应用中自动执行"复杂的多步骤工作流程",从而实现目标。
Adobe指出,Photoshop等应用的复杂性对那些有创意构想却缺乏操作技能的用户而言是一道"门槛"。Firefly AI助手的出现正是为了解决这一问题。它的工作方式与ChatGPT等基于提示词的AI助手相似,但背后有Adobe强大的软件套件支撑,能够实际执行所需的每一个步骤。正如Adobe所说:"你不再需要规划操作流程,只需从最终效果出发即可。"
Adobe强调,尽管Firefly AI助手承担了大量繁琐的执行工作,用户始终掌握主导权。"助手在执行任务的过程中,你可以随时介入,调整方向、修改输出结果,打造属于自己的独特作品。"此外,助手会保留Adobe的原生文件格式,确保最终输出内容可以完整地继续编辑。
用户可以借助"创意技能"功能,通过单个提示词启动复杂的工作流程,并根据个人工作习惯进行定制化调整。例如,用户可以先使用"社交媒体素材"技能,再指示助手进行裁剪,或使用生成式延伸功能,使内容适配Instagram、Facebook等不同平台的格式要求。
Firefly AI助手还具备情境感知的创意决策能力。Adobe举例说明:假设有一张以森林为背景的产品照片,"助手可能会提供一个简单的滑块,让用户增减周围的树木和植被——无需进行复杂的编辑操作,就能轻松调整场景效果。"此外,助手还能通过Adobe旗下的Frame.io平台,组织、共享团队成员的工作内容,帮助收集反馈并推进协作。
Adobe强调,Firefly AI助手建立在公司专业级创意工具的基础之上,能够以其他AI智能体无法实现的方式提供"精准的情境感知结果",并会随着使用逐渐学习用户的创作风格。这一论点无疑是Adobe为应对"生成式AI应用正在蚕食Photoshop等传统软件"这一市场叙事所做出的回应。Adobe Firefly AI助手将于未来数周内进入公开测试阶段。
如果用户希望在Adobe应用中使用其他AI图像生成工具,Adobe还新增了Kling 3.0和Kling 3.0 Omni,这两款被定位为"通用视频模型,针对快速、高质量的内容生产进行了优化,并支持智能分镜和音画同步"。除此之外,平台上已有的可用模型还包括谷歌的Nano Banana 2和Veo 3.1、Runway Gen-4.5、Luma AI的Ray 3.14、ElevenLabs的Multilingual v2、Topaz Lab的Topaz Astra等多款工具。
Q&A
Q1:Adobe Firefly AI助手是什么?它能做什么?
A:Adobe Firefly AI助手是Adobe推出的一款基于提示词的AI助手,用户只需用自然语言描述想要的创意效果,助手便会自动在Photoshop、Premiere、Lightroom、Illustrator等多款Adobe应用中执行复杂的多步骤工作流程,帮助用户实现目标,同时保留原生文件格式以便后续编辑。
Q2:Firefly AI助手会取代用户的创作控制权吗?
A:不会。Adobe明确强调,用户始终保持对创作过程的主导权。助手在执行任务时,用户可以随时介入,调整方向或修改输出内容。助手更像是一个执行工具,帮助用户降低操作门槛,而非替代用户的创意判断。
Q3:Adobe Firefly AI助手何时可以使用?支持哪些应用?
A:Adobe Firefly AI助手将在未来数周内进入公开测试阶段。目前支持的应用包括Photoshop、Premiere、Lightroom、Illustrator等Adobe主流创意软件,用户可以通过"创意技能"功能在这些应用中启动跨平台的多步骤工作流程。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。