全部 AI 模型日报
香港时间采集

AI 模型日报 - 2026-05-25

2026-05-25 AI 模型资讯:过去 24 小时没有看到 OpenAI、Google、Anthropic、Meta、Mistral、Qwen 的全新旗舰模型官宣;今天主要是能力验证、分发渠道和榜单微调。

30 秒摘要

  • 过去 24 小时没有看到 OpenAI、Google、Anthropic、Meta、Mistral、Qwen 的全新旗舰模型官宣;今天主要是能力验证、分发渠道和榜单微调。
  • Anthropic Claude Mythos Preview 值得提高优先级:Project Glasswing 初始更新显示 Mythos Preview 已扫描 1,000+ 开源项目,估算发现 23,019 个漏洞,其中 6,202 个为高危或严重级别。这不是新发布,但属于强模型能力信号。
  • xAI Grok Build 0.1 进入 agentic coding 观察池:OpenRouter/第三方索引显示它是面向软件工程代理的 256K 上下文 coding 模型;@xiaohu 也提到 X Premium 已支持 Openclaw、Opencode、Hermes 授权登录,用 Grok 用量驱动这些产品。
  • Qwen3.7-Max 继续保持可测试优先级:OpenRouter 和 Qwen Cloud 均提供 API 入口,LMArena 仍显示 qwen3.7-max-preview 第 14。
  • 视频榜没有结构性变化:Artificial Analysis 中 Dreamina Seedance 2.0 720p 与 HappyHorse-1.0 继续领跑,Gemini Omni 仍未进入该榜。

今日必看

1. Claude Mythos Preview / Project Glasswing

  • 事件类型:官方研究更新 + 模型能力信号。
  • 官方更新时间:Anthropic Project Glasswing initial update 发布于 2026-05-22。
  • 能力变化:Anthropic 称 Mythos Preview 已扫描 1,000+ 个开源项目,累计识别 23,019 个漏洞估计项,其中 6,202 个被估为 high 或 critical。Anthropic X 在 2026-05-23 继续强调 Project Glasswing 和 Claude Mythos Preview 的漏洞发现能力。
  • 可用性:Mythos Preview 仍不是公开模型;它通过 Project Glasswing 给合作伙伴用于防御性安全研究。
  • 影响判断:这不是常规产品发布,但对“模型能否完成长期、高价值安全研究任务”有直接意义。建议继续跟踪 Mythos 是否进入更广泛的受控访问,或其能力是否下放到 Opus 系列。
  • 来源:Anthropic Project Glasswing update、Project Glasswing、Anthropic X

2. Grok Build 0.1 / Grok agentic coding access

  • 事件类型:模型可用性 + X 访问生态信号。
  • 观察到的时间:OpenRouter / 模型索引显示 2026-05 中旬上线;@xiaohu 在 X 上提到 X Premium 会员现在支持 Openclaw、Opencode、Hermes 直接授权登录,可以使用 X Premium 的 Grok 用量驱动这些产品。
  • 能力变化:第三方索引将 Grok Build 0.1 描述为面向 agentic software engineering workflows 的 coding model,支持 256K context、tool use、structured outputs 等。
  • 可用入口:xAI Console / OpenRouter / 第三方 Grok coding agent 生态。X Premium 授权链路需要实际账号确认。
  • 影响判断:如果用户已有 X Premium 或 SuperGrok,用 Grok 用量驱动 coding agent 的成本结构可能值得评估。但当前公开 benchmark 覆盖不足,不能直接假设优于 Codex、Claude Code 或 Qwen3.7-Max。
  • 来源:小互 X、OpenRouter Grok Imagine / xAI model pages、LLM Reference Grok Build、KuCoin xAI Grok Build note

3. Qwen3.7-Max

  • 事件类型:可用性延续 + 榜单确认。
  • 官方发布时间:Alibaba Cloud Summit 公告为 2026-05-20;Qwen 官方 X 在 2026-05-21 置顶发布 Qwen3.7-Max。
  • 近 24 小时变化:未发现新的官方升级,但 OpenRouter/Qwen Cloud API 入口继续有效,Qwen X 仍保留 OpenRouter 上线信号。
  • 可用入口:OpenRouter 显示 qwen/qwen3.7-max,Released May 21, 2026;Qwen Cloud 页面提供 OpenAI 兼容 API 示例。
  • 能力变化:面向 agent-centric workloads,重点覆盖 coding、office/productivity、long-horizon autonomous execution;Qwen Cloud 标注 function calling、cache、structured outputs、batches、web search 等能力。
  • 榜单状态:LMArena Text Overall 中 qwen3.7-max-preview 排第 14,Elo 1475 ±10,3,741 votes,Preliminary。
  • 影响判断:仍是当前最值得实际跑测的闭源 API 之一。重点测工具调用稳定性、长上下文成本、multi-file coding agent 表现。
  • 来源:Qwen X、OpenRouter、Qwen Cloud、Alibaba Cloud、LMArena

4. NetEase Youdao Confucius4 / Confucius4-TTS

  • 事件类型:开源模型卡/仓库持续确认。
  • 首发信号:@xiaohu 在 2026-05-22 左右发布 Confucius4 双模型信号。
  • 当前状态:Confucius4 Hugging Face 页面仍可见,基于 Qwen3.5-27B,Apache 2.0;Confucius4-TTS GitHub 仓库仍显示代码和模型权重准备中。
  • 量化变化:本次抓取时 Confucius4-TTS GitHub star 已到 77,issues 为 2;Hugging Face like 为 15。说明关注度在增加,但工程可用性仍未补齐。
  • 影响判断:多模态模型可以先做视觉数学推理抽样;TTS 暂时只保留观察,不应作为可部署开源 TTS 评估。
  • 来源:Confucius4 Hugging Face、Confucius4-TTS GitHub、小互 X

5. Cohere Command A+

  • 事件类型:官方发布后分发渠道延续。
  • 官方发布时间:2026-05-20。
  • 近 24 小时变化:Cohere X 上仍可见 Microsoft Azure 转发,称 Command A+ 已在 Microsoft Foundry 作为 Managed Compute offer 提供;没有看到新的模型规格变化。
  • 能力变化:Cohere 称其为最快、最强 Command 模型,MoE 架构,218B total / 25B active,128K input context,支持文本、图像、工具调用、推理、48 种语言。
  • 影响判断:适合继续放在企业私有部署、RAG、工具调用、长文档工作流候选池;优先级低于今天的 Mythos 能力信号和 Qwen3.7-Max 实测。
  • 来源:Cohere Blog、Cohere X

Arena Watch

  • LMArena Text Overall:榜单日期仍为 2026-05-18。gemini-3.5-flash 第 9,Elo 1480 ±8;qwen3.7-max-preview 第 14,Elo 1475 ±10;两者均为 Preliminary。
  • Artificial Analysis T2V with audio:Dreamina Seedance 2.0 720p 第 1,Elo 1214;HappyHorse-1.0 第 2,Elo 1213;Veo 3.1 第 3,Elo 1101。
  • Artificial Analysis I2V with audio:Dreamina Seedance 2.0 720p 第 1,Elo 1185;HappyHorse-1.0 第 2,Elo 1169;Veo 3.1 Fast 第 3,Elo 1094。
  • 观察点:HappyHorse-1.0 仍显示 Alibaba-ATH,Released Apr 2026,API Coming soon,缺正式模型卡或 API 文档;Gemini Omni 仍未进入榜单。
  • 来源:LMArena Text、Artificial Analysis T2V、Artificial Analysis I2V

X Watch

  • @xiaohu:最新可见高互动内容是 X Premium 授权 Openclaw、Opencode、Hermes,用 Grok 用量驱动相关产品;这是 AI coding agent 访问生态信号,不是新模型官宣。
  • @Alibaba_Qwen:继续置顶 Qwen3.7-Max,并保留 OpenRouter 上线转发。
  • @cohere:Command A+ 发布帖仍为置顶;Microsoft Azure Foundry 分发信号仍可见。
  • @GoogleDeepMind:置顶 Gemini Omni,2026-05-23 主要是 Singapore AI deployment partnership,不是新模型发布。
  • @OpenAI:置顶仍是 planar unit distance problem 的模型能力突破;2026-05-22 Codex Thursday 属于 Codex/产品能力,不是模型发布。
  • @AnthropicAI:2026-05-23 Project Glasswing 更新是今天最有价值的模型能力信号,指向 Claude Mythos Preview 的安全研究能力。
  • X 搜索页:本次可以加载,但结果噪音较高,出现大量非模型内容;日报采用账号页与官方源为主。

待确认清单

  • Claude Mythos Preview:仍无公开访问计划。继续跟踪是否出现更广泛的受控访问、价格、API 或 Opus 系列能力迁移。
  • Grok Build 0.1:需要确认官方 xAI 文档、CLI 接入方式、X Premium 授权边界和真实 benchmark。第三方索引足够触发关注,但不足以直接下结论。
  • Gemini Omni API:Google 官方仍是未来几周开放;继续检查 Gemini API、AI Studio、Vertex AI 与 Flow。
  • Gemini Omni 榜单:尚未在 Artificial Analysis 视频榜看到独立排名。
  • HappyHorse-1.0:榜单显示 Alibaba-ATH、Released Apr 2026、API Coming soon,但仍缺正式官方模型卡或 API 文档。
  • Confucius4-TTS:GitHub 已开仓库,但代码和权重仍在准备中。
  • OpenAI/Google/Meta/Mistral/Qwen:过去 24 小时未看到新的重大旗舰模型官宣。

下一步建议

  • 优先把 Qwen3.7-Max、Grok Build 0.1、Command A+ 放进同一组 coding agent / multi-file edit 对比。
  • 对 Claude Mythos Preview 只做能力跟踪,不做接入预期;它目前仍是受控安全研究模型。
  • 对 Confucius4 做小规模视觉数学抽样;Confucius4-TTS 等代码和权重补齐后再测。
  • 继续盯 Gemini Omni API 和 HappyHorse-1.0 API,二者任一开放都会改变视频模型测试优先级。