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,ReleasedMay 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,Elo1475 ±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:
Confucius4Hugging Face 页面仍可见,基于Qwen3.5-27B,Apache 2.0;Confucius4-TTSGitHub 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-TTSGitHub 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,Elo1480 ±8;qwen3.7-max-preview第 14,Elo1475 ±10;两者均为 Preliminary。 - Artificial Analysis T2V with audio:
Dreamina Seedance 2.0 720p第 1,Elo1214;HappyHorse-1.0第 2,Elo1213;Veo 3.1第 3,Elo1101。 - Artificial Analysis I2V with audio:
Dreamina Seedance 2.0 720p第 1,Elo1185;HappyHorse-1.0第 2,Elo1169;Veo 3.1 Fast第 3,Elo1094。 - 观察点:
HappyHorse-1.0仍显示 Alibaba-ATH,ReleasedApr 2026,APIComing 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 OmniAPI: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、ReleasedApr 2026、APIComing 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 OmniAPI 和HappyHorse-1.0API,二者任一开放都会改变视频模型测试优先级。