申请 API KEY
QName AI logoQName AI
全部 AI 模型日报
香港时间采集

AI 模型日报 - 2026-05-29

2026-05-29 AI 模型资讯：Anthropic 正式发布 Claude Opus 4.8，这是今天最重要的模型事件：官方称它在编码、长程 agent、金融/法律等专业任务和诚实性上较 Opus 4.7 改进，claude-opus-4-8 已在 Claude API 可用，GitHub Copil...

30 秒摘要

  • Anthropic 正式发布 Claude Opus 4.8，这是今天最重要的模型事件：官方称它在编码、长程 agent、金融/法律等专业任务和诚实性上较 Opus 4.7 改进，claude-opus-4-8 已在 Claude API 可用，GitHub Copilot 和 AWS Bedrock 也同步开放。
  • xAI 将 grok-build-0.1 开放到 xAI API public beta：这是同一个驱动 Grok Build CLI 的 agentic coding 模型，官方标注 100+ tokens/s、价格 $1/M input 和 $2/M output，并支持 Cursor、Kilo Code、OpenCode、Vercel AI Gateway、OpenRouter 等入口。
  • Artificial Analysis 已把 Claude Opus 4.8 (max) 放到 LLM Intelligence Index 第一，显示 Index 61、blended cost $4.10/M tokens；GDPval-AA 上 Opus 4.8 以 Elo 1890 领先 GPT-5.5 xhigh 的 1769。
  • LMArena Text 榜单已更新到 2026-05-28、6,532,755 votes，但尚未看到 Opus 4.8；前四仍是 Claude Opus 4.6/4.7 的 thinking 与 non-thinking 版本，说明 arena 侧还没把 Anthropic 今日新模型充分纳入。
  • Microsoft Copilot Studio 将 Mistral Medium 3.5 加入 agent model lineup，属于重要分发渠道变化而非新模型首发；本轮 Chrome 插件无法连接 X 登录态，X 原帖统一标记为 Chrome 登录态待处理，并使用官方源/榜单源继续完成核验。

今日必看

1. Anthropic：Claude Opus 4.8 正式发布

  • 事件类型：官方发布。
  • 首发/官方时间：Anthropic 官方页面显示 2026-05-28；GitHub Changelog 和 AWS Blog 同日发布可用性公告。
  • 能力变化：官方称 Opus 4.8 更擅长长程任务、编码、agentic workflow 和专业知识工作；诚实性方面，Anthropic 表示它比上一代更少在证据不足时声称任务有进展，并在内部评估中约 4x 更少放过自己代码中的缺陷。
  • 新功能：Claude Code 推出 Dynamic workflows research preview，可让 Claude 规划工作并在单次会话中运行大量并行 subagents；Claude.ai / Cowork 加入 effort control；Messages API 支持在 messages array 中插入 system entries，以便 agent 中途更新权限、预算或环境上下文。
  • 可用入口：claude-opus-4-8 已在 Claude API 可用；Claude.ai、Claude Code、GitHub Copilot、AWS Bedrock/Claude Platform on AWS 均有可用或逐步 rollout 入口。GitHub Copilot 侧面向 Pro+、Business、Enterprise，并在 VS Code、Visual Studio、Copilot CLI、cloud agent、github.com、JetBrains、Xcode、Eclipse 等 model picker 中逐步开放。
  • 价格/部署：Anthropic 官方称 regular usage 价格沿用 Opus 4.7，为 $5/M input、$25/M output；AWS 表示 Bedrock 区域包括 US East、Tokyo、Ireland、Stockholm 等。
  • 影响判断：这是今天真正改变 frontier text/code 排位的发布。重点不只是 benchmark 上涨，而是 Dynamic workflows + Messages API system entries 对长任务 agent harness 的工程影响；后续应把 Opus 4.8、GPT-5.5 xhigh、Qwen3.7 Max、Grok Build 放到同一真实仓库任务中测成本、完成率和人工审核负担。
  • 来源：Anthropic Claude Opus 4.8、GitHub Copilot Changelog、AWS Bedrock announcement

2. xAI：grok-build-0.1 进入 API public beta

  • 事件类型：官方发布。
  • 首发/官方时间：xAI News 页面显示 2026-05-28。
  • 能力变化：grok-build-0.1 是面向 agentic coding 的模型，覆盖 web development、debugging、MCP support 等任务；xAI 称它与 Grok Build CLI 使用同一模型，并且也适合作为快速、低价的通用 agentic/tool-calling 模型。
  • 可用入口：xAI API /v1/responses，模型名 grok-build-0.1；xAI 文档列出的别名包括 grok-code-fast-1、grok-code-fast、grok-code-fast-1-0825，区域为 us-east-1、eu-west-1，文档显示 text/image modalities。
  • 价格/性能：官方新闻页写明 100+ tokens/second，价格 $1/M input tokens、$2/M output tokens；文档页显示 RPM 1,800、TPM 10,000,000。
  • 生态入口：官方推荐在 Grok Build、Cursor、Hermes Agent、OpenClaw、Kilo Code、OpenCode 等 agentic harness 中使用；同时已接入 OpenRouter 和 Vercel AI Gateway。
  • 影响判断：昨天的 Grok in Kilo Code 是订阅分发，今天是 API 分发；这会让 Grok Build 从单一产品变成可组合的 coding-agent 基础模型。下一步应实测 MCP tool calling、patch quality、长任务稳定性和与 Codex/Claude Code 的成本差异。
  • 来源：xAI Grok Build 0.1 on API、xAI model docs

3. Artificial Analysis：Opus 4.8 登顶 Intelligence Index 与 GDPval-AA

  • 事件类型：第三方榜单更新。
  • 观察时间：Artificial Analysis LLM Leaderboard 与 GDPval-AA 页面当前已显示 Opus 4.8。
  • 能力变化：LLM Intelligence Index 前列为 Claude Opus 4.8 (max) Index 61、GPT-5.5 (xhigh) 60、GPT-5.5 (high) 59、Claude Opus 4.7 (max) 57、Gemini 3.1 Pro Preview 57、Qwen3.7 Max 57、Gemini 3.5 Flash 55。
  • GDPval-AA：Claude Opus 4.8 (Adaptive Reasoning, Max Effort) Elo 1890，领先 GPT-5.5 (xhigh) 1769、GPT-5.5 (high) 1755、Claude Opus 4.7 (Adaptive Reasoning, Max Effort) 1753。
  • ITBench-AA：SRE/Kubernetes incident benchmark 仍由 Claude Opus 4.7 46.7%、GPT-5.5 xhigh 45.8%、Qwen3.7 Max 42.5% 领先；页面未显示 Opus 4.8 结果，说明不是所有 agent benchmark 已完成更新。
  • 影响判断：Opus 4.8 的综合 index 和 GDPval 都很强，但 ITBench-AA 尚未补齐，不能把“经济任务领先”简单外推为所有工程运维任务领先。今天结论应写成：Opus 4.8 已经在通用/经济任务榜单上领先，SRE 专项仍待更新。
  • 来源：Artificial Analysis LLM Leaderboard、GDPval-AA、ITBench-AA

4. Microsoft Copilot Studio：接入 Mistral Medium 3.5

  • 事件类型：模型分发/平台接入。
  • 官方时间：Microsoft Copilot Blog 显示 2026-05-28。
  • 能力变化：Copilot Studio 将 Mistral Medium 3.5 加入 agent building 和 orchestration 的 model provider lineup，重点强调 EU/in-region data control、admin governance、strong multilingual performance。它目前面向 early release environments，且被标记为 experimental model，建议先用于非生产测试。
  • 可用入口：管理员需在 Microsoft 365 admin center 允许 Mistral Medium 3.5 preview，并在 Power Platform admin center 启用 external model providers；随后 makers 可在 Copilot Studio model picker 中选择 Mistral Medium 3.5 (Experimental)。
  • 模型背景：Mistral 官方 2026-05-22 已发布 Medium 3.5，为 128B dense open-weight 模型、256k context、modified MIT license、可配置 reasoning effort，SWE-Bench Verified 77.6%，API 价格 $1.5/M input、$7.5/M output。
  • 影响判断：这不是今天的新模型首发，但对企业 agent 采用很重要：Microsoft 把 Mistral Medium 3.5 放进低代码 agent 平台，会影响 EU 客户和需要区域化治理的企业选型。
  • 来源：Microsoft Copilot Studio announcement、Mistral Medium 3.5 / Vibe

5. OpenAI Secure MCP Tunnel：继续影响企业 agent 接入

  • 事件类型：官方文档/产品能力更新。
  • 官方状态：OpenAI 开发者文档页面已公开；日媒报道 2026-05-28 称其开始提供。
  • 能力变化：Secure MCP Tunnel 允许把私有 MCP server 接入 ChatGPT、Codex、Responses API 等 supported OpenAI products，而不需要公开 MCP server 或打开 inbound firewall ports；tunnel-client 在内网发起 outbound HTTPS、轮询 OpenAI、把 MCP 请求转发到本地，再经同一 tunnel 返回。
  • Harpoon：OpenAI 文档说明 tunnel-client 内置 Harpoon MCP server，可按 label 暴露少量 allowlisted HTTP targets；它不是 general-purpose proxy，调用方不能任意选择 host。
  • 影响判断：这不是新模型，但会改变企业 agent 的安全接入方式。它和 Anthropic Dynamic workflows、Mistral Work mode 属于同一条趋势：模型能力提升后，真正的生产差异越来越依赖 agent harness、私有工具接入、权限控制和审计。
  • 来源：OpenAI Secure MCP Tunnel

Arena Watch

  • LMArena Text Overall：页面日期为 2026-05-28，6,532,755 votes、360 models。前列仍为 claude-opus-4-6-thinking Elo 1502±4、claude-opus-4-7-thinking 1500±5、claude-opus-4-6 1498±4、claude-opus-4-7 1494±5、muse-spark 1489±6、gemini-3.1-pro-preview 1487±4。未见 claude-opus-4-8，说明新模型尚未在 text arena 中形成稳定排名。
  • Artificial Analysis LLM：Claude Opus 4.8 (max) Index 61、cost $4.10/M tokens、median 61 tokens/s；GPT-5.5 (xhigh) Index 60、cost $4.35/M、median 60 tokens/s；GPT-5.5 (high) Index 59；Qwen3.7 Max Index 57、cost $1.43/M、median 203 tokens/s；Gemini 3.5 Flash Index 55、cost $1.31/M、median 203 tokens/s。
  • Artificial Analysis GDPval-AA：Opus 4.8 max Elo 1890，比 GPT-5.5 xhigh 1769 高 121；这比普通聊天 arena 更接近“经济任务/企业 agent”信号。
  • Artificial Analysis ITBench-AA：仍显示 Opus 4.7 max 46.7%、GPT-5.5 xhigh 45.8%、Qwen3.7 Max 42.5%，都未超过 50%；Opus 4.8 结果待补。
  • Artificial Analysis T2V with audio：Dreamina Seedance 2.0 720p Elo 1215 第一；HappyHorse-1.0 1208 第二且 API 仍 Coming soon；Kling 3.0 Omni 1080p (Pro) 1105；Kling 3.0 1080p (Pro) 1096；Veo 3.1/Veo 3.1 Fast 均约 1092。
  • Artificial Analysis I2V with audio：Dreamina Seedance 2.0 720p Elo 1181 第一；HappyHorse-1.0 1170 第二、Released Apr 2026、API Coming soon；Veo 3.1 Fast 1094；grok-imagine-video 1093；Veo 3.1 1087。
  • Gemini 3.5 Flash 官方模型卡：Google DeepMind 模型卡显示它是 Gemini 3 系列的 natively multimodal reasoning model，支持 text/image/audio/video 输入、最高 1M context、64K output，并在 MCP Atlas 83.6%、Finance Agent v2 57.9%、GDPval-AA 1656 等 eval 上给出官方基线；这解释了它在 agent/finance 任务中仍值得关注。
  • 来源：LMArena Text、Artificial Analysis LLM、GDPval-AA、ITBench-AA、Artificial Analysis T2V、Artificial Analysis I2V、Gemini 3.5 Flash Model Card

X Watch

  • Chrome 登录态待处理：本轮 Chrome 插件连续两次返回 Browser is not available: extension。诊断显示 Chrome 已运行、Codex Chrome Extension 在选中 profile 已安装并启用、Native Messaging Host manifest 正常；按插件规则，不能在无人值守 heartbeat 中打开新 Chrome 窗口重试，因此没有读取 X 登录态内容。
  • @AnthropicAI / @ClaudeAI：官方博客已确认 Claude Opus 4.8；X 原帖发布时间、互动量和评论反馈需等 Chrome 登录态恢复后补采。
  • @xai：官方 News 已确认 grok-build-0.1 API public beta；X 原帖和开发者反馈待补采。
  • @ArtificialAnlys：榜单页已确认 Opus 4.8 登上 LLM Leaderboard 和 GDPval-AA；X 原帖传播情况待补采。
  • @xiaohu：本轮无法读取 X 登录态；小互 AI 日报公开搜索没有稳定出现当日页面，@xiaohu 对 Opus 4.8 / Grok Build / Secure MCP Tunnel 的转发或解读待补采。
  • @OpenAI：未见新的模型发布；Secure MCP Tunnel 属于 agent infra/connector 安全能力。
  • @GoogleDeepMind / Gemini：未见过去 24 小时的新模型首发；Gemini 3.5 Flash 模型卡和榜单结果作为背景源。
  • @MistralAI：今日重点是 Microsoft Copilot Studio 接入 Medium 3.5；Mistral Medium 3.5 模型本身首发在 2026-05-22，不是今日新发布。
  • @Cohere、@AIatMeta、@runwayml、@LumaLabsAI、@Kling_ai：公开源未见过去 24 小时新的旗舰模型首发；继续监控视频榜单、Runway MCP、Kling 3.0 Omni、Luma Ray 系列和 Meta Muse Spark 后续分发。

待确认清单

  • Chrome 登录态：需要用户在 Chrome 中确认是否允许 Codex 插件重新连接；当前不能读取 X 原帖、互动量和重点账号时间线。
  • Claude Opus 4.8：官方与榜单强信号成立，但社区早期反馈有“体验退化/verbosity/成本”的噪声；需要用固定 repo benchmark 实测，而不是依赖发布 benchmark 或 Reddit/X 首日情绪。
  • Anthropic pricing/effort modes：官方页面明确 regular API 价格沿用 Opus 4.7；不同渠道对 fast/effort mode 成本描述可能存在口径差异，后续以 Claude Platform pricing 和实际账单为准。
  • LMArena：Text Arena 尚未出现 Opus 4.8；需观察匿名/正式模型进入 arena 后的 Elo、votes 和 rank spread。
  • Grok Build API：官方给出价格、速度和模型名，但 coding-agent 质量、MCP 工具调用、长任务稳定性、OpenRouter/Vercel Gateway 路由行为仍需实测。
  • Mistral Medium 3.5 in Copilot Studio：Microsoft 标记 early release / experimental，企业租户是否可见取决于两个 admin switch；正式生产可用性待确认。
  • HappyHorse-1.0：T2V/I2V 继续高位，但 API 仍是 Coming soon，缺官方模型卡和可用入口；继续追踪首发开放时间。
  • Gemini Omni：本轮仍未见新的 API 正式开放或 Artificial Analysis 独立视频榜条目。

下一步建议

  • 建立统一 coding-agent benchmark：同一真实仓库任务集，比较 Claude Opus 4.8、GPT-5.5 xhigh、Grok Build API、Qwen3.7 Max、Mistral Medium 3.5，记录完成率、回滚率、token 成本、人工 review 时间。
  • 用 Opus 4.8 的 Messages API system entries 做一次 agent harness PoC：中途更新权限、预算、环境状态，测试是否能减少 prompt cache 破坏和上下文漂移。
  • 对 xAI grok-build-0.1 跑 MCP + patch generation 实测，重点看工具调用稳定性和输出 diff 的可审查性。
  • Chrome 插件恢复后补抓 @xiaohu、@AnthropicAI/@ClaudeAI、@xai、@ArtificialAnlys 的原帖链接和发布时间，补全 X 首发链路。