AI 模型日报 - 2026-05-30 | QName AI | 官方域名研究与产品指南

30 秒摘要

Google Cloud 正式宣布 Nano Banana 2（Gemini 3.1 Flash Image）和 Nano Banana Pro（Gemini 3 Pro Image）GA，企业入口是 Gemini Enterprise Agent Platform；Nano Banana 2 同时新增 video file 作为输入 prompt 的 preview 能力。
xAI 在 X 上确认 grok-build-0.1 已通过 xAI API public beta 开放，并同步强调 OpenRouter、Vercel AI Gateway、Cursor、Hermes Agent、OpenClaw、Kilo Code、OpenCode 等入口；这是 Grok Build 从 CLI/订阅走向 API 生态的关键一步。
OpenAI 今天没有新通用旗舰模型，但发布两个 agent/专业模型相关信号：Codex 26.527 支持 Windows Computer Use 和 Windows remote control；Rosalind Biodefense 扩展 GPT-Rosalind trusted access 到生物防御/公共卫生场景。
Anthropic/Claude 在 X 上继续高强度推 Claude Opus 4.8：@claudeai 原帖显示 13M views，官方强调更强 judgment、进度诚实性和更长独立工作能力；Dynamic Workflows 研究预览是今天开发者侧最该测试的 agent harness 变化。
榜单侧：Artificial Analysis LLM/GDPval 继续由 Opus 4.8 领先；LMArena Text 仍停在 2026-05-28 且未见 Opus 4.8；图像榜上 GPT Image 2 / GPT Image 1.5 领先，Nano Banana 2/Pro 进入前四，grok-imagine-image-quality 进入 image editing 前五。

今日必看

1. Google：Nano Banana 2 / Nano Banana Pro GA

事件类型：官方发布 + X 首发。
首发/官方时间：Google Cloud Blog 显示 2026-05-29；@Google 同日在 X 发布，@GoogleDeepMind 转发。
能力变化：Nano Banana 2（Gemini 3.1 Flash Image）和 Nano Banana Pro（Gemini 3 Pro Image）从 preview 进入 GA，可面向企业级 creative / agentic workflow 部署。Google 强调它们用于高质量图像生成与编辑，并已进入 Adobe Firefly Enterprise、WPP Open、Shopify、URBN、Magnopus/OKO 等工作流。
新增能力：Nano Banana 2 现在支持 video files 作为 input prompt 的 preview 能力，可利用视频中的视觉上下文、主体和动作生成 context-aware images，例如 thumbnails、infographics 等。
可用入口：Gemini Enterprise Agent Platform GA；开发者也可通过 Gemini API 使用，但 Google Cloud 文中明确区分 Gemini API 不享受 enterprise SLA。1K 和 2K 输出能力为 GA，4K 仍是 preview。
影响判断：这不是 Nano Banana 系列的首次亮相，而是从 preview/消费端工具进入企业级生产入口。对品牌素材、商品图、广告变体、视频转封面/信息图这类流水线，GA + SLA 价值高于单纯模型名字更新。需要特别测试：video input prompt 是否稳定、Gemini API 与企业平台的参数/额度差异、4K preview 的质量和成本。
来源：Google Cloud Blog、Google X、Google DeepMind X

2. xAI：grok-build-0.1 API public beta 与 Grok Build 0.2.7

事件类型：官方发布 + X 首发。
首发/官方时间：xAI News 页面显示 2026-05-28；@xai 在本窗口内发布 X 原帖，显示约 450K views。
能力变化：grok-build-0.1 是 xAI 面向 agentic coding 的模型，覆盖 web development、debugging、MCP support 等；xAI 称它与 Grok Build CLI 使用同一模型，也适合作为快速、低价的通用 agentic/tool-calling 模型。
API 细节：模型名 grok-build-0.1，xAI docs 列出 text/image modalities、256K context、function calling、structured outputs、reasoning、$1/M input、$2/M output、cached input $0.20/M、RPM 1,800、TPM 10,000,000、区域 us-east-1 / eu-west-1，别名包括 grok-code-fast-1、grok-code-fast、grok-code-fast-1-0825。
生态入口：xAI X 原帖补充可通过 OpenRouter、Vercel AI Gateway，以及 Cursor、Hermes Agent、OpenClaw、Kilo Code、OpenCode 使用。
Grok Build CLI：@xai 还发布了 Grok Build 0.2.7，包含 /usage、/login、subagent 共享 terminal、改进图像理解等。
影响判断：这是 coding-agent 市场的一个实质性价格/分发变化。与 Claude Code Dynamic Workflows 的“数百 subagents”路线不同，Grok Build 当前更强调低价高速模型 + CLI/API/第三方 agent harness 的扩散。后续应实测同一 repo task 下的 patch 成功率、MCP 调用稳定性、长上下文成本和 OpenRouter/Vercel Gateway 路由一致性。
来源：xAI Grok Build 0.1 on API、xAI model docs、Grok Build changelog、xAI X

3. OpenAI：Codex Windows Computer Use 与 GPT-Rosalind trusted access 扩展

事件类型：官方产品更新 + 专业模型 trusted access 扩展。
官方时间：OpenAI Codex changelog 显示 2026-05-29，OpenAI Rosalind Biodefense 文章同日发布。
Codex 能力变化：Codex app 26.527 中，Computer Use now works on Windows，Codex 可以在前台看、点、输入来操作 Windows desktop apps；remote control 也支持 Windows devices，用户可从 ChatGPT iOS/Android 或 Mac 上启动 Windows 设备上的 Codex 工作并远程查看进度。
GPT-Rosalind / 生物防御：OpenAI 发布 Rosalind Biodefense，面向 trusted developers 支持高影响力防御性生命科学应用，并把 GPT-Rosalind trusted access 扩展到 select U.S. government and allied partners，用于 public health / biodefense missions。
可用入口：Codex changelog / Codex app；Rosalind Biodefense 支持申请 sponsorship 或 trusted access，面向合格的公共卫生、生物防御、研究机构和 mission-driven teams。
影响判断：Codex Windows 是 agent 落地面的扩大，不是新模型；Rosalind Biodefense 也不是 GPT-Rosalind 首发，而是 trusted access 和应用域扩张。两者共同指向 OpenAI 正在把“专用模型 + agent 操作系统能力”推向高约束场景：Windows 企业桌面、公共卫生、防御性生物安全。
来源：Codex changelog、OpenAI Rosalind Biodefense

4. Anthropic：Opus 4.8 首日扩散与 Dynamic Workflows

事件类型：官方发布后传播 + X 首发跟踪。
X 时间线：@ClaudeAI 在 2026-05-29 可见多条 Opus 4.8 相关帖：Opus 4.8 原帖约 13M views；Dynamic Workflows 帖约 762K views；可用性帖约 109K views。@AnthropicAI 同日转发，并发布融资/营收相关公司动态。
能力变化回顾：Opus 4.8 官方称相较 Opus 4.7 在 coding、agentic skills、reasoning、knowledge work 上提升，更少 unsupported progress claims，约 4x 更少放过自己代码缺陷。Anthropic 同时推出 effort control、Messages API system entries 和 Claude Code Dynamic Workflows。
Dynamic Workflows：研究预览可让 Claude 规划工作、运行数百个并行 subagents，并在汇报前验证输出；面向 Claude Code CLI、Desktop、VS Code extension，以及 Max / Team / Enterprise（若管理员启用）计划，也可通过 Claude API、Amazon Bedrock、Vertex AI、Microsoft Foundry 使用。
影响判断：今天的新增价值在“首日使用反馈和传播强度”，不是又一次新模型发布。开发者最该验证的是 Dynamic Workflows 的 token 成本、权限边界、subagent 可观察性和失败恢复，而不是只看 Opus 4.8 的 index。
来源：Anthropic Claude Opus 4.8、Dynamic Workflows、Claude X、Anthropic X

5. Artificial Analysis：Opus 4.8 继续领先，图像榜出现关键变化

事件类型：第三方榜单更新 + X 首发。
LLM：Artificial Analysis LLM Leaderboard 继续显示 Claude Opus 4.8 (max) Intelligence Index 61，GPT-5.5 (xhigh) 60，GPT-5.5 (high) 59，Claude Opus 4.7 (max) / Gemini 3.1 Pro Preview / Qwen3.7 Max 均为 57。
GDPval-AA：Claude Opus 4.8 (Adaptive Reasoning, Max Effort) Elo 1890，领先 GPT-5.5 (xhigh) 1769 和 GPT-5.5 (high) 1755。
图像榜：Text to Image 中 GPT Image 2 (high) Elo 1338 第一，GPT Image 1.5 (high) 1268 第二，Nano Banana 2 Preview 1260 第三，Nano Banana Pro 1219 第四。Image Editing 中 GPT Image 1.5 (high) 1260 第一，GPT Image 2 (high) 1252 第二，Nano Banana Pro 1241 第三，Nano Banana 2 Preview 1240 第四，grok-imagine-image-quality 1229 第五。
X 信号：@ArtificialAnlys 在 X 上称 Opus 4.8 在 Intelligence Index 达到 61.4，并补充 grok-imagine-image-quality 已进入 Text to Image 与 Image Editing 榜前列，是 OpenAI / Google 之外的强势图像模型。
影响判断：今天的榜单意义是“多模态生产栈”更清晰：文字/经济任务上 Opus 4.8 领先，图像生成仍是 OpenAI 和 Google/Nano Banana 占前排，xAI 的 image-quality 版本开始进入第一梯队但仍需和 GA 后的 Nano Banana 2/Pro 重新比较。
来源：Artificial Analysis LLM、GDPval-AA、Text to Image Leaderboard、Image Editing Leaderboard、Artificial Analysis X

Arena Watch

LMArena Text Overall：页面仍为 2026-05-28，6,532,755 votes、360 models。前列为 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、gemini-3-pro 1486±4、gpt-5.5-high 1482±6。仍未见 Opus 4.8。
Artificial Analysis LLM：Claude Opus 4.8 (max) Index 61、cost $4.10/M tokens、median 58 tokens/s；GPT-5.5 (xhigh) 60、cost $4.35/M、median 55 tokens/s；GPT-5.5 (high) 59；Claude Opus 4.7 (max) 57；Gemini 3.1 Pro Preview 57、median 114 tokens/s；Qwen3.7 Max 57、cost $1.43/M、median 191 tokens/s；Gemini 3.5 Flash 55、median 176 tokens/s。
GDPval-AA：Opus 4.8 max Elo 1890、CI -34/+35；GPT-5.5 xhigh 1769；GPT-5.5 high 1755；Opus 4.7 max 1753；Gemini 3.5 Flash medium 1658、high 1656；Qwen3.7 Max 1548。
ITBench-AA：本轮未见 Opus 4.8；仍按上一轮结果看 Opus 4.7 max 46.7%、GPT-5.5 xhigh 45.8%、Qwen3.7 Max 42.5%。这仍是“真实企业 SRE agent 任务未饱和”的关键证据。
Text to Image：GPT Image 2 (high) Elo 1338 第一，GPT Image 1.5 (high) 1268，Nano Banana 2 Preview 1260，Nano Banana Pro 1219，Recraft V4.1 Utility Pro 1204。GA 后 Nano Banana 2/Pro 是否会以新条目或非-preview 名称更新，需要继续看。
Image Editing：GPT Image 1.5 (high) 1260 第一，GPT Image 2 (high) 1252，Nano Banana Pro 1241，Nano Banana 2 Preview 1240，grok-imagine-image-quality 1229。
Text to Video with audio：Dreamina Seedance 2.0 720p Elo 1214 第一，HappyHorse-1.0 1212 第二，Kling 3.0 1080p (Pro) 1104，Kling 3.0 Omni 1080p (Pro) 1099，Veo 3.1 1095。
Text to Video without audio：HappyHorse-1.0 Elo 1358 第一，Dreamina Seedance 2.0 720p 1272，Kling 3.0 1080p (Pro) 1250，Kling 3.0 Omni 1080p (Pro) 1235，grok-imagine-video 1234。HappyHorse 仍显示 API Coming soon，没有官方模型卡。
来源：LMArena Text、Artificial Analysis LLM、GDPval-AA、ITBench-AA、Text to Image、Image Editing、Text to Video

X Watch

@GoogleDeepMind：转发 @Google 的 Nano Banana 2 / Nano Banana Pro GA 消息，明确开发者和企业可在 Google AI Studio 与 Gemini Enterprise Agent Platform API 使用。
@xai：6h 内发布 grok-build-0.1 API public beta 原帖，强调同 Grok Build CLI 模型、agentic coding、$1/M input、$2/M output；补充 OpenRouter、Vercel AI Gateway、Cursor、Hermes Agent、OpenClaw、Kilo Code、OpenCode 等入口。另发 Grok Build 0.2.7，新增 /usage、/login、shared terminals across subagents、improved image understanding。
@ClaudeAI：Opus 4.8 原帖约 13M views；Dynamic Workflows 帖约 762K views；“available today on the web, Claude Platform, and all major cloud platforms”帖约 109K views。传播强度高，开发者侧重点是 workflow/agent。
@AnthropicAI：转发 @ClaudeAI Opus 4.8 和 pre-ship testing 内容；同时发 Series H 融资与 run-rate revenue 动态，不是模型发布但显示 Claude 需求侧信号。
@ArtificialAnlys：发布 Opus 4.8 Intelligence Index 61.4 与 GDPval-AA 领先信息；另称 grok-imagine-image-quality 进入 Text to Image / Image Editing 榜前列。
@xiaohu：近 12h 主要转发/解读 iOS 27 / Siri 传言，称 Siri 可能独立聊天 App、允许接入 ChatGPT/Gemini/Claude 等模型，并可能加入相机 AI 分析模式；属于待核验传言/生态入口信号，不是模型发布。
@OpenAI：发布 Rosalind Biodefense 和 Codex Windows Computer Use 相关帖；未见新的通用旗舰模型发布。
@Alibaba_Qwen：仍主要围绕 Qwen3.7-Max ITBench-AA 第三、Qwen3.5 TokenSpeed 580 tps 传播；本窗口未见新模型。
@MistralAI：仍在扩散 AI Now Summit、Mistral Vibe 和行业解决方案；本窗口未见新模型首发。
@LumaLabsAI：推 Luma Agents 的内容转 promo 工作流和 BTS 案例；未见新模型。
@Cohere、@runwayml、@Kling_ai、@AIatMeta：账号页可见内容未显示过去 24 小时新旗舰模型首发；部分账号页未能加载 tweets 文章区，继续以官方源和榜单源补充。

待确认清单

Nano Banana 2 / Pro GA：需要确认 Gemini Enterprise Agent Platform 与 Gemini API 的实际模型 ID、价格、速率限制、SLA 差异；GA 后 Artificial Analysis 是否会把 Preview 条目替换为正式条目也待观察。
Nano Banana 2 video input preview：官方已确认 preview，但需要实测视频长度、格式、成本、是否支持长视频、是否能稳定抽取角色/动作/镜头语义。
grok-build-0.1：API public beta 官方确认；需要测试 function calling、MCP、图像输入、structured outputs、Vercel/OpenRouter 代理的一致性，以及与 Grok Build CLI 的差异。
Grok Build 0.2.7：X 已确认 changelog 项，但需要在本地验证 shared terminal across subagents 是否会带来共享状态污染、权限边界和日志审计问题。
Codex Windows Computer Use：官方 changelog 确认；需要在真实 Windows 机器上验证前台操作、远程控制、安全边界和 ChatGPT mobile 连接稳定性。
GPT-Rosalind / Rosalind Biodefense：这是 trusted access 扩展，不是公开 API；需要确认资格、审查流程、可用模型版本、审计与安全限制。
Claude Dynamic Workflows：已进入研究预览，但 subagent 数量、费用、失败恢复、工作流脚本权限、Bedrock/Vertex/Foundry 可用性都需要实际跑一轮代码迁移任务。
Siri / iOS 27 多模型接入：目前来自 @xiaohu X 传言，没有 Apple 官方源；仅列入生态入口待确认，不纳入官方发布。
HappyHorse-1.0：视频榜继续强势，尤其无音频 T2V 第一，但 API 仍是 Coming soon，缺官方模型卡和可用入口。
Gemini Omni：本轮仍未见正式 API 开放或 Artificial Analysis 独立视频榜条目。

下一步建议

把 Nano Banana 2 / Nano Banana Pro GA 作为站点素材生成流水线的一次正式测试：产品 URL → 图像 brief → 2K/4K 输出 → 品牌一致性 → 成本/延迟记录。
对 grok-build-0.1、Claude Opus 4.8、GPT-5.5 xhigh、Qwen3.7 Max 做同一仓库 coding-agent benchmark，至少覆盖 issue 修复、跨文件重构、UI 修改、测试补齐、失败回滚。
用 Codex Windows Computer Use 做一条真实 Windows GUI 流程验证，重点看可审计性和远程控制安全边界。
持续监控 Artificial Analysis 是否将 Nano Banana 2 / Pro 从 Preview 更新为 GA 条目，以及 Opus 4.8 是否进入 ITBench-AA / LMArena。