AI 模型日报 - 2026-06-05 | QName AI | 官方域名研究与产品指南

30 秒摘要

今天最重要的新模型发布是 NVIDIA Nemotron 3 Ultra：官方 X 称这是面向长任务 agent 的 550B MoE 开放模型，能将复杂 agentic task 推理速度提升最高 5x、成本降低最高 30%；Artificial Analysis 给出 Intelligence Index 47.7，称其为当前最强美国 open weights 模型。
Arena 正式推出 Agent Mode / Agent Arena，把模型从聊天对战推进到真实 agent 任务评测：网页搜索、文件系统、终端、沙盒 bash、图像生成/分析等工具进入 Arena 评测面。这不是单一模型发布，但会改变后续模型排名的观测方式。
OpenAI 发布并开始 rollout 更强的 ChatGPT memory system，Plus / Pro 美国用户先用，记忆容量提升到 2x，并增加 memory summary 可见性和控制；这是产品能力更新，不是新底层模型。
Anthropic 发布 recursive self-improvement 研究文章和 X 线程，强调 Claude 已在内部 AI 研发任务上加速模型迭代，并披露 Mythos Preview 在部分评测中达到约 52x speedup；这是重要研究信号，但 Mythos Preview 不是公开可用模型。
其它值得跟踪的边缘信号：StepFun Step 3.7 Flash 在 Artificial Analysis 上以 Index 43、400+ output tokens/s 进入速度/智能 Pareto 前沿；@xiaohu 提到 Ideogram 4.0 开源图像模型，但官方源可见性仍需二次核验；Gemini Omni 与 Runway Aleph 2.0 属于产品入口/工作流更新。

今日必看

1. NVIDIA：Nemotron 3 Ultra 发布，开放权重 agentic LLM 进入高强度关注区

事件类型：官方发布 + X 首发 + 第三方榜单评测。
首发/官方时间：@NVIDIAAI 在 2026-06-04 21:06 HKT 发布；@ArtificialAnlys 在 2026-06-04 21:32 HKT 发布榜单解读，并在 2026-06-05 02:12 HKT 补充 Terminal-Bench v2.1 低延迟 agentic performance 测试。
能力变化：NVIDIA 官方称 Nemotron 3 Ultra 是 550B MoE、面向 long-running agents 的 frontier-intelligence open model，对比其它 open frontier models 可带来最高 5x 更快推理、最高 30% 更低复杂 agentic task 成本。Artificial Analysis 称其 Intelligence Index 47.7，领先下一梯队美国 open weights 模型，并强调它在受限 turn-usage 的 Terminal-Bench v2.1 中能以更快节奏完成任务。
可用入口：NVIDIA Research 页面、Hugging Face nvidia/NVIDIA-Nemotron-3-Ultra-550B-A55B-BF16、Artificial Analysis model page；X 传播中还出现 GMI Cloud、Ollama Cloud 等托管入口线索。具体许可证、上下文长度、55B active 参数、部署门槛仍建议以模型卡为准。
影响判断：这是今天唯一需要立刻进入模型评测池的通用 LLM 新发布。它的重点不是“榜首智能”，而是开放权重、长任务 agent、低延迟和成本曲线的组合，适合优先跑 Terminal-Bench、SWE-like agent、长上下文工具调用、代码修复流水线和企业内网 agent 任务。
来源：NVIDIA AI X、NVIDIA Research、Hugging Face、Artificial Analysis X、Artificial Analysis model page、Terminal-Bench 线索

2. Arena：Agent Mode / Agent Arena 正式上线，agent 评测进入主赛道

事件类型：竞技场产品发布 + 评测体系更新 + X 首发。
首发/官方时间：@arena 在 2026-06-05 00:00 HKT 发布 Agent Mode，在 00:06 HKT 发布 Agent Arena；05:30 HKT 还宣布 Battle Mode 已超过 50 million votes。
能力变化：Arena 称 Agent Mode 可以完成 deep research、报告生成、图像生成、网站构建、代码调试等复杂任务，并允许模型使用 web search、filesystem、terminal、沙盒 bash、图像生成/分析等工具。Agent Arena 的目标是用真实用户的 live sessions 大规模评测 agent 做实际工作的能力。
可用入口：Arena Agent Mode / Agent Arena 页面与 X 原帖。2026-06-05 07:30 HKT 之后 Arena 还发帖称 Nemotron 3 Ultra 已加入 Agent Mode，但这条发布时间晚于本期严格窗口，作为下一期跟踪项处理。
影响判断：这是模型日报里比单个 leaderboard 更重要的结构性变化。后续“最强模型”不再只看对话 Elo、代码 Elo 或静态 benchmark，而要看工具权限、任务长度、失败恢复、浏览器/终端行为和真实用户任务完成率。
来源：Agent Mode X、Agent Arena X、Arena Agent Leaderboard

3. OpenAI：ChatGPT memory system 升级 rollout，不是新模型但影响个人 agent 体验

事件类型：官方产品更新。
首发/官方时间：@OpenAI 在 2026-06-05 00:10 HKT 发布，官方链接跳转至 chatgpt-memory-dreaming。
能力变化：OpenAI 表示新的 ChatGPT memory system 会让跨会话上下文更有用、更持久，并提供 memory summary，让用户看到 ChatGPT 记住了什么。X 原帖与后续传播显示该能力先向美国 Plus / Pro 用户 rollout，memory 容量提升到 2x。
可用入口：ChatGPT 设置中的 memory 控制和官方文章；API 模型、Responses API 或 Assistants/Agents SDK 未见对应的新模型条目。
影响判断：这不是模型首发，但对个人助理、长期项目上下文、Codex-like 工作流和“记忆如何被审计/编辑”很关键。建议后续跟踪企业版、团队版、API 侧 memory/retention 控制是否同步。
来源：OpenAI X、OpenAI 官方文章

4. Anthropic：recursive self-improvement 研究公开，Mythos Preview 仍是内部研究信号

事件类型：官方研究文章 + X 线程。
首发/官方时间：@AnthropicAI 在 2026-06-05 00:15 HKT 发布；官方跳转页为 Anthropic Institute recursive-self-improvement。
能力变化：Anthropic 表示内部数据显示 Claude 正在加速 AI development，可能形成 AI 自主构建更强后继模型的路径。线程披露了两个值得盯的评测：一是同测代码训练小模型任务中，Claude Opus 4 在 2025-05 平均约 3x speedup，Mythos Preview 在 2026-04 达到约 52x；二是 wrong-turn research-session 评测中，Mythos Preview 改进人类研究方向的比例为 64%，高于 2024 年模型的 22%。
可用入口：官方文章和 X 线程；未见 Mythos Preview 公开 API、Claude App 或 Bedrock/Vertex 入口。
影响判断：这条不是可调用新模型，但非常值得放进“研究预警”。Anthropic 正在把模型对 AI 研发的加速能力本身量化，未来会影响 agentic research、AI lab productivity、自动实验平台和安全治理叙事。
来源：Anthropic X、Anthropic Institute、校正帖

5. StepFun：Step 3.7 Flash 在速度/智能曲线上变得有竞争力

事件类型：第三方榜单更新 + 开源模型卡核验。
首发/官方时间：@ArtificialAnlys 在 2026-06-04 11:48 HKT 发布；Hugging Face 模型卡为 StepFun 官方开源入口。
能力变化：Artificial Analysis 称 Step 3.7 Flash 位于 Intelligence vs Output Speed Pareto frontier，Intelligence Index 43，输出速度超过 400 output tokens/s，是相对 Step 3.5 Flash 的显著升级。模型为 open weights，许可证标注 Apache 2.0。
可用入口：Artificial Analysis model page、Hugging Face stepfun-ai/Step-3.7-Flash。
影响判断：它不是今天讨论度最高的模型，但对低延迟代理、中文/中英混合业务、批量自动化和高吞吐低成本推理很有实测价值。建议纳入低延迟 agent 和 API 替代池。
来源：Artificial Analysis X、Artificial Analysis model page、Hugging Face

Arena Watch

LMArena Text Overall：公开页面仍显示 2026-05-28 更新、6,532,755 votes、360 models。前列仍是 Claude Opus 4 系列与 Gemini/Qwen/GPT-5.5：claude-opus-4-6-thinking 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、gpt-5.5-high 1482±6。今日未见新主榜条目改变格局。
Arena Agent：今日新上线。当前最重要的信息不是稳定 Elo，而是评测维度从 chat 扩展到 web search、filesystem、terminal、sandbox bash、image generation/analysis 等工具化任务。需要下一期继续看是否形成公开排名、模型列表和方法说明。
Arena Battle Mode：官方称已超过 50 million votes，说明 Arena 仍在快速积累真实偏好数据；但不同 mode 的票数、任务类型和工具权限需要分开读。
Artificial Analysis LLM：新增重点是 NVIDIA Nemotron 3 Ultra，Index 47.7，被标为当前最强美国 open weights 模型。Step 3.7 Flash Index 43、400+ output tokens/s，进入速度/智能 Pareto 前沿。高端闭源主榜仍以 Claude Opus 4.8 / GPT-5.5 / Gemini 3.1 / Qwen3.7 等前几日格局为主。
Artificial Analysis Terminal-Bench v2.1：今日明确提到 Nemotron 3 Ultra 在受限 turn-usage 条件下完成任务速度更快，但本轮未抓到完整表格数值；下一期应补 exact score、任务完成率、平均时延和成本。
小互 AI 日报辅助源：网页最新公开期为 2026-06-03，头条是 NVIDIA Cosmos 3，并在要点中提到 NVIDIA Nemotron 3 Ultra。由于时间早于本期窗口后半段，本期只作为辅助线索，不覆盖更晚的 NVIDIA / Artificial Analysis / Arena 原帖。
来源：LMArena Text、Arena Agent、Arena Agent Mode X、Artificial Analysis Nemotron、Artificial Analysis Step、小互 AI 日报

X Watch

@NVIDIAAI：发布 Nemotron 3 Ultra，称其为面向 long-running agents 的 550B MoE open model，并强调 5x 推理速度和 30% 成本下降。这是今日最高优先级官方发布。
@ArtificialAnlys：连续发布两条模型信号。其一是 Nemotron 3 Ultra，给出 Index 47.7、美国 open weights 最强、Terminal-Bench v2.1 低延迟 agentic performance；其二是 Step 3.7 Flash，给出 Index 43 和 400+ output tokens/s。
@arena：发布 Agent Mode / Agent Arena，并宣布 Battle Mode 超过 50 million votes。Agent Mode 后续将直接影响模型“是否真的能做事”的排序。
@OpenAI：发布 ChatGPT memory system 升级，官方表述是更强跨会话记忆能力和更透明的 memory summary；未见新模型或 API model id。
@AnthropicAI：发布 recursive self-improvement 研究文章，并在后续更正帖中说明 Claude Opus 4 的约 3x speedup 是 2025-05 结果，不是 2024-05。Mythos Preview 仍是内部/研究模型信号。
@GeminiApp：发布 Gemini Omni “Create videos” 产品入口演示，支持文本、视频或最多五张图片作为输入；另发 macOS Gemini app 双 Command 键附加当前窗口的 screen-aware 功能。二者都不是底层新模型发布。
@runwayml：发布 Aleph 2.0 Edit Studio 更新，强调只编辑指定区域、保留画面其它部分不变。属于视频编辑工作流更新，需继续看是否对应新模型卡或 API。
@xiaohu：一条是 Ideogram 4.0 开源图像模型线索，提到 bounding box 控制和结构化 JSON prompt；另一条是 “Anthropic 如何通过 Claude 实现自动化商业分析” 的中文解读。前者未在本轮核到充分官方模型卡，应放入待确认；后者属于官方 Anthropic 自动化分析实践的二次传播。
@xai / @grok：本窗口未见新的主账号模型发布；Grok Imagine 1.5 仍属于前几日 carryover。
@Alibaba_Qwen / @Alibaba_Wan：本窗口未见新的模型发布；Qwen3.7、Wan2.7、WanMuse+ 仍是前几日线索。
@Cohere：窗口内主要是 NATO Agentic AI 挑战和加拿大 AI 策略内容，不是新模型发布。
@GoogleDeepMind / @GoogleAI / @AIatMeta / @MistralAI / @LumaLabsAI / @Kling_ai：本窗口未见新的可核验模型首发。

待确认清单

Nemotron 3 Ultra：需要补模型卡级细节，包括许可证条款、context window、active parameters、推荐推理框架、量化版本、商用限制、GMI/Ollama/Prime 等托管入口的实际可用性。
Nemotron 3 Ultra Terminal-Bench v2.1：Artificial Analysis 已给出低延迟 agentic performance 信号，但 exact score、平均时延、完成率、成本曲线仍待完整榜单或文章核验。
Agent Arena：需要确认公开 leaderboard 的稳定 URL、模型列表、工具权限、sandbox 行为、任务样本、计票方式，以及不同 agent 模型是否使用相同工具预算。
OpenAI memory system：需要确认 Plus/Pro 美国 rollout 到更多地区、Team/Enterprise/EDU 的策略、是否有 API 侧等价 memory 控制，以及用户删除/审计 memory 的完整 UI。
Anthropic Mythos Preview：未见公开入口；目前只适合作为研究能力信号，不应当写成 Claude 新模型发布。
Step 3.7 Flash：需要实测中英文质量、函数调用/工具调用、长上下文、代码能力和真实吞吐成本，确认是否适合替代现有低延迟模型。
Ideogram 4.0：@xiaohu 线索很值得盯，但本轮只核到官方技术/产品页面和社区传播，尚未确认“首个开源 AI 图像模型”对应的正式模型卡、仓库、许可证和下载入口。
Gemini Omni：用户端视频创建入口继续扩散，但 Gemini API / AI Studio / Vertex / Enterprise 开发者入口、价格和地域仍未明确。
Runway Aleph 2.0：Edit Studio 已可用，但是否对应新模型版本、是否开放 API、与 Gen-4/Act-Two 等模型栈关系仍需继续核验。