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

AI 模型日报 - 2026-06-15

2026-06-15 AI 模型资讯：过去 24 小时最值得补入模型库的是 Kimi-K2.7-Code：Moonshot/Kimi 官方 X 已发布并开源，Hugging Face 模型卡确认 Modified MIT、1T MoE、32B active、256K context、MoonViT visi...

30 秒摘要

  • 过去 24 小时最值得补入模型库的是 Kimi-K2.7-Code：Moonshot/Kimi 官方 X 已发布并开源，Hugging Face 模型卡确认 Modified MIT、1T MoE、32B active、256K context、MoonViT vision encoder；Cloudflare Workers AI 也在 6 月 12 日上线 @cf/moonshotai/kimi-k2.7-code。
  • Gemini-SQL2 是今天的高信号专项能力：Google Research 在 X 上宣布其由 Gemini 3.1 Pro 驱动，在 BIRD Single Trained Model Track 上以 Test EX 80.04% 排名第一；目前更像闭源 text-to-SQL 系统/能力，不是通用 Gemini 新模型。
  • SkillOpt 被小互日报放大：Microsoft 项目页显示它通过训练 Markdown skill 文件提升 frozen target model 的 agent 表现，GPT-5.5 direct chat 平均增益 +23.5，Codex harness +21.8，Claude Code harness +18.6；这是 agent 技能优化方法，不是新模型。
  • Anthropic Fable 5 / Mythos 5 的可用性风波继续是高优先级风险项：@AnthropicAI 与 @ClaudeDevs 仍显示访问暂停、Build Day 改用 Opus 4.8；LMArena/Artificial Analysis 榜单上 Fable 5 仍强，但生产可用性不能按榜单推断。
  • Arena 榜单整体未见新日期跳变：Text 仍是 Jun 11, 2026，Agent 仍是 Jun 12, 2026，Image 仍是 Jun 5, 2026，Video 仍是 Jun 10, 2026；Agent sessions 增至 670,363，Fable 5 High 仍第 1。

今日必看

1. Kimi-K2.7-Code：Moonshot 发布开源 coding/agent 模型，并已进入 Workers AI

  • 事件类型：官方发布 + X 首发 + 可用入口。
  • 首发/官方/可用时间：Kimi 官方 X 发布为 2026-06-12；Cloudflare Workers AI changelog 同日上线；小互 AI 日报 2026-06-14 期将其列为高分要点。
  • 模型/功能名：Kimi-K2.7-Code / kimi-k2.7-code。
  • 能力变化：官方 X 称相对 K2.6 在 Kimi Code Bench v2 +21.8%、Program Bench +11.0%、MLS Bench Lite +31.5%，reasoning token 使用降低约 30%。Hugging Face 模型卡显示它是 K2.6 基础上的 coding-focused agentic model，MoE 架构，1T total parameters、32B activated parameters、256K context、MoonViT vision encoder，支持 image/video input、forced thinking / preserve thinking、multi-step tool calls。
  • 可用入口：Hugging Face moonshotai/Kimi-K2.7-Code、Moonshot/Kimi API、Cloudflare Workers AI @cf/moonshotai/kimi-k2.7-code、Fireworks/第三方推理入口、vLLM / SGLang / KTransformers 部署。
  • 影响判断：这是当前开源 coding/agent 模型线上最重要的新条目。相比闭源 Fable/GPT/Opus，Kimi 的关键优势是开源权重、可自托管和低推理成本；但官方 benchmark 是 first-party，且模型卡显示 Kimi K2.7 Code 在部分 agentic 指标上仍低于 GPT-5.5 / Opus 4.8，需要独立 benchmark 验证。
  • 来源：@Kimi_Moonshot、Hugging Face model card、Cloudflare Workers AI changelog

2. Gemini-SQL2：Google Research text-to-SQL 能力登上 BIRD 榜首

  • 事件类型：X 首发 + 公开榜单/benchmark。
  • 首发/官方/可用时间：Google Research X 在 2026-06-13 宣布；BIRD 榜单条目日期为 2026-06-03。
  • 模型/功能名：Gemini-SQL2，由 Gemini 3.1 Pro 驱动的 text-to-SQL capability。
  • 能力变化：BIRD Single Trained Model Track 显示 Gemini-SQL2 为 Google Research & Cloud 提交，size UNK，self-consistency Many，Dev EX 74.12%，Test EX 80.04%；人类表现为 92.96%。
  • 可用入口：目前仅能确认 Google Research X 与 BIRD leaderboard；未见独立模型卡、公开 API、权重或价格。
  • 影响判断：这是数据库/BI/企业数据 agent 方向的重要专项能力，但不应按通用基础模型发布处理。它说明 Gemini 3.1 Pro 在垂直任务上可通过系统/训练路线取得 SOTA；产品侧需要等待 Google Cloud/Vertex/BigQuery 是否把 Gemini-SQL2 作为可调用能力开放。
  • 来源：@GoogleResearch、BIRD leaderboard

3. SkillOpt：Microsoft 把 Markdown skill 变成可训练 agent 外部状态

  • 事件类型：官方研究/开源项目 + 媒体报道。
  • 首发/官方/可用时间：Microsoft SkillOpt 项目页和 GitHub 已公开；小互 AI 日报 2026-06-14 期将其作为高分要点传播。
  • 模型/功能名：SkillOpt: Executive Strategy for Self-Evolving Agent Skills。
  • 能力变化：SkillOpt 用 optimizer model 对 Markdown skill 做 bounded edits，并用 held-out validation gate 选择更新；Microsoft 项目页显示 GPT-5.5 direct chat 平均增益 +23.5，GPT-5.5 Codex harness +21.8，GPT-5.5 Claude Code harness +18.6。评测覆盖 SearchQA、Spreadsheet、Office、DocVQA、LiveMath、ALFWorld 等。
  • 可用入口：Microsoft GitHub Pages、GitHub repo、arXiv preprint。
  • 影响判断：这不是新模型，但对 agent 产品非常实用：很多任务可能不需要 fine-tune 或换模型，而是把工作流经验沉淀成可训练、可验证、可迁移的 skill 文件。后续值得跟踪是否进入 Codex/Claude Code/Cursor 等主流 agent 工作流。
  • 来源：SkillOpt project page、GitHub repo

4. Fable 5 / Mythos 5：可用性风险仍未解除，榜单信号继续分裂

  • 事件类型：官方发布 + X 首发 + 可用性变化 + 榜单观察。
  • 首发/官方/可用时间：Anthropic 访问暂停声明为 2026-06-13 X 传播；官方声明页仍有效。
  • 模型/功能名：Claude Fable 5、Claude Mythos 5。
  • 能力变化：LMArena Text 仍显示 claude-fable-5 第 1，1510±11；Agent Arena 仍显示 Claude Fable 5 (High) 第 1，Net Improvement 13.68%±1.59%。Artificial Analysis 文章仍记录 Fable 5 Intelligence Index 64.9。
  • 可用入口：官方暂停 Fable 5 / Mythos 5 访问；ClaudeDevs 称新会话运行在默认模型或 Opus 4.8，Build Day 改用 Opus 4.8。
  • 影响判断：今天仍应把 Fable 5 标为“能力强，但生产可用性高风险”。任何模型选型、API 路由、benchmark 复现都要明确 fallback 和可用性状态。
  • 来源：Anthropic statement、@AnthropicAI、@ClaudeDevs、Artificial Analysis Fable 5

5. AA-AgentPerf：agentic inference benchmark 持续扩散，硬件容量指标进入模型日报

  • 事件类型：第三方 benchmark + X 首发。
  • 首发/官方/可用时间：Artificial Analysis article 标注为 2026-06-12；X 在 2026-06-13 继续传播。
  • 模型/功能名：AA-AgentPerf。
  • 能力变化：AA-AgentPerf 复放真实 coding-agent trajectories，测系统在生产服务目标下可支撑多少并发 agent，核心指标是 Agents per Megawatt。首批覆盖 NVIDIA Blackwell/Hopper 与 AMD 系统跑 DeepSeek V4 Pro，未来会扩展到 gpt-oss-120b 等模型。
  • 可用入口：Artificial Analysis AA-AgentPerf article、hardware benchmark、methodology。
  • 影响判断：它不是模型发布，但会改变 agent 选型：未来“同一模型在谁家推理平台上能跑多少长上下文 agent”会直接影响成本和用户体验。
  • 来源：AA-AgentPerf、@ArtificialAnlys

Arena Watch

  • LMArena Text Overall：页面仍为 Jun 11, 2026，6,820,793 votes、366 models。Top 5 为 claude-fable-5 1510±11、claude-opus-4-6-thinking 1504±4、claude-opus-4-7-thinking 1502±5、claude-opus-4-6 1498±4、claude-opus-4-7 1492±5。gpt-5.5-high 第 10，qwen3.7-max-preview 第 16，kimi-k2.6 第 31；暂未看到 Kimi-K2.7-Code 进入 Text 总榜前列。
  • Arena Agent：页面仍为 Jun 12, 2026，sessions 增至 670,363，25 models。Claude Fable 5 (High) 第 1，Net Improvement 13.68%±1.59%，sessions 16,262；GPT 5.5 (xHigh) 第 2，sessions 8,434；Claude Opus 4.8 (Thinking) 第 3，sessions 25,745。榜单日期未变，样本继续增长。
  • Arena Text-to-Image：仍为 Jun 5, 2026，5,391,418 votes、70 models。gpt-image-2 (medium) 第 1，reve-2.0 第 2，gemini-3.1-flash-image-preview (nano-banana-2) [web-search] 第 3，mai-image-2.5 第 4，gemini-3-pro-image-preview-2k (nano-banana-pro) 第 5。nano-banana 系列无新变化。
  • Arena Text-to-Video：仍为 Jun 10, 2026，479,075 votes、41 models。gemini-omni-flash 第 1，dreamina-seedance-2.0-720p 第 2，happyhorse-1.0 第 3；sora-2-pro 第 7，runway-gen-4.5 第 20，kling-2.5-turbo-1080p 第 21。
  • Artificial Analysis：Fable 5 仍是 Intelligence Index 最高的公开记录信号；AA-AgentPerf 是新增的硬件/agentic inference 信号。今天没有看到新的 AA 模型榜日期跳变。
  • 来源：LMArena Text、Arena Agent、Arena Text-to-Image、Arena Text-to-Video、Artificial Analysis

X Watch

  • @Kimi_Moonshot：置顶发布 Kimi-K2.7-Code，称已开源，并给出相对 K2.6 的 coding/agent benchmark 提升与 30% reasoning-token 降低；随后发布 API 充值 bonus。可信度：官方账号。
  • @GoogleResearch：发布 Gemini-SQL2，称其由 Gemini 3.1 Pro 驱动，并在 BIRD 上取得 SOTA。可信度：官方 X + BIRD 榜单可交叉核验。
  • @ArtificialAnlys：继续传播 Intelligence Frontier 首次后退与 AA-AgentPerf 首批结果。可信度：第三方 benchmark 源。
  • @AnthropicAI / @ClaudeDevs：Fable 5 / Mythos 5 访问暂停仍是置顶级信号；ClaudeDevs 同时强调 Managed Agents self-hosted sandbox 指南。可信度：官方账号。
  • @xiaohu：站点最新一期为 2026-06-14，头条仍是 Fable/Mythos 5，重点包括 Apple Siri AI、Gemini-SQL2、SkillOpt、Fable 5 FrontierMath、Kimi K2.7 Code。可信度：辅助聚合源，事实需官方/榜单复核。
  • @OpenAI：本窗口无新模型发布；官方主账号仍是 Codex rate-limit reset bank 与邀请活动，@OpenAIDevs 传播 Codex mobile/community 和 docs agent。可信度：官方产品动态，不是模型首发。
  • @GoogleDeepMind / @GeminiApp：DeepMind 仍是 Robotics Accelerator、TacticAI、Project Genie access 扩展；Gemini App 有 7 小时内 F1 互动帖和此前小企业/Gemini in Chrome 功能扩展。未见 Gemini Omni 官方模型卡。
  • @Alibaba_Qwen：最新高信号仍是 6 月 2 日 Qwen3.7-Plus；本窗口未见新 Qwen 模型首发。
  • @MistralAI：未见新模型；最新高信号仍是 Mistral Vibe / Medium 3.5 线。
  • @xai：3 小时内 Grok Build 支持 terminal 内 math/formulas/LaTeX rendering；属于产品能力，不是新 Grok 模型。
  • @AIatMeta：Muse Spark 仍是置顶模型信号；未见新模型。
  • @cohere：2 小时内继续围绕 North Mini Code 与 AI sovereignty 传播，借 Fable 5 暂停强调可控开源/私有部署；不是新模型。
  • @runwayml、@LumaLabsAI、@Kling_ai：主要是活动、合作、案例和 demo；未见新的视频模型卡或 API 发布。

待确认清单

  • Kimi-K2.7-Code 独立评测：官方/HF benchmark 与 Cloudflare 说明已经确认，但仍需等待 LMArena、Artificial Analysis、SWE/agentic coding 第三方榜单验证；特别是与 GPT-5.5 xHigh、Opus 4.8、Fable 5 的公平成本/延迟对比。
  • Kimi-K2.7-Code license 与商用边界：Hugging Face 显示 Modified MIT，但生产部署前仍需读取完整 LICENSE、第三方 notice、Moonshot API 条款和第三方托管平台条款。
  • Gemini-SQL2 可用入口：目前只有 Google Research X 与 BIRD 榜单，缺模型卡、论文、API、产品集成和价格信息；需要关注 BigQuery/Cloud SQL/Vertex AI 是否开放。
  • SkillOpt 可复现性：需要检查 GitHub repo 的训练脚本、benchmark splits、是否能迁移到团队现有 Codex/Claude Code skill 体系，以及是否会引入 overfitting。
  • Fable 5 / Mythos 5 暂停范围：是否存在美国本土企业、政府、安全研究项目或 Project Glasswing 的例外通道仍未清楚；榜单模型是否会被标记不可用也未见统一口径。
  • gemini-omni-flash 和 happyhorse-1.0：仍缺官方模型卡、首发时间、API/产品入口、价格、是否带音频/编辑能力等信息。
  • 小互日报提到的 Apple Siri AI、Fable 5 FrontierMath、Google Cloud 开放知识格式、Azure sandbox 等条目，部分是产品/工具/基础设施而非模型发布；后续需单独归类，避免混入基础模型首发。