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

AI 模型日报 - 2026-06-17

2026-06-17 AI 模型资讯：今天最重要的新模型是 GLM-5.2：Z.ai 官方发布并开源，Hugging Face 模型卡显示 MIT、753B 参数、FP8、1M context；官方博客强调长程 coding/agent 任务、可调 thinking effort、IndexShare 长上...

30 秒摘要

  • 今天最重要的新模型是 GLM-5.2：Z.ai 官方发布并开源，Hugging Face 模型卡显示 MIT、753B 参数、FP8、1M context；官方博客强调长程 coding/agent 任务、可调 thinking effort、IndexShare 长上下文架构和开放权重。
  • GLM-5.2 同时进入 Arena 观察面：LMArena Text 在 Jun 16, 2026 刷新后显示 glm-5.2 (max) 第 25；Arena Agent 同日刷新后显示 GLM 5.2 (Max) 第 10。@arena 还称它是 Agent Arena 当前最强 open model，并在 Code Arena: Frontend 排到第 2。
  • Qwen-Robot Suite 是今天另一个官方发布：Qwen 发布 Qwen-RobotNav、Qwen-RobotManip、Qwen-RobotWorld 三个面向具身智能的 foundation model；这不是通用聊天模型，但对机器人/物理世界 agent 很重要。
  • Artificial Analysis 发布 Intelligence Index v4.1，权重明显转向 agentic workload：GDPval-AA v2、Terminal-Bench 2.1、τ³-Bench Banking 合计占 50%，并新增 Cost/Time/Tokens per Task。Fable 5 仍领先但不可用，Opus 4.8 max 是可用模型里最高。
  • 视频和图像榜未见新日期跳变：gemini-omni-flash、happyhorse-1.0、nano-banana 系列仍按旧榜观察；Dreamina 公开 Seedance 2.0 Mini 页面，但它更像产品入口/轻量版本，需要继续核验 API、价格和模型卡。

今日必看

1. GLM-5.2：Z.ai 发布 1M context 开源长程 coding/agent 模型

  • 事件类型：官方发布 + X 首发 + 开源权重 + 可用入口 + 竞技场出现。
  • 首发/官方/可用时间：Z.ai 官方 X 与官方博客在 2026-06-16 发布；Hugging Face zai-org/GLM-5.2-FP8 已可访问；Fireworks、DeepInfra、Notion 等入口通过 Z.ai 转发或第三方账号显示 day-zero 支持。
  • 模型/功能名：GLM-5.2 / GLM-5.2-FP8 / GLM 5.2 (Max)。
  • 能力变化：官方博客将 GLM-5.2 定位为 long-horizon task 旗舰模型，强调稳定 1M-token context、coding/agent 长程轨迹、High/Max 等 thinking effort 控制。Hugging Face 模型卡显示 MIT license、753B 参数、FP8、English/Chinese text-generation；官方博客称 IndexShare 在 1M context 下减少 indexer 相关计算，MTP 改进让 speculative decoding 接受长度提升约 20%。
  • Benchmark 信号：官方博客称 GLM-5.2 在 Terminal-Bench 2.1 为 81.0、SWE-bench Pro 为 62.1，并在 FrontierSWE、PostTrainBench、SWE-Marathon 等长程 coding benchmark 上成为最高 ranked open-source model。Hugging Face 模型卡还列出 AIME 2026 99.2、GPQA-Diamond 91.2、HLE 40.5、HLE with tools 54.7、MCP-Atlas public set 76.8 等指标。
  • 可用入口：Z.ai chat/API、GitHub、Hugging Face、ModelScope、Fireworks、DeepInfra、Notion；本地/自托管可关注 SGLang、vLLM、xLLM、Transformers、KTransformers 支持状态。
  • 影响判断：这是当前开源 coding/agent 模型最需要立刻跟踪的条目。它的核心卖点不是单点 benchmark，而是“开放权重 + 1M context + 长程 agent coding + 多 effort 控制”。短期应重点对比 Kimi-K2.7-Code、MiniMax M3、DeepSeek V4 Pro、Qwen 系列在真实代码仓库任务上的成本、延迟和稳定性。
  • 来源：@Zai_org、Z.ai GLM-5.2 blog、Hugging Face GLM-5.2-FP8、Z.ai docs

2. GLM-5.2 进入 Arena：Agent #10、Text #25，Code Arena Frontend 据称 #2

  • 事件类型：竞技场出现 + X 首发 + 第三方榜单。
  • 首发/官方/可用时间：Arena Text 与 Agent 页面均显示 Updated Jun 16, 2026；@arena 在本窗口内连续发布 GLM-5.2 的 Agent Arena 与 Code Arena: Frontend 结果。
  • 模型/功能名：glm-5.2 (max) / GLM 5.2 (Max)。
  • Arena Text：页面显示 6,917,183 votes、367 models。glm-5.2 (max) 位于第 25，Arena score 1471±10，provider 为 Z.ai / MIT / SiliconFlow，显示 context 1M、价格 $1.40 / $4.40、votes 3,357。
  • Arena Agent：页面显示 746,666 sessions、27 models。GLM 5.2 (Max) 位于第 10，Net Improvement 4.37%±2.48%、Confirmed Success 9.43%±4.52%、sessions 9,500。Claude Fable 5 (High) 仍第 1，Net Improvement 14.17%±1.54%。
  • Code Arena 信号：@arena 称 GLM-5.2 (Max) 在 Code Arena: Frontend 排第 2，仅次于 Fable 5，并领先 Claude Opus 4.7 Thinking、Kimi-K2.6、MiniMax-M3；该细分榜需要继续抓取正式页面或截图核验。
  • 影响判断：榜单信号支持 GLM-5.2 进入“开源 coding/agent 第一梯队”。不过 Text #25 与 Agent #10 说明它仍不是闭源总榜最强，优势更集中在开放权重、长上下文和 coding/agent 场景。
  • 来源：LMArena Text、Arena Agent、@arena

3. Qwen-Robot Suite：Qwen 发布具身智能 foundation model 套件

  • 事件类型：官方发布 + X 首发 + 技术博客。
  • 首发/官方/可用时间：Qwen 官方博客日期为 2026/06/16；@Alibaba_Qwen 在本窗口内发布相关 thread。
  • 模型/功能名：Qwen-RobotNav、Qwen-RobotManip、Qwen-RobotWorld。
  • 能力变化：Qwen 将该套件定位为面向物理世界智能的基础模型组合。RobotNav 统一多类导航任务，并与 Qwen3.6-Plus 组成 agentic navigation system；RobotManip 使用 Qwen3.5-4B VL backbone 与 flow-matching DiT action head，覆盖多 embodiment 操作数据；RobotWorld 是 language-conditioned world model，把机器人控制、导航 waypoint、动作序列等统一到自然语言接口。
  • Benchmark 信号：官方博客列出 RobotNav 在 RxR、HM3Dv2、EVT-Bench、NAVSIM 等任务的结果；RobotManip 在 LIBERO-Plus、RoboTwin、RoboCasa365、EBench、RoboChallenge 等任务中给出 OOD 和实机指标；RobotWorld 在 EWMBench、DreamGen Bench、WorldModelBench、PBBench 等 open-source 榜单中排名靠前。
  • 可用入口：Qwen 博客与模型专题页面已公开；Chat2Robot 被描述为 RobotManip 的实验功能。当前未从公开页面确认完整权重、API、商用部署条款。
  • 影响判断：这不是“Qwen 新聊天模型”，而是机器人/具身智能方向的系统性发布。它值得进入日报，是因为 Qwen 正把 VLM、agent planning、world model 和 action model 放进同一个物理世界 pipeline。
  • 来源：@Alibaba_Qwen、Qwen-Robot Suite blog

4. Artificial Analysis Intelligence Index v4.1：指标体系转向 agentic workload

  • 事件类型：第三方 benchmark 方法更新 + X 首发。
  • 首发/官方/可用时间：Artificial Analysis article 日期为 2026-06-16；@ArtificialAnlys 同日发布。
  • 模型/功能名：Artificial Analysis Intelligence Index v4.1。
  • 能力变化：v4.1 升级 GDPval-AA v2、Terminal-Bench 2.1、τ³-Bench Banking，移除饱和的 IFBench，并新增 Cost per Task、Time per Task、Tokens per Task、cached input token 成本统计。权重中 GDPval-AA v2 占 20%、Terminal-Bench 2.1 占 16%、τ³-Bench Banking 占 14%，三项合计一半，明显强调长程 agent 任务。
  • 榜单信号：AA 称 Claude Fable 5 with Opus 4.8 fallback 仍以 Intelligence Index 60 领先，但当前不可用；可用模型中 Claude Opus 4.8 max 为 56，GPT-5.5 xHigh 为 55。开源权重里 DeepSeek V4 Pro max、MiniMax M3、Kimi K2.6、MiMo-V2.5-Pro 位于前列。
  • 成本/速度信号：AA 给出 per-task 维度后，DeepSeek V4 Pro max 在 Intelligence vs Cost per Task 上非常突出；Gemini 3.1 Pro Preview 在 Intelligence vs Time per Task 上较突出。
  • 影响判断：这次不是模型发布，但会改变后续“谁最强”的阅读方式。历史分数与 v4.1 之后分数不能简单横向比较；模型日报后续需要同时记模型能力、任务成本和完成时间。
  • 来源：@ArtificialAnlys、Artificial Analysis Intelligence Index v4.1

5. Seedance 2.0 Mini：Dreamina 页面确认轻量视频入口，X 侧仍需二次核验 API/价格

  • 事件类型：产品页面出现 + X 首发/媒体信号。
  • 首发/官方/可用时间：Dreamina 页面已可访问；@xiaohu 在本窗口内提到 Seedance 2.0 Mini 更便宜、速度更快，并给出 API 单位成本说法。
  • 模型/功能名：Seedance 2.0 Mini / Dreamina Seedance 2.0 Mini。
  • 能力变化：Dreamina 页面将它描述为更快、更低成本的 cinematic AI video generator，强调 multi-shot storytelling、AI camera control、consistent character generation、prompt-driven filmmaking，并在创建流程里显示参考图/视频/音频、720p-1080p、5s-12s 等能力范围。
  • 可用入口：Dreamina Seedance 2.0 Mini 与 Dreamina AI video generator。
  • 影响判断：这是今天视频模型方向最值得继续追踪的新增入口，但目前更像营销/产品页，而非完整模型卡。@xiaohu 提到的价格、速度和 API 信息需要官方 API 文档或 ByteDance/Dreamina 开发者页面确认后再进入“官方发布”。
  • 来源：@xiaohu、Dreamina Seedance 2.0 Mini

Arena Watch

  • LMArena Text Overall：页面更新为 Jun 16, 2026，6,917,183 votes、367 models。Top 5 为 claude-fable-5 1508±9、claude-opus-4-6-thinking 1504±4、claude-opus-4-7-thinking 1502±5、claude-opus-4-6 1499±4、claude-opus-4-7 1493±5。muse-spark 第 6，gemini-3.1-pro-preview 与 gemini-3-pro 分列第 7/8，gpt-5.5-high 第 10，glm-5.2 (max) 第 25，kimi-k2.6 第 34。
  • Arena Agent：页面更新为 Jun 16, 2026，746,666 sessions、27 models。Claude Fable 5 (High) 第 1，Net Improvement 14.17%±1.54%；Claude Opus 4.8 (Thinking) 第 2；GPT 5.5 (xHigh) 第 3；Claude Opus 4.7 与 Claude Opus 4.7 (Thinking) 分列第 4/5。GLM 5.2 (Max) 第 10，是今天最重要的新开源/开放权重信号。
  • 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，gemini-2.5-flash-image-preview (nano-banana) 第 21。今天未见 nano-banana 系列新日期跳变。
  • 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，veo-3.1-audio-1080p 第 4，wan2.7-t2v 第 5；sora-2-pro 第 7，runway-gen-4.5 第 20，kling-2.5-turbo-1080p 第 21。gemini-omni 与 happyhorse 仍缺官方模型卡/发布时间进一步确认。
  • Artificial Analysis：v4.1 是今天最关键变化。Fable 5 with fallback 仍排名最高但不可用；Opus 4.8 max、GPT-5.5 xHigh 是可用模型里最强组；开源权重榜仍由 DeepSeek V4 Pro max、MiniMax M3、Kimi K2.6、MiMo-V2.5-Pro 领跑。GLM-5.2 是否进入 AA 正式榜单需要继续观察。
  • 来源：LMArena Text、Arena Agent、Arena Text-to-Image、Arena Text-to-Video、Artificial Analysis

X Watch

  • @Zai_org：官方发布 GLM-5.2，强调 frontier intelligence、open weights、coding/agentic improvements、1M context、Max/High effort；同时转发 Fireworks、DeepInfra、Notion 等入口。可信度：官方账号 + 官方博客 + Hugging Face 可核验。
  • @arena：连续发布 GLM-5.2 (Max) 的 Arena Agent、Code Arena: Frontend 和 Pareto frontier 信号，称其是 Agent Arena 当前 #1 open model，并在 frontend coding 细分榜接近 Fable 5。可信度：榜单官方账号，但 Code Arena 细分结果还需页面核验。
  • @Alibaba_Qwen：发布 Qwen-Robot Suite thread，重点介绍 RobotNav、RobotManip、RobotWorld 以及自然语言作为 action interface 的路线。可信度：官方账号 + Qwen 博客可核验。
  • @ArtificialAnlys：发布 Intelligence Index v4.1，说明新 benchmark 权重、per-task metrics 与 cached input token 成本统计。可信度：第三方 benchmark 源。
  • @xiaohu：8 小时内提到 Claude voice mode 设置页面与 Seedance 2.0 Mini；还转发/引用了 SpaceX-Cursor/SpaceXAI 相关说法。可信度：辅助源；涉及 Claude voice、SpaceX/Cursor 的内容目前缺官方核验，需标为待确认。
  • @OpenAI：本窗口内发布 deployment simulation 研究，重点是用部署模拟预测模型上线前行为；@OpenAIDevs 传播 Codex 在欧洲更多地区的 computer use、Chrome extension、memory、Chronicle 等产品更新。可信度：官方，但不是新基础模型。
  • @AnthropicAI / @ClaudeDevs：本窗口内主要是 Claude Code 经济研究、Managed Agents sandbox/credentials/observability 指南；Fable/Mythos 访问暂停仍是可用性背景。可信度：官方账号。
  • @GeminiApp / @GoogleDeepMind / @GoogleResearch：Gemini App 有 Pixel Drop、Daily Brief、voice/mic 多语言等产品功能；DeepMind 本窗口无新模型；Google Research 有生态/研究更新。Gemini Omni 暂无新的公开模型卡信号。
  • @xai / @grok：Grok in PowerPoint、Warp Agent Settings 中选择 Grok Build、dashboard/LaTeX 等产品更新继续出现；属于入口/工具能力，不是新模型发布。
  • @Kimi_Moonshot：Kimi-K2.7-Code 仍是近期主线，但今天未见比 GLM-5.2 更晚的新模型发布；HighSpeed 模式属近期 carryover。
  • @cohere：继续围绕 North Mini Code 架构/训练解读传播；今天无新模型。
  • @runwayml、@LumaLabsAI、@Kling_ai：主要是活动、工作流、案例或创作者内容；未见新的模型卡/API 发布。
  • @MistralAI、@AIatMeta：本窗口未见新模型发布；Meta Muse Spark 仍是旧的置顶模型信号。

待确认清单

  • GLM-5.2 参数口径：Hugging Face 显示 753B params，部分第三方转述为 744B/40B MoE；需要官方架构表或 technical report 统一口径。
  • GLM-5.2 API 价格与上下文稳定性：Arena 页面和第三方 provider 已出现价格信号，但 Z.ai 官方 API 价格、cached input、1M context 实测延迟、throughput、failure rate 仍需补齐。
  • GLM-5.2 Code Arena: Frontend 第 2：@arena 已发布 X 信号，但需要正式 leaderboard 页面、样本量、confidence interval 和 prompt/task 分布。
  • Qwen-Robot Suite 开放程度：博客已确认三模型路线与指标，但权重、API、机器人硬件适配、license、商用部署条款尚未从公开源完整确认。
  • Seedance 2.0 Mini API 与价格：Dreamina 页面确认产品入口，@xiaohu 提到的低价和速度优势需要 ByteDance/Dreamina 官方 API 文档核验。
  • Claude voice mode：@xiaohu 提到 Claude 设置中出现 voice language/style 相关页面，疑似 upcoming feature；当前未见 Anthropic 官方发布。
  • SpaceX/Cursor/SpaceXAI 相关传言：只在 X 侧看到高传播信号，未见 SpaceX、Cursor 或 xAI 的企业级公告，必须按待核验传言处理。
  • gemini-omni-flash、happyhorse-1.0：Arena Video 仍显示高排名，但官方模型卡、首发时间、API/产品入口、音频能力边界、价格仍未补齐。