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

AI 模型日报 - 2026-06-18

2026-06-18 AI 模型资讯：GLM-5.2 的第三方确认补齐了：Artificial Analysis 在 2026-06-17 发布文章，称它以 Intelligence Index v4.1 51 分成为新的 open-weights 第一，并进入 Intelligence vs Cost p...

30 秒摘要

  • GLM-5.2 的第三方确认补齐了：Artificial Analysis 在 2026-06-17 发布文章，称它以 Intelligence Index v4.1 51 分成为新的 open-weights 第一，并进入 Intelligence vs Cost per Task Pareto frontier。
  • Arena 继续给 GLM-5.2 加权：Agent Arena 已增至 786,587 sessions、28 models，GLM 5.2 (Max) 第 10；Code Arena WebDev 显示 glm-5.2 (max) 第 2，仅次于 claude-fable-5。
  • xAI 今天有两个高优先级信号：Grok Imagine Video 1.5 已从 preview 进入 API GA，模型名 grok-imagine-video-1.5；Grok 4.3 同时通过 Amazon Bedrock 正式可用，支持 1M context 和可调 reasoning effort。
  • OpenAI 没有新通用模型，但发布了 LifeSciBench 与 GPT-5.4/Maria AI chemistry workflow：GPT-Rosalind 在 LifeSciBench 上相对 GPT-5.5 有明显提升，GPT-5.4 则在真实实验中帮助提高 Chan-Lam coupling 产率。
  • 视频/图像 Arena 主榜仍未刷新：gemini-omni-flash、happyhorse-1.0、nano-banana 系列继续按旧榜观察；新增视频模型关注点转向 xAI Grok Imagine Video 1.5 与 Luma Ray 3.2/Runware、Runway API Recipes 等入口。

今日必看

1. GLM-5.2：Artificial Analysis 确认为 open-weights Intelligence Index 第一

  • 事件类型：第三方 benchmark + 官方发布后续核验 + 可用入口。
  • 首发/官方/可用时间：Z.ai 官方发布为 2026-06-16；Artificial Analysis 评测文章日期为 2026-06-17。
  • 模型/功能名：GLM-5.2 / GLM-5.2 (max)。
  • 能力变化：Artificial Analysis 称 GLM-5.2 在 Intelligence Index v4.1 得分 51，领先 MiniMax-M3 44、DeepSeek V4 Pro (max) 44、Kimi K2.6 43，成为新的 open-weights 第一。相对 GLM-5.1 提升 +11 分。
  • 关键指标：AA 口径下 GLM-5.2 为 744B total / 40B active，MIT license，1M context，first-party API 价格为 $1.4 / $4.4 / $0.26 per 1M input/output/cache-hit tokens。GDPval-AA v2 得分 1524，接近 GPT-5.5 xHigh 1514，并明显高于 MiniMax-M3 1418 与 DeepSeek V4 Pro max 1328。
  • 成本/效率：AA 估算 GLM-5.2 每个 Intelligence Index task 成本约 $0.46，低于同等 intelligence level 的闭源模型；但它每 task 输出约 43k tokens，其中 37k 是 reasoning tokens，token efficiency 仍需观察。
  • 可用入口：Z.ai API、Hugging Face、Fireworks、DeepInfra、Novita、Nebius、Parasail、SiliconFlow、GMI Cloud、Baseten 等；OpenCode 也在 X 上称 GLM-5.2 已进入 Go，并出现 3x demand。
  • 影响判断：今天可以把 GLM-5.2 从“新发布待验证”升级为“已被第三方确认的 open-weights 领跑模型”。但它的强项更集中在长程 agent/science/coding 任务，生产选型还要继续实测 1M context 稳定性、输出 token 成本和 provider 延迟。
  • 来源：Artificial Analysis GLM-5.2、@Zai_org、Z.ai GLM-5.2 blog

2. Arena 更新：GLM-5.2 WebDev #2，Kimi-K2.7-Code 进入 Agent Arena

  • 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：Code Arena WebDev 页面显示 Jun 16, 2026；@arena 在 2026-06-17 发布 Agent Arena 新增模型说明。
  • 模型/功能名：glm-5.2 (max)、GLM 5.2 (Max)、Kimi K2.7 Code。
  • Code Arena WebDev：页面显示 381,168 votes、90 models。claude-fable-5 第 1，score 1654+16/-16；glm-5.2 (max) 第 2，score 1595+16/-16，votes 1,641，价格 $1.40 / $4.40，context 1M；claude-opus-4-7-thinking 第 3。
  • Agent Arena：页面增至 786,587 sessions、28 models。GLM 5.2 (Max) 第 10，Net Improvement 4.37%±2.48%，Confirmed Success 9.43%±4.52%，sessions 11,626。Kimi K2.7 Code 第 19，Net Improvement 2.71%±2.39%，sessions 14,630。
  • X 信号：@arena 称 Agent Arena 过去两周新增 10 个模型，GLM-5.2 是当前测到的最强 open-weight 结果；Kimi-K2.7-Code 则为 overall #19、open models #6。
  • 影响判断：Arena 与 AA 今天形成交叉验证：GLM-5.2 是本周最强开源/开放权重 coding-agent 候选；Kimi-K2.7-Code 已进入真实 agent 榜，但相对 GLM-5.2 和闭源第一梯队仍有距离。
  • 来源：Code Arena WebDev、Arena Agent、@arena

3. xAI：Grok Imagine Video 1.5 GA，同时 Grok 4.3 登陆 Amazon Bedrock

  • 事件类型：官方发布 + 可用入口 + 云平台分发。
  • 首发/官方/可用时间：xAI 官方新闻页为 2026-06-16；@xai 在本窗口内发布 Grok Imagine Video 1.5 is here 与 Grok is now available on Amazon Bedrock。
  • 模型/功能名：grok-imagine-video-1.5、Grok Imagine Video 1.5、Grok 4.3。
  • 能力变化：xAI 称 Grok Imagine Video 1.5 已从 preview 进入 API GA，增强 motion/physics、prompt adherence、audio/speech generation，可在约 25 秒生成 6 秒、720p video clip，API 模型名为 grok-imagine-video-1.5。
  • Bedrock 信号：AWS Bedrock 模型卡显示 Grok 4.3 支持 1M token context、可调 reasoning effort（none/low/medium/high），on-demand 价格为 $1.25 input、$2.50 output per 1M tokens，并由 Amazon Bedrock Mantle secure inference engine 承载。
  • 可用入口：Grok API、grok.com/imagine、Amazon Bedrock、DigitalOcean Marketplace Grok Build VM。
  • 影响判断：这是今天视频模型方向最明确的官方首发。Grok 4.3 上 Bedrock 则是企业分发信号，会降低 AWS 用户接入 xAI 模型的阻力；但 Bedrock 版本能力边界、region、tool calling 与原生 xAI API 差异还需要实测。
  • 来源：@xai、Grok Imagine 1.5、AWS Bedrock Grok 4.3 model card

4. OpenAI：LifeSciBench 与 GPT-5.4 chemistry workflow，偏科学评测而非新通用模型

  • 事件类型：官方 benchmark + 官方研究/案例。
  • 首发/官方/可用时间：OpenAI 在 2026-06-17 发布 LifeSciBench；同日 X 上发布 GPT-5.4 参与 medicinal chemistry workflow 的案例。
  • 模型/功能名：LifeSciBench、GPT-Rosalind、GPT-5.4。
  • 能力变化：LifeSciBench 包含 750 个由 173 名科学家编写的 expert-authored tasks，覆盖七类生物研究场景，目标是衡量模型是否能基于证据推理、处理 scientific artifacts、处理不确定性，并在真实约束下做有用决策。
  • 模型信号：OpenAI X 称 GPT-Rosalind 在 LifeSciBench 上高于 GPT-5.5；GPT-5.4 则与 Molecule.one 的 Maria AI 和实验室 workflow 配合，提出提高药物发现常用 reaction 的方案，并完成实验验证。
  • 可用入口：OpenAI LifeSciBench 文章、OpenAI chemistry case 文章；当前未见 GPT-Rosalind 独立 API 或模型卡。
  • 影响判断：这不是新通用模型发布，但对科学 agent 选型重要。后续应关注 GPT-Rosalind 是否变成可用模型/工具、LifeSciBench 是否纳入公开排行榜，以及 GPT-5.4 在科研工作流中的可复现边界。
  • 来源：@OpenAI、LifeSciBench、OpenAI AI chemist

5. Soniox v5 Real-Time：语音模型进入 AA Pareto frontier

  • 事件类型：官方发布 + 第三方 benchmark + 可用入口。
  • 首发/官方/可用时间：Soniox 官方 X 在 2026-06-16 宣布 v5 Real-Time；Artificial Analysis 在 2026-06-17 评测。
  • 模型/功能名：Soniox v5 Real-Time。
  • 能力变化：Soniox 称 v5 Real-Time 支持 60+ languages、流式低延迟 speech-to-text，并新增/强调 endpoint sensitivity 等实时分段控制。Artificial Analysis 称其在准确率/延迟 Pareto frontier 上，且价格为 proprietary model 中最低。
  • 可用入口：Soniox console/API；价格信号为 $2 per 1,000 minutes of audio。
  • 影响判断：如果日报覆盖“模型”不只限 LLM，这条应纳入。它对 realtime voice agent、会议转写、语音操作系统有直接价值；后续需要横向对比 Gemini/OpenAI/ElevenLabs/Deepgram 等 STT 低延迟模型。
  • 来源：@soniox_ai、@ArtificialAnlys

Arena Watch

  • LMArena Text Overall：本次抓取未见相对昨日的核心结构变化，GLM-5.2 仍在 Text 总榜中游偏上位置，核心新增信号转移到 AA Intelligence Index 与 Code/Agent Arena。
  • Code Arena WebDev：Jun 16, 2026，381,168 votes、90 models。Top 5 为 claude-fable-5、glm-5.2 (max)、claude-opus-4-7-thinking、claude-opus-4-8-thinking、kimi-k2.6。GLM-5.2 在 frontend/webdev 任务上是今天最重要的新条目。
  • Arena Agent：786,587 sessions、28 models。Claude Fable 5 (High) 仍第 1；Claude Opus 4.8 (Thinking) 第 2；GPT 5.5 (xHigh) 第 3；GLM 5.2 (Max) 第 10；Kimi K2.7 Code 第 19。
  • 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 系列无新榜单变化。
  • 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；grok-imagine-video-720p 第 10。Grok Imagine Video 1.5 已发布，但尚未在该页看到 1.5 新条目。
  • Artificial Analysis：GLM-5.2 是新的 open-weights 第一；Soniox v5 Real-Time 是新的 speech-to-text Pareto frontier 信号；v4.1 指标体系继续强化 agentic workloads。
  • 来源：Arena Agent、Code Arena WebDev、Arena Text-to-Image、Arena Text-to-Video、Artificial Analysis

X Watch

  • @ArtificialAnlys：重点发布 GLM-5.2 在 AA Intelligence Index v4.1 的 open-weights 第一结果，并补充 CritPt 物理 benchmark 信号；另发布 Soniox v5 Real-Time 的 STT 评测。
  • @arena：发布 Agent Arena 两周新增 10 个模型的更新；重点称 GLM-5.2 是最强 open-weight result，Kimi-K2.7-Code 是 Agent Arena overall #19、open #6。
  • @Zai_org：继续转发 GLM-5.2 可用入口和最佳实践，包括 OpenCode Go、Featherless、AA 评测、用户使用建议等。
  • @xai / @grok：Grok Imagine Video 1.5、Grok 4.3 on Amazon Bedrock、DigitalOcean Grok Build VM 是三条高信号；HyperFrames connector 属产品集成。
  • @OpenAI：发布 LifeSciBench 与 GPT-5.4 chemistry workflow；@OpenAIDevs 主要是 Codex 活动、Rust Foundation 支持，不是模型首发。
  • @GeminiApp：发布 Gemini Live 社群 demo、Nano Banana 2 templates、Pixel Drop 中的 Gemini Omni music generation、Daily Brief 等产品更新；未见新的 Gemini Omni 模型卡。
  • @Alibaba_Qwen：仍是 6 月 16 日 Qwen-Robot Suite thread，没有更新的 Qwen 模型首发。
  • @xiaohu：重点转发 Codex 可接入开源模型的 OSS/local provider 配置、TRAE 活动和国内应用访问现象；小互日报 2026-06-17 头条为 SpaceX/Cursor 传言，必须待核验。
  • @AnthropicAI / @ClaudeDevs：Claude Code 经济研究、Managed Agents、Build Day demos 为主；Fable/Mythos 访问暂停仍是背景风险。
  • @cohere：继续围绕 North Mini Code 与 AI sovereignty；未见新模型。
  • @runwayml：发布 Runway API Recipes，可一键接入生成式媒体工作流；这是 API 产品能力，不是新基础模型。
  • @LumaLabsAI：转发 Runware 上线 Ray 3.2，支持 text-to-video、image-to-video、start/end frame、5s/10s、最高 1080p、HDR/EXR、looping/extension。
  • @Kling_ai、@MistralAI、@AIatMeta：未见新模型发布；主要是案例、活动、旧置顶模型或生态动态。

待确认清单

  • GLM-5.2 参数口径已从 HF 753B params 与 AA/Z.ai 744B total / 40B active 出现差异，后续以官方 technical report/architecture table 为准。
  • GLM-5.2 的 Code Arena WebDev #2 与 Agent Arena #10 已可见，但还需观察样本量增长后的 confidence interval、价格/延迟、1M context failure rate。
  • Grok Imagine Video 1.5 已官方 GA，但还需确认它何时进入 Arena Video、是否替代 grok-imagine-video-720p、API 价格、并发与音频能力边界。
  • Grok 4.3 on Bedrock 需要实测 Bedrock 版本和 xAI 原生 API 在 tool calling、reasoning effort、latency、region availability 上是否一致。
  • GPT-Rosalind 目前只在 LifeSciBench 语境出现，未见独立模型卡/API；不能当成已开放模型。
  • Soniox v5 Real-Time 的 AA 结果应继续补全 WER、latency、streaming stability、diarization 与 endpoint sensitivity 实测。
  • 小互日报的 SpaceX 600 亿美元收购 Cursor、SpaceXAI/Cursor 模型等内容仍缺官方 SpaceX/Cursor/监管文件确认，只能列为高热传言。
  • gemini-omni-flash、happyhorse-1.0、nano-banana-2 仍缺完整官方模型卡、首发时间和 API/价格边界。