AI 模型日报 - 2026-06-19 | QName AI | 官方域名研究与产品指南

30 秒摘要

Artificial Analysis 发布 AA-Briefcase，把“长程知识工作”单独拉成新评测：Claude Fable 5 (with fallback) 暂列第一，Claude Opus 4.8 (max) 第二，GLM-5.2 (max) 第三，GPT-5.5 (xhigh) 第四。
Poolside 发布 Laguna M.1 开放权重模型信号：225B MoE、256K context、Apache 2.0，面向 agentic coding 与 long-horizon work；LMSYS 同步给出 SGLang day-0 支持。
语音模型有新开源信号：MOSS-TTS-Local Transformer v1.5 由 LMSYS/SGLang-Omni 跟进，基于 Qwen3-4B backbone，强调 48 kHz stereo、zero-shot voice cloning、native streaming 与 31 种语言。
OpenAI 今日不是新通用模型发布，重点是 GPT-5.5 Instant 健康问答能力、o3 Deep Research 医疗案例、以及“broadly and persistently beneficial models”对齐研究；GPT-Bidi 暂未见 OpenAI 官方源。
Arena 6 月 18 日 Agent 榜更新：817,448 sessions、28 models，Claude Fable 5 (High) 第一，GPT 5.5 (xHigh) 第三，GLM 5.2 (Max) 第十；视频榜仍由 gemini-omni-flash 与 happyhorse-1.0 占据高位。

今日必看

1. Artificial Analysis：AA-Briefcase 把 agentic knowledge work 拉成新主榜

事件类型：官方发布 + 第三方 benchmark + 竞技场/评测基础设施。
首发/官方/可用时间：Artificial Analysis 文章日期为 2026-06-18；X 首发帖为 2026-06-18 23:01 UTC。
模型/功能名：AA-Briefcase。
能力变化：AA-Briefcase 用复杂项目里的长程知识工作任务测试模型，覆盖多周项目、linked tasks、上千输入文件，并结合 rubric grading 与 pairwise grading 评价可验证完成度、分析质量和表达质量。
当前榜单：Claude Fable 5 (with fallback) 1587 第一但标注为 not currently available；Claude Opus 4.8 (max) 1356 第二；GLM-5.2 (max) 1266 第三；GPT-5.5 (xhigh) 1159 第四；MiniMax-M3 1116 第五。
可用入口：AA-Briefcase evaluation 页面、launch article、AA-Briefcase Lite 资源。
影响判断：这比传统单题 benchmark 更接近“咨询、数据分析、产品、运营”类真实工作流，后续对 agent 选型会比单纯聊天 Elo 更有解释力。GLM-5.2 在该榜第三，进一步支持它本周的 open-weights agent 领跑叙事。
来源：AA-Briefcase article、AA-Briefcase evaluation、@ArtificialAnlys

2. Poolside Laguna M.1：225B MoE 开放权重模型进入 SGLang

事件类型：X 首发 + 开放权重发布 + 可用入口。
首发/官方/可用时间：@poolsideai 在 2026-06-18 14:59 UTC 宣布 releasing weights；@lmsysorg 在 2026-06-18 15:13 UTC 宣布 SGLang day-0 support。
模型/功能名：Laguna M.1。
能力变化：Poolside 称 Laguna M.1 是其目前最强模型，面向 agentic coding 与 long-horizon work，256K context；LMSYS 描述为 225B MoE、70-layer MoE、3 dense SwiGLU layers + 67 sparse MoE layers、256 experts、top-k=16、global attention。
可用入口：Poolside X 指向 Hugging Face base 与 post-trained checkpoints，license 为 Apache 2.0；LMSYS/SGLang 提供 serving cookbook。
影响判断：这是一条高优先级 open-weights coding-agent 信号，但还没有看到 LMArena/AA 的独立成绩。应先进入“候选池”，等 Arena、AA 或内部 SWE/agent harness 结果后再升级。
来源：@poolsideai、@lmsysorg、SGLang cookbook tweet

3. MOSS-TTS-Local Transformer v1.5：开放 TTS 模型获得 SGLang-Omni 支持

事件类型：官方开源模型 + serving 支持 + X 首发。
首发/官方/可用时间：@Open_MOSS 在 2026-06-18 05:39 UTC 发布；@lmsysorg 在 2026-06-18 05:44 UTC 跟进 SGLang-Omni 支持。
模型/功能名：MOSS-TTS-Local Transformer v1.5。
能力变化：LMSYS 转述该模型使用纯 autoregressive Audio Tokenizer + LLM 范式，包含 MOSS-Audio-Tokenizer-v2、Qwen3-4B backbone、native 48 kHz stereo audio、streaming output、zero-shot voice cloning。
覆盖范围：31 种语言，训练语音规模约 4M hours；重点能力是本地/开放 TTS、低首包延迟潜力和语音克隆。
可用入口：OpenMOSS 开源模型与 SGLang-Omni serving。
影响判断：语音 agent 方向值得关注。它与 Soniox v5 Real-Time 形成 “STT/TTS 开放与实时化” 的并行趋势，但生产可用性还要看稳定性、音色一致性、授权边界和推理成本。
来源：@lmsysorg、SGLang-Omni follow-up

4. OpenAI：GPT-5.5 Instant 健康能力与持久有益对齐研究

事件类型：官方 X 发布 + 研究更新 + 能力说明。
首发/官方/可用时间：@OpenAI 在 2026-06-18 连续发布 o3 医疗案例、GPT-5.5 Instant 健康能力、以及 broadly/persistently beneficial models 研究。
模型/功能名：GPT-5.5 Instant、o3 Deep Research、对齐训练研究。
能力变化：OpenAI 称 GPT-5.5 Instant 在健康相关问题上已与 frontier Thinking models 持平，并更擅长识别需要紧急就医的情况、提出 follow-up questions。o3 Deep Research 则用于帮助 Boston Children's Hospital/Harvard clinicians 回看未解决的罕见儿童疾病病例。
对齐研究：OpenAI 表示新研究目标是让模型在新领域和压力条件下保持有益、安全行为，并展示了更难被 adversarial prompts 或 harmful fine-tuning 推向有害行为的初步证据。
可用入口：OpenAI 官方 X 与 alignment.openai.com 链接；当前未见新的 GPT-Bidi 官方页面或独立 GPT-Rosalind/GPT-Bidi 模型卡。
影响判断：这不是新模型首发，而是“医疗/安全能力边界”更新。对高风险行业选型有价值，但必须继续要求医疗 disclaimers、临床验证和审计证据。
来源：@OpenAI health、@OpenAI alignment、@OpenAI o3 medical

5. Apodex-1.0：小互重点跟进的 heavy-duty solver，官方发布日期较早

事件类型：X 首发关注 + 官方博客核验 + 待第三方验证。
首发/官方/可用时间：Apodex 官方博客日期为 2026-06-08；@xiaohu 在 2026-06-18 05:58 UTC 发布中文跟进。
模型/功能名：Apodex-1.0、Apodex-1.0-H、Apodex-1.0-mini 35B。
能力变化：官方称 Apodex-1.0 是 verification-centric agent team / self-evolving heavy-duty solver，面向需要大量调研、检索、工具使用和自我核验的深度研究任务。小互转述其 heavy-duty 模式可最多派出 150 个子 agent、运行 15,000 步，并在 BrowseComp、DeepSearchQA、FutureX 等场景出现强信号。
可用入口：Apodex 官方博客、Apodex 在线入口、Hugging Face collection；本次在线入口出现证书异常，生产前需二次确认。
影响判断：这是“多 agent 深度研究”方向值得跟踪的候选，但目前更像团队自述 + 社区传播。建议等第三方 benchmark、可复现实验和模型下载细节稳定后再作为可用模型推荐。
来源：Apodex blog、@xiaohu、X follow-up

Arena Watch

LMArena / Arena Text：Jun 16, 2026，6,917,183 votes、367 models。Top 10 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、gemini-3.1-pro-preview、gemini-3-pro、claude-opus-4-8-thinking、gpt-5.5-high。
Code Arena WebDev：Jun 16, 2026，381,168 votes、89 models。claude-fable-5 第 1，glm-5.2 (max) 第 2（1595+16/-16，1,641 votes，$1.40/$4.40，1M context），claude-opus-4-7-thinking 第 3。
Arena Agent：Jun 18, 2026，817,448 sessions、28 models。Claude Fable 5 (High) 第 1，Net Improvement 14.05%±1.53%；Claude Opus 4.8 (Thinking) 第 2；GPT 5.5 (xHigh) 第 3；GLM 5.2 (Max) 第 10。
Arena Text-to-Image：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，gemini-3-pro-image-preview-2k (nano-banana-pro) 第 5，原 gemini-2.5-flash-image-preview (nano-banana) 第 21。
Arena Image Edit：Jun 3, 2026，27,146,273 votes、49 models。gpt-image-2 (medium) 第 1，mai-image-2.5 第 2，chatgpt-image-latest-high-fidelity (20251216) 第 3；nano-banana-pro 与 nano-banana-2 仍在 top 7。
Arena Text-to-Video：Jun 10, 2026，479,075 votes、41 models。gemini-omni-flash 第 1（1527±14），dreamina-seedance-2.0-720p 第 2，happyhorse-1.0 第 3，grok-imagine-video-720p 第 10。
Arena Image-to-Video：Jun 10, 2026，1,245,097 votes、41 models。gemini-omni-flash 与 dreamina-seedance-2.0-720p 并列高位，grok-imagine-video-1.5-preview-720p 第 3，happyhorse-1.0 第 4。
Arena Video Edit：May 13, 2026，15,055 votes、6 models。dreamina-seedance-2.0-720p 第 1，happyhorse-1.0 第 2，grok-imagine-video 第 3，kling-o3-pro 第 4。
Artificial Analysis：新增核心是 AA-Briefcase；GLM-5.2 仍是 AA Intelligence Index v4.1 的 open-weights 第一（51 分），并在 AA-Briefcase 中排第三。
来源：Arena overview、Arena Text、Arena WebDev、Arena Agent、Arena Text-to-Image、Arena Text-to-Video、Artificial Analysis

X Watch

@ArtificialAnlys：发布 AA-Briefcase，并同时跟进 Wisedocs MLCR 医疗长上下文推理评测。可信度高，属官方/第三方评测源。
@arena：发布 Agent Arena methodology 说明，并在 6 月 17 日 thread 中强调 GLM-5.2 (Max) 进入 top 10、Kimi K2.7 Code 为 overall #19 / open #6。可信度高，属竞技场官方账号。
@lmsysorg / @poolsideai：Laguna M.1 与 MOSS-TTS-Local Transformer v1.5 是今日开源模型侧最重要信号；前者偏 coding agent，后者偏语音生成。
@OpenAI / @OpenAIDevs：OpenAI 主账号聚焦医疗、对齐和 health intelligence；开发者账号发布 Codex Record & Replay，可把一次工作流演示转成 inspectable/editable skill。后者是产品能力，不是新模型。
@GoogleDeepMind / @GeminiApp：DeepMind 发布 AI Control Roadmap / advanced AI internal systems safety thread；GeminiApp 发布 Gemini 3.5 Flash 行程/jet lag 规划示例。未见新的 Gemini Omni 模型卡或官方发布时间更新。
@Zai_org：转发 AA-Briefcase 和 GLM-5.2 本地量化运行信号，Unsloth 显示 GLM-5.2 可在 llama.cpp/Unsloth Studio 运行，2-bit 版本从 1.51TB 压到 238GB 且保留约 82% accuracy。需要按量化任务重测。
@Kimi_Moonshot：发布 Kimi Work Goal Mode，桌面 agent 可 24/7 持续执行 long-horizon tasks。属于 agent 产品能力，不是新底座模型。
@AnthropicAI / @claudeai：Anthropic 发布 Project Fetch Phase 2，称 Opus 4.7 在机器人编程实验中比去年最佳 human+Opus 4.1 team 快约 20x；Claude 发布 Claude Code Artifacts beta，可把 session 输出生成可分享的交互页面。
@xai / @grok：Grok Word 插件上线；xAI 转发 Grok TTS 在 Vapi humanness index 领先的早期信号；Grok Imagine 1.5 preview 已在 Arena image-to-video 第 3，但今日没有新的 Grok 基础模型发布。
@cohere：发布 North Mini Code 可在 Ollama 本地运行，并可通过 OpenRouter API 免费试用；这是可用入口更新。
@LumaLabsAI：发布 Luma Skills，把创意资产和 workflow 变成可复用技能；属于产品化能力，不是新 Ray/Photon 模型。
@midjourney：正式宣布 Midjourney Medical 与 Midjourney Scanner，官方页称其是 full-body ultrasound / Ultrasonic CT 方向，首个 San Francisco location 计划 2027 年底开放。这是医疗硬件/成像项目，不是图像生成模型首发。
@Kling_ai：本窗口内只有预热式 “ONLY ONE CAN BE THE GOAT”，未见可核验新模型。此前 Kling 3.0 Turbo 在 fal/SeaArt/Clipfly 的分发信号不属于今日新首发。
@xiaohu：重点跟进 Noam Shazeer 加入 OpenAI、Apodex-1.0、Midjourney Medical；小互日报 2026-06-18 还提到 GPT-Bidi、DiffusionGemma、Gemini Omni/Lyria 3 等条目，其中 GPT-Bidi 未找到 OpenAI 官方源，需保留待核验。

待确认清单

GPT-Bidi：小互日报称 OpenAI 推出双向语音模型，但本次未找到 OpenAI 官方博客、模型卡或开发者文档。暂列为待核验传言，不写作官方发布。
Gemini Omni / Lyria 3：小互日报将其与 Android/Pixel Drop 放在同一 headline，但本次未补齐对应官方模型卡或明确发布时间。Arena 中 gemini-omni-flash 已在视频榜高位，但榜单出现不等于官方首发。
DiffusionGemma：小互日报有高分条目，但未在最近 24 小时内看到新的 DeepMind 官方发布。需要区分“旧发布回顾”与“今日新模型”。
Laguna M.1：已见 Poolside/LMSYS X 官方信号，但 Hugging Face model card、参数表、license 文件和第三方 benchmark 仍需继续抓取确认。
MOSS-TTS-Local Transformer v1.5：需补齐模型卡、推理成本、实时延迟、voice cloning 授权与安全边界。
Apodex-1.0：官方博客存在，但在线入口证书异常，Hugging Face collection 与 benchmark claims 需要二次核验；不能直接把 BrowseComp/DeepSearchQA 超越说法当独立结论。
Midjourney Medical：官方页面和 X 均可见，但它是医疗硬件/成像项目，不是 Midjourney 图像模型新版本；后续应单独跟踪监管、临床验证和硬件落地。
Claude Fable 5：AA-Briefcase 标注 not currently available；Arena 多榜第一不等于用户可用，仍需关注开放入口。
gemini-omni-flash、happyhorse-1.0、nano-banana-2：Arena 排名明确，但仍缺完整官方首发时间、API/价格和模型卡边界。