AI 模型日报 - 2026-06-20 | QName AI | 官方域名研究与产品指南

30 秒摘要

豆包实时语音模型 3.0（Seeduplex）API 服务出现高热信号：多家媒体称火山引擎已在 2026-06-18 上线并开启邀测，@xiaohu 在本窗口跟进；现有官方可核验页是 ByteDance Seed/火山引擎实时语音产品页，但未找到对应 3.0 API 发布公告页。
Anthropic/Claude 今日重点不是新底座模型，而是 agent 工具链：Claude Code Artifacts、企业 MCP 托管授权、Claude Code steering 指南，以及 Project Fetch Phase 2 的 Opus 4.7 机器人编程实验。
GLM-5.2 继续增强本周 open-weights agent 叙事：Z.ai/X 端给出应用开发任务 GLM-5.1 21/70 -> GLM-5.2 48/70 的对比，Artificial Analysis 仍显示 GLM-5.2 为 Intelligence Index v4.1 open-weights 第一。
Arena 概览没有出现新的大榜重排：Text 仍由 Claude 系列占据前排，WebDev 中 glm-5.2 (max) 保持第 2，视频榜继续由 gemini-omni-flash、dreamina-seedance-2.0-720p、happyhorse-1.0 占据高位。
小互日报 2026-06-19 的主线是企业 Agent 生产化：Google Cloud / THG Ingenuity 的 Myprotein AI shopping assistant 案例显示 8x conversion、5.5x first-time buyer conversion、22% basket uplift；这是 Gemini Enterprise Agent Platform 的商业落地案例，不是新 Gemini 模型。

今日必看

1. 豆包实时语音模型 3.0（Seeduplex）：API 服务上线信号，但官方发布页待补齐

事件类型：媒体报道 + X 首发跟进 + 官方产品页交叉核验 + 待官方公告补齐。
首发/官方/可用时间：媒体报道集中在 2026-06-18；@xiaohu 在 2026-06-19 06:04 UTC 发布中文跟进；报道称 API 服务已上线并开启邀测。
模型/功能名：豆包实时语音模型 3.0、Seeduplex。
能力变化：报道口径称该模型是原生全双工端到端语音大模型，强调精准遵循、抗干扰、动态判停，并可在对话中调用工具完成任务，目标是从“轮流说话”走向更自然的连续语音交互。
可用入口：报道称经火山引擎 API 邀测开放；官方可交叉参考入口是 ByteDance Seed 的 Realtime Voice / Seeduplex 页面与火山引擎“豆包端到端实时语音大模型”产品页。
影响判断：如果 API 邀测属实，这是国内实时语音 agent 的高优先级信号，重点影响智能座舱、硬件终端、客服和电话 agent。但在未找到火山引擎 3.0 发布公告或完整 API 文档前，不应把它写成已完全公开可用。
来源：@xiaohu、@xiaohu follow-up、新浪财经、搜狐、ByteDance Seed Realtime Voice、火山引擎实时语音产品页

2. Claude Code / Anthropic：Artifacts、MCP 授权与 Project Fetch Phase 2 集中更新

事件类型：官方发布 + 产品能力更新 + 研究更新。
首发/官方/可用时间：Claude/Anthropic 官方文章均为 2026-06-18；相关内容仍在本窗口被小互日报和 X 重点账号继续传播。
模型/功能名：Claude Code Artifacts、Enterprise-managed auth for MCP connectors、Claude Code steering、Project Fetch Phase Two。
能力变化：Claude Code Artifacts 可把一次会话中的工作进展生成为可分享、可更新的交互页面；企业 MCP 托管授权用于集中管理 connector 授权；steering 指南系统化说明 CLAUDE.md、rules、skills、subagents、hooks、output styles 等控制方式；Project Fetch Phase 2 则展示 Opus 4.7 在机器人编程任务上的长程 agent 实验结果。
可用入口：Claude Code CLI / desktop app、Claude Team/Enterprise beta、Anthropic research 页面。
影响判断：这不是 Claude 新模型首发，但它直接提高“模型作为工程 agent”的可操作性。对团队落地而言，Artifacts 与 MCP 授权比单纯 Elo 更接近生产瓶颈：可解释、可分享、可管控。
来源：Claude Code Artifacts、Enterprise-managed auth、Steering Claude Code、Project Fetch Phase Two

3. GLM-5.2：应用开发任务继续放大，AA 仍确认 open-weights 第一

事件类型：X 首发 + 第三方 benchmark + 竞技场出现。
首发/官方/可用时间：Artificial Analysis 的 GLM-5.2 文章日期为 2026-06-17；@Zai_org 与相关研究者在 2026-06-19 继续发布应用开发 benchmark 片段。
模型/功能名：GLM-5.2 (max)。
能力变化：Z.ai/X 端给出的应用开发任务对比显示 GLM-5.1 完成 21/70，GLM-5.2 完成 48/70，Claude Fable 5 完成 56/70。Artificial Analysis 则显示 GLM-5.2 Intelligence Index v4.1 得分 51，较 GLM-5.1 提升 11 分，1M context，MIT license，744B total / 40B active parameters。
可用入口：Z.ai first-party API、第三方供应商，以及 Arena WebDev/Agent/AA Intelligence Index。
影响判断：GLM-5.2 已从“开源权重参数很强”进入“agentic coding / long-horizon task 证据密集”阶段。风险是部分应用开发数据来自一手/社区片段，仍需等可复现 harness 与真实使用成本。
来源：Artificial Analysis GLM-5.2、GLM-5.2 model page、@arena GLM-5.2、@Zai_org

4. Artificial Analysis：AA-Briefcase 仍是本周最重要的新评测基础设施

事件类型：官方发布 + 第三方 benchmark。
首发/官方/可用时间：AA-Briefcase 文章日期为 2026-06-18；@ArtificialAnlys X 首发在 2026-06-18 23:01 UTC，落入本次窗口早段。
模型/功能名：AA-Briefcase。
能力变化：AA-Briefcase 用四个多周知识工作项目、91 个任务和近 2,000 个源文件模拟真实知识工作，结合 rubric pass rate、analytical quality Elo、presentation Elo 评估 agentic capability。
当前榜单：Artificial Analysis 文章称 Claude Fable 5 领先，随后是 Claude Opus 4.8 (max) 与 GLM-5.2 (max)，GPT-5.5 (xhigh) 排在其后；同时指出 GLM-5.2 是 open-weight 模型中的清晰领先者。
可用入口：AA-Briefcase article、AA-Briefcase evaluation page、AA-Briefcase Lite public scenario。
影响判断：该榜比聊天 Elo 更接近咨询、产品、运营、数据分析这类高价值 agent 工作。后续日报应持续记录模型在 AA-Briefcase 上的排名、成本/任务和耗时/任务，而不只看总分。
来源：AA-Briefcase article、AA-Briefcase evaluation、@ArtificialAnlys

5. Gemini Enterprise Agent Platform：Google Cloud / THG 案例进入小互日报头条

事件类型：官方案例 + 媒体/日报辅助源 + 生产可用信号。
首发/官方/可用时间：Google Cloud / THG Ingenuity press release 日期为 2026-06-17；小互日报 2026-06-19 将其作为头条主题继续跟进。
模型/功能名：Gemini Enterprise Agent Platform、THG Ingenuity AI Shopping Assistant。
能力变化：THG/Myprotein 案例称 AI shopping assistant 在 Myprotein 站点推动 8x higher conversions、5.5x first-time buyer conversion uplift，以及 22% average basket increase。
可用入口：Google Cloud London Summit 2026 相关博客、Google Cloud Press Corner / THG Ingenuity 新闻稿。
影响判断：这是企业 Agent 生产化的重要商业证据，但不是新 Gemini 模型发布。它更适合放进“可复用行业案例”和“Agent ROI”库，不应混同为 Gemini Omni 或 Gemini 新模型首发。
来源：小互 AI 日报、Google Cloud London Summit blog、Google Cloud Press Corner

6. OpenAI Codex Record & Replay：工作流录制为 Skill，适合纳入内部自动化方法论

事件类型：官方文档 + X 首发传播 + 产品能力。
首发/官方/可用时间：@xiaohu 在 2026-06-19 05:00 UTC 跟进；OpenAI Developers 已有 Record & Replay 官方文档。
模型/功能名：Codex Record & Replay。
能力变化：用户可在 Mac 上演示一段重复工作流，Codex 观察后生成可检查、可编辑、可复用的 Skill；官方文档显示该能力初期支持 macOS，并依赖 Computer Use。
可用入口：OpenAI Developers Codex Record & Replay 文档。
影响判断：这不是模型发布，但对日报自动化本身有直接价值：可把“打开来源、判断可信度、写入归档、同步 qname.ai”的重复流程沉淀为可分享 Skill。
来源：@xiaohu、@xiaohu follow-up、OpenAI Developers Record & Replay

Arena Watch

Arena Overview / Agent：Claude Fable 5 (High) 仍为 Agent 概览第 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：Top 10 仍由 Claude 系列与 Gemini/OpenAI/Meta 系模型占据：claude-fable-5 1508±9 第 1，claude-opus-4-6-thinking 1504±4 第 2，claude-opus-4-7-thinking 1502±5 第 3，muse-spark 第 6，gemini-3.1-pro-preview 与 gemini-3-pro 分列第 7/8，gpt-5.5-high 第 10。
Arena WebDev：claude-fable-5 1654+16/-16 第 1；glm-5.2 (max) 1595+16/-16 第 2；claude-opus-4-7-thinking 第 3；qwen3.7-max-20260517 与 glm-5.1 并列进入 top 10 段。
Arena Image-to-WebDev：claude-opus-4-7-thinking 第 1，claude-sonnet-4-6 第 2，gpt-5.5-xhigh (codex-harness) 第 5，kimi-k2.6 第 7，说明 coding-agent / UI rebuild 赛道仍是 Claude 与 GPT-5.5 系列主导，但 Kimi 有存在感。
Arena Text-to-Image：gpt-image-2 (medium) 1385±6 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。
Arena Image Edit：gpt-image-2 (medium) 第 1，mai-image-2.5 第 2，chatgpt-image-latest-high-fidelity (20251216) 第 3，grok-imagine-image-quality (20260519)、nano-banana-pro、nano-banana-2 均在 top 6 附近。
Arena Text-to-Video：gemini-omni-flash 1527±14 第 1，dreamina-seedance-2.0-720p 第 2，happyhorse-1.0 第 3，veo-3.1-audio-1080p 第 4，grok-imagine-video-720p 第 10。
Arena Image-to-Video：gemini-omni-flash 与 dreamina-seedance-2.0-720p 均为 1475 段高位，grok-imagine-video-1.5-preview-720p 第 3，happyhorse-1.0 第 4。
Arena Video Edit：dreamina-seedance-2.0-720p 第 1，happyhorse-1.0 第 2，grok-imagine-video 第 3，kling-o3-pro 第 4，runway-gen4-aleph 第 6。
Artificial Analysis：AA-Briefcase 是本周新增核心评测；GLM-5.2 (max) Intelligence Index v4.1 得分 51，为当前 open-weights 第一，并位于 Intelligence vs Cost per Task Pareto frontier。
来源：Arena overview、Arena Agent、Arena Text、Arena WebDev、Arena Text-to-Image、Arena Text-to-Video、Artificial Analysis

X Watch

@xiaohu：本窗口最高价值是两条：一是 Codex Record & Replay 能把重复任务录制成 Skill；二是豆包实时语音模型 3.0 API 上线/邀测信号。可信度：X 首发/中文信号源，需要官方文档补齐后升级。
@ArtificialAnlys：继续扩散 AA-Briefcase，强调其面向 realistic long-horizon knowledge work。可信度：高，属第三方评测官方账号。
@arena：发布 GLM-5.2 first impressions / testing 相关内容。可信度：高，属竞技场官方账号；但 X 帖不等同于完整榜单更新，需以 Arena 页面为准。
@Zai_org 与相关研究者：给出 GLM-5.2 在 app development / long-horizon tasks 上的片段式结果，48/70 接近 Claude Fable 5 的 56/70。可信度：中高，需第三方可复现。
@OpenAI / @OpenAIDevs：本窗口未见新底座模型首发；Codex Record & Replay 是开发者工作流能力，OpenAI health/spend controls 等官方博客仍可作为背景，但不计作今日新模型。
@GoogleDeepMind / @GoogleAI / @GeminiApp：未见新的 Gemini Omni 官方模型卡或发布时间；Google Cloud 侧更值得记录的是 Gemini Enterprise Agent Platform 的 THG/Myprotein 商业案例。
@AnthropicAI / @claudeai：Claude Code Artifacts、MCP 授权和 Project Fetch Phase 2 是工程 agent 方向重点；未见新的 Claude 底座模型发布。
@xai / @grok：@grok 的高互动帖主要是 custom skills 社区向内容；未见新 Grok 基础模型发布。Arena 里的 grok-imagine-video-1.5-preview-720p 仍需官方模型卡/价格补齐。
@runwayml：本窗口主要是广告/品牌 campaign 示例，属于产品案例，不是 Gen-4/Aleph 新模型发布。
@LumaLabsAI：发布 Timeline / EDL export 等编辑工作流能力，属于产品功能；未见 Ray/Photon 新模型。
@Kling_ai：出现 “ONLY ONE CAN BE THE GOAT” 预热帖，但没有可核验模型名、API、价格或发布时间。维持待确认。
@Qwen/Alibaba、@MistralAI、@AIatMeta、@cohere：本窗口未抽取到足以升级为“今日必看”的新模型首发；继续保留为日常监控。

待确认清单

豆包实时语音模型 3.0 API：媒体和 X 信号明确，但仍需火山引擎官方发布公告、API 文档或控制台入口截图来确认开放范围、价格、调用方式和模型 ID。
Gemini Omni / gemini-omni-flash：Arena 视频榜排名明确，但官方首发时间、模型卡、API 入口、价格和是否与 Google Cloud / Gemini 产品线一致仍未补齐。
happyhorse-1.0：Arena text-to-video / image-to-video / video edit 均在高位，但缺官方发布源、团队归属、可用入口和商业授权。
nano-banana-2 / nano-banana-pro：Arena 图像榜排名明确，但官方命名、首发时间、API/价格和与 Gemini image-preview 系列的关系仍需核验。
GLM-5.2 app development 48/70：信号强，但目前更像 X/一手实验片段；需要可复现任务集、prompt、评分规则和第三方运行记录。
Claude Fable 5：Arena 与 AA 多处领先，但 AA-Briefcase 曾标注 not currently available；需要持续跟踪实际可用入口。
Kling GOAT teaser：只有预热文案，不能写作模型发布。
OpenAI GPT-Bidi：此前小互日报提及但仍未找到 OpenAI 官方博客、模型卡或开发者文档；继续列为待核验传言。
Midjourney Medical / Scanner：有官方页面和媒体信号，但它是医疗硬件/成像项目，不是图像生成模型新版本；后续应单独跟踪监管、临床验证和落地时间。