全部 AI 模型日报
香港时间采集

AI 模型日报 - 2026-07-07

2026-07-07 AI 模型资讯:OpenAI 开发者账号在 2026-07-06T22:13Z 发布最明确的今日模型/接口信号:GPT-Realtime-2.1-mini 已在 API 可用,把 reasoning 与 tool use 带到 Realtime mini 线,并称 Realtime 语...

30 秒摘要

  • OpenAI 开发者账号在 2026-07-06T22:13Z 发布最明确的今日模型/接口信号:GPT-Realtime-2.1-mini 已在 API 可用,把 reasoning 与 tool use 带到 Realtime mini 线,并称 Realtime 语音模型通过缓存改进让 p95 latency 至少下降 25%。
  • Artificial Analysis 今天有两条需要跟进的榜单/评测信号:Simba 3.2 被其 X 官方帖称为 Speech Arena #1;同时发布 AutomationBench-AA,用于评测 agent 自动化真实 SaaS workflow 时的目标完成与 guardrail 违规情况。
  • Anthropic 发布了 “A global workspace in language models” 解释性研究,重点是 Claude 内部可被读写/调制的 J-space / Jacobian Lens,不是新模型发布,但对安全审计和模型可解释性很重要。
  • Sakana AI 发布 Sakana Translate,由 Namazu 相关后训练能力驱动,支持日/英/中双向翻译、Proofread 和 Ask;当前是产品入口和能力展示,不是公开 API 或新基础模型首发。
  • 重点账号中未见 Google Gemini、Qwen/Wan、Mistral、Meta AI、Cohere、Runway、Luma、Kling、xAI/Grok 在本窗口发布新的官方模型 ID;@xiaohu 关于 GPT 5.6 与实时语音控制本周 rollout 的说法应保留为待核验 X 传言。

今日必看

1. OpenAI:GPT-Realtime-2.1-mini 已在 API 可用

  • 事件类型:官方发布 + API 可用性更新。
  • 首发/官方/可用时间:@OpenAIDevs 在 2026-07-06T22:13Z 连发两条 X 帖;第一条确认 GPT-Realtime-2.1-mini 已在 API 可用,第二条说明 Realtime 语音模型 p95 latency 至少下降 25%。
  • 模型/功能名:GPT-Realtime-2.1-mini、GPT-Realtime-mini、Realtime voice models、reasoning、tool use、improved caching。
  • 能力变化:OpenAI 明确说 Realtime mini 线获得 reasoning 与 tool use,且成本与 GPT-Realtime-mini 相同;Realtime 语音模型通过更好的缓存策略降低尾延迟。官方 X 是本轮最早可见的正式来源,独立的 gpt-realtime-2.1-mini 文档页在公开搜索中尚未稳定出现,价格和 model ID 细节仍应以 API 控制台/文档实际可见项为准。
  • 可用入口:OpenAI API Realtime;Realtime / audio 文档页面可作为入口说明,具体可用模型以 API 模型列表为准。
  • 影响判断:这是今天最高优先级事项。对语音 agent、客服通话、实时会议助手和工具调用型 voice workflow,关键不是单纯换模型名,而是要马上实测:model ID、tool-calling 稳定性、缓存命中条件、跨语言语音延迟、长会话上下文、价格是否完全等同于 Realtime mini。
  • 来源:@OpenAIDevs: GPT-Realtime-2.1-mini、@OpenAIDevs: Realtime latency、OpenAI API: GPT-Realtime mini、OpenAI API: GPT-Realtime-2

2. Artificial Analysis:Simba 3.2 TTS 排名与 AutomationBench-AA

  • 事件类型:榜单变化 + 新评测发布。
  • 首发/官方/可用时间:@ArtificialAnlys 在 2026-07-06T22:21Z 称 Speechify 的 Simba 3.2 登上 Artificial Analysis Speech Arena Leaderboard #1;同账号在 2026-07-06T18:12Z 发布 AutomationBench-AA。
  • 模型/功能名:Simba 3.2、Speech Arena、Text-to-Speech Arena、AutomationBench-AA、Zapier AutomationBench、GPT-5.5 (xhigh)、Claude Opus 4.8 (max)。
  • 能力变化:TTS 侧,官方 X 帖称 Simba 3.2 超过 Sonic 3.5、Inworld Realtime TTS 1.5 Max、Google Gemini 3.1 Flash TTS;但公开 leaderboard 静态 FAQ 快照仍显示 Gemini 3.1 Flash TTS 为 #1,说明页面类别/缓存/更新时点需要复核,暂不写死 Simba 的 Elo。Agent 侧,AutomationBench-AA 衡量模型是否能在真实 SaaS 自动化流程中完成目标且不违反业务规则;Artificial Analysis 称 GPT-5.5 (xhigh) 工具调用更多,Claude Opus 4.8 (max) 更克制、guardrail 违规更少。
  • 可用入口:Artificial Analysis TTS leaderboard / Speech Arena / Speech Explorer;AutomationBench-AA 评测页。
  • 影响判断:AutomationBench-AA 比单轮 coding benchmark 更接近真实 AI agent SaaS 的质量边界,值得纳入后续选型。Simba 3.2 可列为 TTS 候选,但在静态页面与 X 说法完全对齐前,建议只标记为“AA 官方 X 首发的榜单信号”。
  • 来源:@ArtificialAnlys: Simba 3.2、Artificial Analysis TTS Leaderboard、Artificial Analysis TTS Arena、@ArtificialAnlys: AutomationBench-AA、AutomationBench-AA

3. Anthropic:Claude “global workspace” 解释性研究

  • 事件类型:官方研究发布,不是模型发布。
  • 首发/官方/可用时间:@AnthropicAI 在 2026-07-06T17:34Z 发布研究帖,并指向 Anthropic Research 与 Transformer Circuits 论文页面。
  • 模型/功能名:Claude、global workspace、J-space、Jacobian Lens、Neuronpedia demo。
  • 能力变化:研究称语言模型内部存在类似“全局工作空间”的可言说表示区域,可用于读取、审计和一定程度上塑造 Claude 正在处理的内部表征。Anthropic 同时给出 Neuronpedia demo,把方法开放给研究者在 open-weights 模型上交互体验。
  • 可用入口:Anthropic Research 页面、Transformer Circuits 论文、Neuronpedia demo。
  • 影响判断:这不改变当前 API 模型能力,但对安全审计、chain-of-thought 替代信号、agent 失控诊断和模型内省工具有长期价值。建议放入 interpretability watchlist,而不是放入“今日新模型”。
  • 来源:@AnthropicAI research thread、@AnthropicAI J-space follow-up、Anthropic: A global workspace in language models、Transformer Circuits paper、Neuronpedia

4. Sakana AI:Sakana Translate 上线,展示 Namazu 翻译能力

  • 事件类型:官方产品发布 + 模型能力展示,不是公开基础模型/API 首发。
  • 首发/官方/可用时间:@SakanaAILabs 在 2026-07-06T00:38Z 发布日文帖,2026-07-06T16:00Z 发布英文帖,并在后续帖解释为什么需要面向日语语境的翻译工具。
  • 模型/功能名:Sakana Translate、Sakana Chat、Namazu、Translate、Proofread、Ask。
  • 能力变化:Sakana 称该工具支持日文、英文、中文双向翻译,强调敬语、文化语境、网络用语和长文本处理;公开材料称其由 Namazu 通过专有后训练方式增强。当前入口是免费 Web app,并被加入 Sakana Chat;公开 API 尚未确认。
  • 可用入口:translate.sakana.ai、Sakana Chat、Sakana 官方发布博客。
  • 影响判断:对日英中本地化、技术文档翻译和日本市场产品 copy 有立即试用价值;但评测主要来自 Sakana 自身,需要用真实业务语料和 DeepL / Gemini / GPT / Claude 对照测试。
  • 来源:@SakanaAILabs Japanese announcement、@SakanaAILabs Namazu details、@SakanaAILabs English announcement、Sakana Translate release

5. 其它重点账号:多为产品、活动或基础设施信号

  • 事件类型:X Watch + 官方源排除。
  • 首发/官方/可用时间:@GoogleDeepMind 在 2026-07-06T15:43Z 讨论 Apptronik Robot Park / Apollo 2 数据帮助训练 Gemini Robotics;@GeminiApp 在 2026-07-06T17:42Z 发布 Google Business Profile 与 business notebook 相关功能;@RunwayML 在 2026-07-06T11:58Z 宣布巴黎研究 hub;@Kling_ai 在 2026-07-06T03:02Z 发布 2026-07-07 NEXTGEN Awards 议程;@xai 页面当前可见为 SpaceXAI handle 变更。
  • 模型/功能名:Gemini Robotics、Gemini business notebook、Runway Paris research hub、Kling NEXTGEN Awards、SpaceXAI handle。
  • 能力变化:这些都不是新的模型 ID 或 API 发布。Google 的机器人数据合作值得跟踪 Gemini Robotics 进展;Gemini App 的 business notebook 更偏产品入口;Runway 是研究/团队布局;Kling 是活动;xAI/Grok 未见 Grok 4.5 官方确认。
  • 可用入口:各官方 X 帖与对应产品/活动页面。
  • 影响判断:今天不应把这些写成模型首发。可保留的 watch item 是:Gemini Robotics 是否进入可用开发者入口、Kling 活动是否伴随视频模型更新、Runway 法国研究 hub 是否带来新 model card 或论文。
  • 来源:@GoogleDeepMind、@GeminiApp business profile、@RunwayML Paris hub、@Kling_ai NEXTGEN agenda、@SpaceXAI handle update

Arena Watch

  • LMArena / Arena:@arena 本窗口主要发布 web traffic / startup 排名与 Ion Stoica 访谈转发,没有新模型上榜信号;@lmarena_ai 未见本窗口可升级为榜单首发的动态。最新可见 changelog 主线仍是 6 月末到 7 月初的 Nano Banana 2 Lite、Gemini Omni Flash、krea-2-turbo、claude-sonnet-5-thinking 等已确认条目。
  • Agent Arena:延续观察 Claude Fable 5 (High)。前一日可见 Agent Arena snapshot 仍显示 Fable 5 overall #1,overall 13.34%±1.55%、16,082 sessions;今天未见新的 Arena 官方帖改变这一主线。
  • Artificial Analysis Intelligence:Claude Fable 5 模型页显示 Intelligence #1/169,score 60,速度 #73/169,71.7 output tokens/s,价格为 $10 input / $50 output per 1M tokens,context window 1M。这是当前强模型基线,但不是今天新发布。
  • Artificial Analysis Speech:@ArtificialAnlys X 官方帖称 Speechify Simba 3.2 登上 Speech Arena #1;公开 TTS leaderboard 静态 FAQ 快照仍显示 Gemini 3.1 Flash TTS、Sonic 3.5、Fun-Realtime-TTS 等在前列。结论:列入“榜单出现/官方 X 首发”,但 exact rank/Elo 需要等待 live 页面稳定确认。
  • Artificial Analysis Agent:AutomationBench-AA 今天发布,建议后续每日记录 top models、task completion score、guardrail violation rate 与工具调用轮数,而不是只记录综合分。
  • 来源:Arena changelog、Arena Agent Leaderboard、Artificial Analysis: Claude Fable 5、Artificial Analysis TTS Leaderboard、AutomationBench-AA

X Watch

  • @OpenAIDevs:2026-07-06T22:13Z 发布 GPT-Realtime-2.1-mini API 可用与 Realtime p95 latency 改进。分类:官方发布;可信度高;需二次核验 model ID / 价格 / 控制台可见性。
  • @OpenAI:主账号本窗口无新模型帖;最新可见置顶仍围绕 GPT-5.6 / GeneBench-Pro 等此前事件。分类:无新增。
  • @ArtificialAnlys:发布 Simba 3.2 Speech Arena #1 说法与 AutomationBench-AA。分类:榜单出现 + 新评测;TTS exact ranking 需页面快照确认。
  • @AnthropicAI:发布 global workspace / J-space 研究;@claudeai 同窗口主要是 Claude Code history / feature 页面。分类:官方研究,不是新模型。
  • @SakanaAILabs:发布 Sakana Translate 与 Namazu 相关翻译能力说明。分类:官方产品发布;不是公开基础模型/API 首发。
  • @xiaohu:2026-07-06T14:19Z 称 OpenAI 可能本周、尤其 2026-07-07 全量 rollout GPT 5.6 和实时语音控制。分类:X 首发/待核验传言;与 OpenAI 今日 Realtime mini API 更新存在方向相关性,但官方尚未确认 GPT 5.6 full rollout。
  • @GoogleDeepMind / @GeminiApp:Gemini Robotics 数据合作与 business notebook / Google Business Profile 功能。分类:官方产品/研究生态信号;不是新模型。
  • @arena / @lmarena_ai:本窗口没有新模型 leaderboard 首发;@arena 主要是 Similarweb 流量排名与访谈传播。分类:平台运营信号。
  • @RunwayML:巴黎研究 hub;分类:组织/研究布局,不是模型。
  • @LumaLabsAI:Luma Modify / DreamLab workflow 与作品转发;分类:创作生态,不是 Ray 新模型。
  • @Kling_ai:NEXTGEN Awards 议程与作品展示;分类:活动/创作者生态,需继续观察是否伴随模型发布。
  • @xai / @grok:未见 Grok 4.5 官方化;@xai 可见 handle/品牌变更信号。分类:待观察。
  • @Alibaba_Qwen / @Alibaba_Wan、@MistralAI、@cohere、@AIatMeta、@MicrosoftAI:本窗口未见可升级为新模型发布的官方 X 信号。
  • 来源:@OpenAIDevs、@ArtificialAnlys、@AnthropicAI、@SakanaAILabs、@xiaohu、@GeminiApp、@arena

待确认清单

  • GPT-Realtime-2.1-mini:确认 API model ID、价格页、tool call schema、audio token 计费、缓存命中条件、Realtime mini 与 GPT-Realtime-2 的能力边界。
  • OpenAI GPT 5.6 rollout:@xiaohu 提到 2026-07-07 可能全量 rollout GPT 5.6 与实时语音控制;当前只能列为待核验传言,官方确认仍以 OpenAI News / API docs / product UI 为准。
  • Simba 3.2 Speech Arena #1:等待 Artificial Analysis TTS leaderboard live 页面、类别筛选和 Elo 稳定显示后再写入确定排名。
  • AutomationBench-AA:后续需要记录 top models、任务类型、completion score、guardrail violation rate、工具调用轮数,并观察是否能替代部分内部 agent QA。
  • Anthropic J-space:跟踪是否进入 Claude 产品安全工具、developer diagnostics 或可审计 agent framework;当前只是研究与 demo。
  • Sakana Translate:确认是否开放 API、商业条款、速率限制、最大输入长度、中文语境表现,以及是否单独开放 Namazu translation model。
  • Gemini Robotics:Apptronik Robot Park 数据合作不等于模型发布;等待 Gemini Robotics 新 model card、开发者入口或论文。
  • Kling 2026-07-07 NEXTGEN Awards:观察是否只有作品/活动,还是会伴随视频模型、4K workflow、API 或商业条款更新。
  • Grok 4.5 / HappyHorse 1.1:仍未见官方 blog、docs、API model list、价格页或 Arena 新榜单确认。
  • Gemini Omni Flash / Nano Banana 2 Lite:今天无新官方进展;继续跟踪 Gemini API preview/GA、Google Cloud Model Garden、Arena Video/Image、Runway/Luma/Kling 集成稳定性与实际成本。