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2026-07-07NEXTGEN 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,overall13.34%±1.55%、16,082sessions;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,score60,速度 #73/169,71.7output tokens/s,价格为$10input /$50output per 1M tokens,context window1M。这是当前强模型基线,但不是今天新发布。 - Artificial Analysis Speech:
@ArtificialAnlysX 官方帖称 SpeechifySimba 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-miniAPI 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 3.2Speech 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 3.2Speech 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
2026-07-07NEXTGEN 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。