全部 AI 模型日报
香港时间采集

AI 模型日报 - 2026-07-09

2026-07-09 AI 模型资讯:OpenAI 发布 GPT-Live,包括 GPT-Live-1 和 GPT-Live-1 mini 两个 ChatGPT Voice 模型;它采用 full-duplex 架构,可边听边说,并在需要搜索、深度推理或复杂任务时后台委托给 GPT-5.5,API 版本 G...

30 秒摘要

  • OpenAI 发布 GPT-Live,包括 GPT-Live-1 和 GPT-Live-1 mini 两个 ChatGPT Voice 模型;它采用 full-duplex 架构,可边听边说,并在需要搜索、深度推理或复杂任务时后台委托给 GPT-5.5,API 版本 GPT-Live-1 / GPT-Live-1 mini 已开放通知登记但尚未正式可用。
  • SpaceXAI 发布 Grok 4.5,定位为 coding、agentic tasks 和 knowledge work 模型,模型 ID grok-4.5 已出现在官方 API / docs;价格为输入 $2/M、cached input $0.50/M、输出 $6/M,上下文 500k,支持 Responses API、Chat Completions、function calling、web search、X search、code execution。
  • Mistral 发布 Robostral Navigate,首个 embodied navigation 模型:8B、单 RGB 摄像头、自然语言导航指令,官方称 R2R-CE validation unseen 成功率 76.6%,超过多传感器方案;这是机器人导航方向的模型发布,不是通用聊天模型。
  • Artificial Analysis 同步评测 Grok 4.5 (high):Intelligence Index 54,输出速度 91.3 tokens/s,TTFT 17.42s;并在 X 上称 Grok 4.5 在 GDPval-AA v2 排 #4、Elo 1543。Arena 则宣布 Grok 4.5 进入 Agent Arena,但公开榜单分数仍显示 scores incoming。
  • Runway 发布 Runway Dev,把 Gen-4.5、Aleph 2.0、Act-Two、Seedance、GPT Image 2、ElevenLabs 等模型放进一个企业 API 平台;Kling 发布 MCP & CLI;Hugging Face / LeRobot 侧出现 VLA-JEPA 集成信号。这些是平台/工具链接入,不应混写为新基础模型发布。

今日必看

1. OpenAI:GPT-Live 发布,ChatGPT Voice 进入 full-duplex 阶段

  • 事件类型:官方发布 + ChatGPT 可用性更新 + API 即将开放。
  • 首发/官方/可用时间:OpenAI 官方博客和 @OpenAI 在 2026-07-08T17:22Z 发布;@OpenAIDevs 在 2026-07-08T17:55Z 说明 GPT-Live-1 和 GPT-Live-1 mini 将进入 API,开发者和企业可登记通知。
  • 模型/功能名:GPT-Live、GPT-Live-1、GPT-Live-1 mini、ChatGPT Voice、full-duplex architecture、GPT-5.5 delegation。
  • 能力变化:GPT-Live 不再是传统 ASR -> LLM -> TTS 级联系统,也不只是 turn-based voice model;它能连续处理输入并生成输出,模型可决定说话、继续听、暂停、打断或调用工具。对于需要搜索、深度推理或更复杂 agentic work 的问题,GPT-Live 会后台委托给 GPT-5.5,并把结果带回对话流。OpenAI 称 GPT-Live-1 与 GPT-Live-1 mini 在 5-10 分钟人类偏好评测中显著优于 Advanced Voice Mode,并在 GPQA、BrowseComp、τ³-Voice Telecom 内部变体上表现更强。
  • 可用入口:ChatGPT Voice 已开始全球 rollout,覆盖 iOS、Android、ChatGPT.com;GPT-Live-1 将成为 Go / Plus / Pro 用户的默认 ChatGPT Voice 模型,GPT-Live-1 mini 将成为 Free 用户默认模型。API 尚未正式开放,只能登记通知。
  • 影响判断:这是今天对语音 agent 最重要的发布。重点不是“声音更自然”本身,而是 full-duplex 交互和后台 delegation 的分层架构:前台模型负责 conversational flow,后台 frontier model 处理搜索、推理和复杂任务。需要重点实测中文/粤语口音、背景噪声、打断恢复、长会话情绪依赖防护、API 延迟与价格。
  • 来源:OpenAI: Introducing GPT-Live、@OpenAI、@OpenAIDevs

2. SpaceXAI / xAI:Grok 4.5 正式发布并进入 API

  • 事件类型:官方发布 + API 可用性更新 + 竞技场出现。
  • 首发/官方/可用时间:官方 news 页日期为 2026-07-08;@SpaceXAI 在 2026-07-08T17:57Z 发布;@arena 在 2026-07-08T19:08Z 宣布 Grok 4.5 进入 Agent Arena;@ArtificialAnlys 在 2026-07-08T19:42Z 和 20:40Z 发布初步评测。
  • 模型/功能名:Grok 4.5、grok-4.5、Grok Build、Cursor、Responses API、Chat Completions。
  • 能力变化:官方定位是 SpaceXAI 最强模型,面向 coding、agentic tasks 和 knowledge work,并称其与 Cursor 一起训练。官方资料显示它支持 text + image input、text output、500k context、可配置 reasoning、function calling、structured outputs;开发者文档还列出 web search、X search、code execution 等工具能力。官方声称 80 TPS、约 2x token efficiency,并在 SWE Bench Pro 平均输出 token 上约为 Opus 4.8 max 的 1/4。
  • 可用入口:SpaceXAI console / API、Grok Build、Cursor;官方称 EU 暂不可用,预计 7 月中旬开放。API 价格:输入 $2/M、cached input $0.50/M、输出 $6/M。
  • 影响判断:这是今天最直接的 coding/agent 模型发布。相较 Grok 4.3,Grok 4.5 牺牲了一部分上下文窗口(500k vs 1M)但明显强化 agent/coding 和成本效率;需要验证官方 benchmarks、实际 tool use 稳定性、长任务 token 使用、Cursor/Grok Build 体验,以及非 EU 地区可用性。
  • 来源:xAI: Introducing Grok 4.5、xAI models docs、grok-4.5 docs、@SpaceXAI、@arena、@ArtificialAnlys

3. Mistral:Robostral Navigate 发布,单摄像头机器人导航模型

  • 事件类型:官方发布 + 机器人模型。
  • 首发/官方/可用时间:Mistral 官方博客和 @MistralAI 在 2026-07-08T14:01Z 发布。
  • 模型/功能名:Robostral Navigate、8B embodied navigation model、R2R-CE、single RGB camera、prefix-caching、CISPO。
  • 能力变化:Robostral Navigate 是 8B 模型,输入单个 RGB 摄像头画面和自然语言指令,输出机器人下一步移动/朝向目标。官方称它在 R2R-CE validation unseen 上达到 76.6% success rate,在 validation seen 上达到 79.4%,无需深度传感器、LiDAR 或多摄像头;训练完全来自模拟数据,约 400,000 trajectories / 6,000 scenes,并用 prefix-caching 将训练 token 降低 22 倍。
  • 可用入口:官方博客给出联系团队入口,未看到公开权重、API model ID 或自助开发者入口。
  • 影响判断:这是机器人方向的重要模型信号。Mistral 把 VLM grounding、pointing、RL 和机器人导航结合成较小模型,指向物流、制造、酒店、室内配送等场景。但可复现实验、硬件适配、真实动态环境安全、授权和部署路径都还需要确认。
  • 来源:Mistral: Robostral Navigate、@MistralAI

4. Artificial Analysis:Grok 4.5 (high) 初评进入 Intelligence / GDPval 体系

  • 事件类型:榜单变化 + 第三方评测。
  • 首发/官方/可用时间:@ArtificialAnlys 在 2026-07-08T19:42Z 发布 GDPval-AA v2 信号,20:40Z 发布 Intelligence Index 信号;模型页同日上线。
  • 模型/功能名:Grok 4.5 (high)、Artificial Analysis Intelligence Index、GDPval-AA v2、Coding Agent Index、Grok Build harness。
  • 能力变化:Artificial Analysis 模型页显示 Grok 4.5 (high) Intelligence Index 为 54,输出速度 91.3 tokens/s,TTFT 17.42s,输入/输出价格与 SpaceXAI API 一致。X 帖称它在 GDPval-AA v2 以 Elo 1543 排 #4,仅落后 Anthropic 最新 Claude 系列;在 Artificial Analysis Coding Agent Index 的 Grok Build harness 中与 GPT-5.5 Codex 接近,但成本更低。
  • 可用入口:Artificial Analysis Grok 4.5 模型页、GDPval-AA v2、SpaceXAI API。
  • 影响判断:AA 的初评给了 Grok 4.5 一个可比较坐标:不一定超过 Fable 5 / GPT-5.5 / Opus 4.8,但在价格、速度和 agentic work 成本上有竞争力。注意 TTFT 17.42s 偏高,不能只看输出速度。
  • 来源:Artificial Analysis: Grok 4.5、GDPval-AA v2、@ArtificialAnlys Intelligence、@ArtificialAnlys GDPval

5. Runway:Runway Dev 上线,企业级生成媒体 API 平台

  • 事件类型:官方产品发布 + 模型可用入口聚合。
  • 首发/官方/可用时间:Runway 官方 news 日期为 2026-07-08;@runwayml 在 2026-07-08T13:59Z 发布。
  • 模型/功能名:Runway Dev、Gen-4.5、Aleph 2.0、Act-Two、Seedance、GPT Image 2、ElevenLabs、Runway Characters、Recipes、Workflows。
  • 能力变化:Runway Dev 是面向开发者和企业团队的 AI media platform,强调一个 API 集成图像、视频、音频、实时角色模型。官方称它提供一方 Runway frontier models,同时接入第三方模型;还包含 Recipes、Workflows、Characters,支持 zero-data retention、SOC 2 Type II、IP indemnification、内容审核和 99.9% uptime。
  • 可用入口:dev.runwayml.com;同窗口 @runwayml 还宣布 Seedream 5.0 Pro 已进入 Runway,可用于 prompt/reference 生成图像和 14 种语言的图中文字。
  • 影响判断:这不是单个新基础模型,但会改变媒体生成模型进入产品的方式。对企业应用而言,真正要验证的是模型切换成本、数据保留条款、第三方模型责任边界、角色实时接口、批量成本和审核能力。
  • 来源:Runway Dev、@runwayml Runway Dev、@runwayml Seedream

6. OpenAI:SWE-Bench Pro 审计,约 30% 任务被判有问题

  • 事件类型:官方研究发布 + 评测可信度更新,不是模型发布。
  • 首发/官方/可用时间:OpenAI 在 2026-07-08 发布,@OpenAI 在 2026-07-08T21:41Z 推送。
  • 模型/功能名:SWE-Bench Pro、coding evaluations、investigator agents、human annotation campaign。
  • 能力变化:OpenAI 审计 SWE-Bench Pro 后估计约 30% 任务 broken;自动 pipeline 标记 200/731 个 broken tasks,人工标注识别 249/731 个。主要问题包括 overly strict tests、underspecified prompts、low-coverage tests、misleading prompt。OpenAI 因此撤回早先推荐采用 SWE-Bench Pro 的建议。
  • 可用入口:OpenAI research blog。
  • 影响判断:今天所有 coding/agent 模型发布都应该同时参考这条。Grok 4.5、GPT-Live 后台 delegation、Claude/Fable 等模型若继续引用 SWE-Bench Pro,需要标注 benchmark 质量风险,避免把污染或坏任务误当成能力差距。
  • 来源:OpenAI: Separating signal from noise in coding evaluations、@OpenAI

Arena Watch

  • Arena 官方 X:Grok 4.5 已进入 Agent Arena,可在 Battle Mode 和 Agent Mode 试用;X 帖明确写了 “Scores incoming”。来源:@arena
  • Arena changelog:公开 changelog 截至本轮仍显示最新条目为 2026-07-07 的 muse-image 和 muse-video,尚未写入 Grok 4.5。来源:Arena changelog
  • Agent Arena 公开榜:页面当前可见 Grok 4.3 (High)、Grok Build 0.1 等旧模型排名,但未稳定显示 Grok 4.5 分数;本日报只记录“竞技场出现/待分数”,不记录未公开 Elo。来源:Agent Arena
  • Artificial Analysis Intelligence:Grok 4.5 (high) Intelligence Index 54,输出速度 91.3 tokens/s,TTFT 17.42s;相较同价位 reasoning models,输出价格较低但首 token 延迟偏高。来源:Artificial Analysis Grok 4.5
  • Artificial Analysis GDPval-AA v2:@ArtificialAnlys 称 Grok 4.5 在 GDPval-AA v2 Elo 1543,排 #4,仅次于 Anthropic 最新 Claude releases;官方 GDPval-AA v2 页面当前基准仍显示 Claude Fable 5 / Sonnet 5 / Opus 4.8 领先。来源:GDPval-AA v2、@ArtificialAnlys GDPval
  • Artificial Analysis Image:@ArtificialAnlys 称 Google Nano Banana 2 Lite 在 Text-to-Image leaderboard 首登 #5,但 Image Editing 仅 #18、低于 Nano Banana 2 #3;本轮只作为榜单补充信号,等待页面稳定和官方 Google 源补充。来源:@ArtificialAnlys Nano Banana 2 Lite

X Watch

  • @OpenAI:发布 GPT-Live,并同步发出 SWE-Bench Pro 审计;分类:官方发布 + 官方研究,可信度高。
  • @OpenAIDevs:确认 GPT-Live-1 和 GPT-Live-1 mini 将进入 API,但当前是通知登记,不是 API 已开放;分类:官方 API 预告。
  • @SpaceXAI / @xai:发布 Grok 4.5,价格、入口、EU 限制和 Grok Build / Cursor 可用性都在原帖线程中给出;分类:官方发布。
  • @grok:转发 OpenClaw 对 Grok 4.5 的支持,可用 X Premium / SuperGrok subscription;分类:第三方入口,需核验 OpenClaw 实际限制。
  • @ArtificialAnlys:发布 Grok 4.5 Intelligence Index、GDPval-AA v2 和 Nano Banana 2 Lite 图像榜信号;分类:榜单/评测,Grok 4.5 已有模型页,Nano Banana 2 Lite 需后续确认页面稳定。
  • @arena:确认 Grok 4.5 进入 Agent Arena,scores incoming;分类:竞技场出现。
  • @MistralAI:发布 Robostral Navigate,8B、单 RGB、R2R-CE unseen 76.6%;分类:官方模型发布。
  • @runwayml:发布 Runway Dev,并宣布 Seedream 5.0 Pro 进入 Runway;分类:平台/模型入口更新。
  • @Kling_ai:发布 Kling MCP & CLI,可在 AI agents 中调用 Kling;分类:工具链接入,不是新视频模型。
  • @HuggingFace:转发 SkyPilot 零 egress、Common Crawl、VLA-JEPA / LeRobot 等生态信号;分类:生态/开源工具链,其中 VLA-JEPA 是机器人策略模型集成信号。
  • @SakanaAILabs:转发 DeepLearning.AI 对 Fugu / Fugu-Ultra orchestrator models 的深度解读;分类:二次解读,不是新发布。
  • @GoogleDeepMind、@GeminiApp:本窗口无新 Gemini 模型发布;GeminiApp 主要是用户反馈帖。
  • @AnthropicAI、@claudeai、@AIatMeta、@MistralAI 之外的 @Alibaba_Qwen、@Alibaba_Wan、@cohere、@LumaLabsAI、@midjourney、@MicrosoftAI:本窗口未见可升级为新模型发布的官方 X 信号。
  • @xiaohu:本窗口账号页未见可见新帖;小互站公开搜索主要仍显示近期 Wan Streamer、GPT-Realtime-2.1 等解读,未看到今天可作为首发的公开模型新稿。

待确认清单

  • GPT-Live API:确认 GPT-Live-1 / GPT-Live-1 mini 的 API model ID、Realtime API 形态、价格、工具调用、SIP/浏览器端支持、是否取代或并存 gpt-realtime-2.1。
  • GPT-Live 多语言:实测中文、粤语、日语、阿语、混合语音、背景噪声、多人打断、长期情绪依赖安全策略和未成年人 parental controls。
  • Grok 4.5:确认 EU 上线时间、Responses API / Chat Completions 具体参数、reasoning low/medium/high 的成本差异、500k context 超 200k 后 higher context pricing、web/X search 工具计费。
  • Grok 4.5 竞技场:等待 Agent Arena 给出正式 score/rank;当前只有“进入 Arena / scores incoming”,不能写成已排名。
  • Grok 4.5 评测:复测 SWE Bench Pro 相关 claims 时要结合 OpenAI 对 SWE-Bench Pro 的 broken task 审计,避免单一 benchmark 误导。
  • Robostral Navigate:确认是否会开放权重、API、研究论文、仿真环境、R2R-CE 复现实验、商业授权和硬件适配要求。
  • Runway Dev:确认 Seedream 5.0 Pro 在 Runway 中的模型来源、价格、API 速率、训练数据保留和第三方模型责任边界。
  • Kling MCP & CLI:确认可调用的 Kling model IDs、账号权限、生成视频/图像价格、素材本地落盘行为和企业安全边界。
  • VLA-JEPA / LeRobot:确认 Hugging Face LeRobot 中 VLA-JEPA 的发布时间、checkpoint 更新、许可证、真实机器人成功率,以及是否能成为 Robostral Navigate 的开源 baseline。
  • Nano Banana 2 Lite:等待 Artificial Analysis 图像榜页面稳定、Google 官方 model card 或 AI Studio 入口确认,尤其是 Image Editing 排名与基础 Nano Banana 2 的差距。