AI 模型日报 - 2026-07-17 | QName AI | 官方域名研究与产品指南

30 秒摘要

Kimi K3 是今天最重要的新模型信号：Kimi 官方 API 文档已经列出 K3，2.8T 参数、1M context、原生视觉理解；Artificial Analysis 给出 Intelligence Index 57，Arena 显示 Kimi K3 在 Code Arena WebDev 第 1、Text Arena 第 9。
xAI 正式发布 Grok 4.5，定位 coding、agentic tasks 和 knowledge work；同日发布 Grok Automations，把定时任务和邮件触发做成 Grok 内置工作流。
Gemini App 推出 Avatar + Nano Banana 个性化图像生成入口；Meta Muse Spark 1.1 本窗口扩大到 OpenRouter 可用信号；NVIDIA 发布 Nemotron 3 Embed，8B 版本在 RTEB 排名第 1。
Arena 格局被 Kimi K3 改写：WebDev 榜首从 Fable/GPT-5.6 争夺变成 Kimi K3 1679+17/-17 领跑；Text Arena 仍由 Anthropic 前排模型占优，但 Kimi K3 已进入前 10。
@xiaohu 重点跟进 Grok Build 开源和此前源码上传争议；本窗口未看到 OpenAI、Anthropic、Mistral、Qwen 的新基础模型官方首发。

今日必看

1. Kimi K3：2.8T、1M context，直接冲上 Arena WebDev 第 1

事件类型：官方发布 + 竞技场出现 + 公开榜单核验。
首发/官方/可用时间：Kimi 官方 X 与 API 文档在 2026-07-16 可见；@ArtificialAnlys 在 2026-07-16T19:08Z 发布 Kimi K3 评测线程；@arena 在 2026-07-16T19:41Z 和 20:41Z 发布 WebDev/Text Arena 榜单信号。
模型/功能名：Kimi K3、Kimi Delta Attention、Attention Residuals。
能力变化：Kimi API 文档称 K3 是 Kimi 目前最强旗舰模型，具备 2.8T 参数、1M-token context、原生视觉理解，并面向软件工程、知识工作和深度推理。Artificial Analysis 显示 Kimi K3 Intelligence Index 57，输出速度 62.0 tokens/s，价格为输入 $3/M、输出 $15/M，cache hit $0.30/M，支持 text/image 输入和 text 输出。Arena WebDev 显示 Kimi K3 第 1，score 1679+17/-17；Text Arena 显示 Kimi K3 第 9，score 1486±11，仍为 preliminary。
可用入口：Kimi K3 quickstart、Kimi API Platform、Artificial Analysis: Kimi K3、Arena WebDev、Arena Text。
影响判断：这是一条需要优先复测的模型事件。Kimi K3 在前端生成/agentic coding 榜单上超过 Claude Fable 5 和 GPT-5.6 Sol，说明中国模型已经不是“便宜替代”，而是在部分高价值任务上直接推前沿。风险点是权重开放状态仍需核验：Arena 和 Artificial Analysis 页面当前把 Kimi K3 标为 proprietary；虽然 X 传播里出现 “open frontier intelligence” 和“计划开放权重”的说法，但未见可下载权重仓库或许可证前，不应写成已开放权重。
来源：@Kimi_Moonshot、@ArtificialAnlys 评测、@arena Text、@arena WebDev、Kimi K3 docs、Artificial Analysis

2. xAI：`Grok 4.5` 正式发布，主打 coding / agentic / knowledge work

事件类型：官方发布。
首发/官方/可用时间：x.ai 官方新闻页日期为 2026-07-16；@grok 同日在 X 传播。
模型/功能名：Grok 4.5、Grok Build、Grok CLI、Cursor、xAI API。
能力变化：官方定位为 xAI 目前最强模型，面向 coding、agentic tasks 和 knowledge work。官方页给出的产品指标包括：约 80 TPS 服务速度、相对同类领先模型约 2x token efficiency、价格为输入 $2/M、输出 $6/M。可用入口包括 Grok Build、Cursor all plans 和 xAI console/API。FrontierSWE 页面也显示 Grok 4.5 + Grok CLI 排名第 2，avg rank 4.09、dominance 78%，仅低于 Claude Fable 5。
可用入口：xAI: Introducing Grok 4.5、xAI console、FrontierSWE。
影响判断：Grok 4.5 的价格和 coding 定位会继续压低 agentic coding 的单位成本预期。和 Kimi K3 同一天形成对照：Kimi 在 Arena WebDev 拿到第 1，Grok 4.5 则通过 API、Grok Build、Cursor 与 benchmark 叙事争夺工程用户。团队若在比较 Claude Code、Codex、Cursor、Grok CLI，需要把“模型质量 + harness 行为 + token 成本”一起测，而不是只看模型名。
来源：@grok、xAI release、FrontierSWE

3. Grok Automations 与 Grok Build 开源：agent 产品层继续加速

事件类型：官方产品发布 + 官方开源 + X/媒体报道。
首发/官方/可用时间：Grok Automations 官方页日期为 2026-07-16；Grok Build open source 官方页日期为 2026-07-15，本窗口内继续被 @xiaohu 等账号跟进。
模型/功能名：Grok Automations、Grok Build、Grok CLI/TUI。
能力变化：Grok Automations 支持用户描述任务、设置 schedule 或 email trigger，然后由 Grok 执行并在 run history 中保存结果；scheduled automations 面向所有用户，email triggers 包含在 SuperGrok 中。Grok Build 开源页称已开放 coding agent 和 TUI 源码，GitHub repo 显示其是 terminal-based AI coding agent，包含 agent runtime、工具调用、文件编辑、命令执行、web search 和 ACP 集成等能力。
可用入口：Grok Automations、Grok Build open source、GitHub: xai-org/grok-build。
影响判断：这不是新基础模型，但对“模型如何被用起来”很关键。xAI 在同一窗口同时打模型、自动化、coding harness 三张牌，会直接影响用户对 Codex、Claude Code、Cursor、Grok Build 的选择。@xiaohu 对源码上传争议和开源后的源码结构做了中文跟踪，适合作为本地中文信号源，但事实判断仍以 x.ai 官方页和 GitHub repo 为准。
来源：@xiaohu、xAI Automations、xAI open source、GitHub repo

4. Gemini App：Avatar + Nano Banana 进入个性化图像生成

事件类型：官方产品功能发布 + X 首发。
首发/官方/可用时间：@GeminiApp 在 2026-07-16T17:48Z 发布。
模型/功能名：Avatar、Nano Banana、Gemini Image。
能力变化：Gemini App 宣布用户可以先设置一次 digital avatar，之后在不同场景、风格和年代里生成自己的个性化图像，而不需要每次重复上传 selfie。官方 X 说明该功能面向部分国家的 Gemini app 用户滚动开放，可在 gemini.google.com 和 app 内使用。Google 6 月底的官方博客已说明 Nano Banana 与 Personal Intelligence / Google Photos 的个性化生成结合；DeepMind 模型页也继续把 Nano Banana 作为 Gemini Image 入口。
可用入口：GeminiApp X、GeminiApp rollout、Google blog、Google DeepMind Gemini Image。
影响判断：这不是新的 base image model 首发，而是把人物一致性、个人上下文和消费级生成体验向前推了一步。对内容产品的影响在于：用户不再只生成“泛化图片”，而是更容易生成带本人身份和历史偏好的视觉素材。需要继续跟踪地区开放、隐私/照片授权、可商用条款和生成一致性。
来源：@GeminiApp、Google blog、DeepMind model page

5. NVIDIA Nemotron 3 Embed：8B 模型登顶 RTEB，Sakana Fugu 接入 Nemotron

事件类型：官方模型发布 + 官方生态集成。
首发/官方/可用时间：Hugging Face/NVIDIA 博客在 2026-07-16 发布 Nemotron 3 Embed；NVIDIA Newsroom 在 2026-07-15 发布日本生态采用 Nemotron 的新闻稿。
模型/功能名：Nemotron-3-Embed-8B-BF16、Nemotron-3-Embed-1B-BF16、Nemotron-3-Embed-1B-NVFP4、Sakana Fugu。
能力变化：NVIDIA 发布 3 个 embedding/retrieval 模型，8B BF16 版本在 RTEB 多语言检索榜单排名第 1，RTEB 分数 78.5%，MMTEB Retrieval 75.5%；1B 版本面向低延迟/低成本，NVFP4 版本面向 Blackwell 高吞吐部署。模型支持 32k context、multilingual/code retrieval，提供开源权重、数据和 recipes，并可通过 Hugging Face、NVIDIA NIM 等入口使用。NVIDIA 同时称 Sakana AI 正把 Nemotron 接入 Fugu 模型路由平台，用于根据任务动态选择最适合模型。
可用入口：NVIDIA/HF blog、Nemotron 3 Embed 8B model card、NVIDIA Newsroom、Sakana Fugu。
影响判断：这条对 RAG、agent memory、code search 更重要。前沿聊天模型竞争之外，检索层质量开始成为 agent 成本和可靠性的关键约束。Nemotron 3 Embed 如果在企业私有数据、长文档、代码检索上复现 RTEB 改善，会影响很多 agent 系统的默认 embedding 选择。
来源：Hugging Face blog、NVIDIA Newsroom、@SakanaAILabs

6. Meta Muse Spark 1.1：OpenRouter 可用信号增强，但本体发布仍是 7 月 9 日

事件类型：可用入口更新 + 官方发布延续。
首发/官方/可用时间：Meta 官方 Muse Spark 1.1 发布是 2026-07-09；@AIatMeta 在 2026-07-16T17:17Z 提到 Muse Spark 1.1 已可供美国开发者通过 OpenRouter 使用。
模型/功能名：Muse Spark 1.1、Meta Model API、OpenRouter。
能力变化：Meta 官方博客将 Muse Spark 1.1 定位为 multimodal reasoning model，面向 agentic tasks，在 tool/computer use、coding、multimodal understanding 上升级，支持 1M context，并通过 Meta Model API public preview 提供。OpenRouter 页面显示 meta/muse-spark-1.1 接受 text、image、video、audio、PDF 等输入，返回 text。
可用入口：Meta blog、OpenRouter Muse Spark 1.1、@AIatMeta。
影响判断：这不是今天的新模型首发，但可用入口扩大是开发者实际采用的关键事件。Meta 走商业 API + OpenRouter 分发，会和 OpenAI、Anthropic、xAI、Kimi 在 agentic coding 成本层面正面竞争。
来源：@AIatMeta、Meta blog、OpenRouter

Arena Watch

Code Arena WebDev：榜单日期 2026-07-16。kimi-k3 第 1，1679+17/-17，1M context；claude-fable-5 第 2，1631+13/-13；gpt-5.6-sol-xhigh (codex-harness) 第 3，1618+13/-13；grok-4.5 第 6，1558+13/-13；muse-spark-1.1 第 11，1538+14/-14。来源：Arena WebDev leaderboard
Text Arena：榜单日期 2026-07-16。claude-fable-5 第 1，1507±7；claude-opus-4-6-thinking 第 2；muse-spark-1.1 第 6，1493±8 preliminary；gemini-3-pro 第 8，1486±4；kimi-k3 第 9，1486±11 preliminary；gpt-5.6-sol-xhigh 第 10，1486±9。来源：Arena Text leaderboard
Artificial Analysis：Kimi K3 Intelligence Index 57，当前页面显示 #4 / 189；输出速度 62.0 tokens/s；价格输入 $3/M、输出 $15/M、cache hit $0.30/M；1M context，支持 text/image input。来源：Artificial Analysis: Kimi K3
FrontierSWE：Grok 4.5 + Grok CLI 当前排名第 2，avg rank 4.09、dominance 78%；Claude Fable 5 + Claude Code 仍第 1。来源：FrontierSWE
LMArena/模型竞技场账号：本窗口主要可核验信号来自 @arena 和 Arena 公开榜单；@lmarena_ai 未抓到足够升级为主事件的新帖。

X Watch

@Kimi_Moonshot：发布 Kimi K3；分类：官方发布，可信度高。关键核验点是 API/docs 已上线，权重开放仍待确认。
@ArtificialAnlys：发布 Kimi K3 指标线程；分类：公开第三方评测，可信度高，但需注意 benchmark 与真实业务任务不同。
@arena：发布 Kimi K3 Text/WebDev Arena 信号；分类：竞技场出现/榜单变化，可信度高，preliminary 标签需要继续观察。
@grok / @xai：发布 Grok 4.5、Automations、Grok Build 相关动态；分类：官方发布/官方产品更新。
@xiaohu：重点跟进 Grok Build 开源源码和此前源码上传争议；分类：中文辅助源/媒体解读，需要用 x.ai 官方页和 GitHub repo 做事实核验。
@GeminiApp：发布 Avatar + Nano Banana 个性化图像生成；分类：官方产品功能发布，不是新 base model。
@AIatMeta：发布 Muse Spark 1.1 on OpenRouter 可用信号；分类：可用入口更新，不是新模型首发。
@SakanaAILabs：宣布与 NVIDIA 下一阶段合作，将 Nemotron 等开放模型栈接入 Fugu；分类：官方生态集成。
@cohere：发布 University of Toronto 与 Cohere North 合作，属于企业/高校采用 sovereign agentic AI platform；分类：企业部署，不是新模型发布。
@Kling_ai、@LumaLabsAI：本窗口主要是创意案例和作品传播，没有看到新的 model ID、API 版本或模型卡。
@OpenAI、@OpenAIDevs、@AnthropicAI、@claudeai、@MistralAI、@Alibaba_Qwen、@Alibaba_Wan、@runwayml、@midjourney、@MicrosoftAI：本窗口未抓到足以写成新模型官方首发的可见动态。

待确认清单

Kimi K3 权重开放：当前 Kimi API 文档确认 API/模型能力，Arena/Artificial Analysis 当前页面标为 proprietary；需要等待官方权重仓库、license、model card 或明确下载入口。
Kimi K3 业务复测：重点复测前端生成、长上下文代码库理解、图像输入、tool calling、输出长度和成本；AA 指标显示模型相对 verbose，真实成本可能高于表面单价。
Grok 4.5 可用性：确认 API、Grok Build、Cursor 三个入口的地区限制、上下文长度、rate limit、工具调用细节，以及欧洲可用性是否已完全放开。
Grok Automations：确认 scheduled automations 与 email triggers 的账号层级、数据权限、连接器支持范围和失败重试行为。
Grok Build 源码/隐私：继续跟进源码上传争议后的默认数据保留策略、服务端删除承诺、local-first 路径和 GitHub repo 更新频率。
Gemini Avatar + Nano Banana：确认开放国家/账号层级、Google Photos 授权边界、人物一致性质量、商业使用条款和未成年人/敏感身份防护。
Muse Spark 1.1 on OpenRouter：确认是否只限美国开发者、OpenRouter provider 路由、上下文上限、tool calling、数据保留和 Meta Model API 价格是否一致。
Nemotron 3 Embed：等待社区在企业 RAG、code search、long-document retrieval 上复测；RTEB #1 不应直接等同于所有检索任务最佳。
Sakana Fugu + Nemotron：确认 Fugu 的模型路由是否公开列出 Nemotron 版本、定价、延迟和失败回退策略。