AI 模型日报 - 2026-07-23 | QName AI | 官方域名研究与产品指南

30 秒摘要

Qwen 官方发布 Qwen-Image-3.0，第三代基础图像生成模型，叙事从 Precision / Variety 走向 “Real”，重点是富内容、真实细节和深知识，面向报纸 PDF、复杂 UI、短剧分镜、游戏直播界面等高密度图像生产。
OpenAI 发布 OpenAI Presence，不是新 base model，而是企业级 voice/chat agent 产品层：接入公司系统、按策略执行 approved actions、升级给人工，并用 guardrails / evals 运营真实业务流程。
Anthropic 同日补强 Claude 产品面：Claude Security Plugin for Claude Code beta 面向所有 Claude Code 用户；Anthropic Economic Index connector 让 Claude 能直接查询 AI 使用经济数据。
Artificial Analysis / Arena 的 agent 评测继续升温：Thinking Machines Inkling 在 AA-Briefcase Elo 836；Kimi K3 AA Intelligence Index 57，但 AA-Briefcase 单任务平均 56.4 分钟、120k 输出 token、83 turns；Tencent Hy3 进入 Arena WebDev #16 / Agent Arena #25。
开源多模态密集更新：NVIDIA Cosmos 3 Super 4-Step 将扩散步数从 35-50 降到 4，最高 25x；Cosmos3 Edge 面向物理 AI；Microsoft Mage-Flow 是 4B 图像生成/编辑栈；小红书 dots-note-3.0 传出 IMO 2026 42/42 满分金牌，但未见公共模型/API 入口。

今日必看

1. Qwen-Image-3.0：Qwen 第三代基础图像生成模型发布

事件类型：官方发布 + X 首发。
首发/官方/可用时间：@Alibaba_Qwen 在 2026-07-22T12:28Z 发布；Qwen 官方博客页面为 qwen.ai/blog?id=qwen-image-3.0。
模型/功能名：Qwen-Image-3.0、Rich Content、Authentic Details、Deep Knowledge。
能力变化：Qwen 将 1.0 / 2.0 / 3.0 分别概括为 Precision、Variety / Completeness / Beauty / Authenticity、Real。3.0 强调长提示词下的语义拆解和层级排版能力，可把多层嵌套界面、报纸版面、复杂信息图、短剧分镜、游戏直播 UI 等组织进一张图；官方 X 还强调 12 种原生语言、100+ 艺术风格、网页最新知识，以及最高约 4.5k token 的 prompt 承载。
可用入口：Qwen 官方博客、@Alibaba_Qwen 首帖、Rich Content 展示、Authentic Details / Deep Knowledge 展示、@xiaohu 中文整理。
影响判断：这是今天最直接的模型发布。Qwen-Image-3.0 的重点不是单张美术图，而是“长提示词 + 多区域信息组织 + 真实知识细节”的生产型图像能力。如果它能稳定输出复杂 UI / 报纸 / 信息图，会直接影响广告图、产品图、图文封面和游戏素材工作流。当前仍需确认公开 API、模型卡、license、第三方图像榜单和实际失败样本。
来源：Qwen Blog、@Alibaba_Qwen、@xiaohu

2. OpenAI Presence：OpenAI 推出企业级 voice/chat agent 产品层

事件类型：官方发布；不是新 base model。
首发/官方/可用时间：OpenAI 官方页面日期为 2026-07-22；@OpenAI 在 2026-07-22T13:08Z 发布。
模型/功能名：OpenAI Presence、voice agents、chat agents、approved actions、handoff / escalation、guardrails、evals。
能力变化：Presence 面向企业部署可信 voice/chat agent。OpenAI 官方页面说明，它可以回答问题、解决问题、使用公司系统、执行已批准动作，并在需要时升级给人类；也可用于客户支持、出站销售、高风险内部流程、账单等实时语音或聊天场景。
可用入口：OpenAI Presence 官方页面、@OpenAI。
影响判断：这条说明 OpenAI 正在把模型能力包装成“可审计、可接系统、可运营”的企业 agent 层。对企业客户来说，真正关键会是权限边界、动作审批、系统集成、人工升级、日志和 eval，而不是只看底层模型榜单。对创业公司来说，通用客服/销售 agent 的纯包装空间会被压缩，机会更偏向垂直流程、行业数据和落地交付。
来源：OpenAI、@OpenAI

3. Claude Security + Economic Index connector：Anthropic 补强 Claude Code 与数据连接器

事件类型：官方产品更新；不是新 base model。
首发/官方/可用时间：@claudeai 在 2026-07-22T18:02Z 发布 Claude Security Plugin beta；Anthropic 官方发布 Anthropic Economic Index connector，日期为 2026-07-22，@claudeai 在 2026-07-22T17:20Z 传播。
模型/功能名：Claude Security Plugin for Claude Code、Claude Code、Anthropic Economic Index connector、Claude connectors。
能力变化：Claude Security Plugin 可在提交前扫描改动中的安全问题，也可从终端扫描整个代码库，并让 Claude 在 Claude Code 环境内检测、解释和修复高严重度漏洞。Economic Index connector 则让 Claude 直接查询 Anthropic Economic Index 数据，回答哪些职业和任务正在使用 AI、哪些任务更偏自动化等问题；用户可在 Claude connectors 菜单启用。
可用入口：Claude Security、@claudeai Security 首帖、Anthropic Economic Index connector、@claudeai connector 首帖。
影响判断：Anthropic 今天不是发布新模型，而是在提升 Claude 的“软件工程闭环”和“可信数据查询”能力。Claude Code 的安全插件会把代码审查从功能正确性延伸到漏洞检测；Economic Index connector 则是把公开研究数据产品化，适合市场研究、政策分析、投资和 AI 采用率判断。
来源：Claude、Anthropic、@claudeai

4. Thinking Machines Inkling：AA-Briefcase 新 agentic benchmark 信号

事件类型：第三方评测 + 官方模型信息；模型本身为 July 2026 release。
首发/官方/可用时间：@ArtificialAnlys 在 2026-07-22T21:06Z 发布 Inkling 的 AA-Briefcase 结果；Thinking Machines 官方此前发布 Inkling 页面。
模型/功能名：Inkling、AA-Briefcase、Artificial Analysis Intelligence Index、Apache 2.0、1M context。
能力变化：Artificial Analysis 显示 Inkling 是 Thinking Machines 的 open-weights 模型，975B total parameters、41B active parameters、Apache 2.0 权重，支持文本、图像、语音输入和文本输出，1M context。AA 模型页给出 Intelligence Index 41、排名 #10/97，输出速度约 63.5 tokens/s，价格约 $1.87/M input、$4.68/M output。AA-Briefcase X 结果称 Inkling Elo 836，高于 DeepSeek V4 Flash，低于 Nemotron 3 Ultra 和 GLM-5.2。
可用入口：Thinking Machines Inkling、Artificial Analysis: Inkling、AA-Briefcase、@ArtificialAnlys Inkling。
影响判断：Inkling 的价值在于“开放权重 + 多模态输入 + 长上下文 + agentic benchmark”。它不是今天才发布的模型，但今天在 AA-Briefcase 上新增了可比较的 agentic knowledge work 信号。需要继续观察它在真实工具调用、成本、部署门槛和安全边界上的表现。
来源：Thinking Machines、Artificial Analysis、@ArtificialAnlys

5. Kimi K3：AA-Briefcase 高分但成本和耗时很重

事件类型：第三方 benchmark。
首发/官方/可用时间：@ArtificialAnlys 在 2026-07-21T23:51Z 发布 Kimi K3 的 AA-Briefcase 结果，本窗口内持续传播。
模型/功能名：Kimi K3、AA-Briefcase、Artificial Analysis Intelligence Index、2.8T parameters。
能力变化：Artificial Analysis 称 Kimi K3 在 AA-Briefcase 上仅次于 Fable 5；模型页显示 Kimi K3 Intelligence Index 57、排名 #4/186，输出速度约 35.2 tokens/s，价格约 $3/M input、$15/M output。AA X 线程同时指出 Kimi K3 在 AA-Briefcase 单任务平均 56.4 分钟，平均约 83 turns、120k 输出 token，运行成本高于 Opus 4.8。
可用入口：Artificial Analysis: Kimi K3、AA-Briefcase、@ArtificialAnlys Kimi K3、@Kimi_Moonshot 转发。
影响判断：Kimi K3 的强项继续从 WebDev / coding 扩展到长程知识工作，但这条结果同时暴露了 agentic workload 的真实成本：高 turn 数、高输出 token、长任务时间。对生产使用来说，Kimi K3 可能适合高价值复杂任务，不适合无差别批量 agent 工作流。
来源：Artificial Analysis、@ArtificialAnlys

6. Tencent Hy3：进入 Arena WebDev / Agent Arena 的高性价比开源信号

事件类型：竞技场出现 + X 首发。
首发/官方/可用时间：@arena 在 2026-07-21T22:40Z 发布 Hy3 排名；@TencentHunyuan 转发。
模型/功能名：Tencent Hy3、Frontend Code Arena、Agent Arena、Apache 2.0。
能力变化：Arena X 称 Hy3 是 Agent Arena #5 open-weight model、overall #25；在 Frontend Code Arena 为 #2 open-weight、overall #16。Arena WebDev 页面显示 Hy3 排名 #16，分数 1527+18/-18，Tencent / Apache 2.0，价格约 $0.14/M input、$0.58/M output，context 约 262.1K。X 线程还指出 Agent Arena net improvement 约 -2.2%，但工具使用能力正在从 CLI / bash 错误中恢复。
可用入口：Arena WebDev、Arena Agent、@arena Hy3 Agent、@arena Hy3 WebDev、Tencent Hy3 research。
影响判断：Hy3 的关键点是“开源/低价/前端代码能力”。如果榜单稳定，它会成为中国开源模型在 web agent 与 UI 生成赛道的重要性价比候选。当前短板是 Agent Arena overall 仍不高，工具调用可靠性还需要看后续增量。
来源：Arena、@arena、Tencent

7. NVIDIA Cosmos 3 / Microsoft Mage-Flow：开源图像、视频和物理 AI 更新

事件类型：模型卡 / 开源模型发布 + 第三方传播。
首发/官方/可用时间：@NVIDIAAI 在 2026-07-22T15:19Z 发布 Cosmos 3 Super 4-Step；Hugging Face 同日传播 Cosmos3 Edge；Hugging Face 在 2026-07-22T08:23Z 传播 Microsoft Mage-Flow。
模型/功能名：NVIDIA Cosmos 3 Super 4-Step、Cosmos3 Edge、Microsoft Mage-Flow、Mage-Flow-Edit、4-step Turbo、Mage-VAE、NR-MMDiT。
能力变化：NVIDIA Cosmos 3 Super 4-Step 将扩散去噪步数从 35-50 降到 4，最高 25x，同时保持质量和保真度；Cosmos3 Edge 面向物理 AI，可从视频流理解物体、机械和物理互动，并用文字、图像或下一步动作预测进行推理。Microsoft Mage-Flow 是 4B 原生分辨率图像生成/编辑栈，包含 Mage-VAE 与 NR-MMDiT，并提供 Base、RL-aligned、4-step Turbo 变体。
可用入口：NVIDIA Cosmos3 Edge blog、Cosmos3 Edge model card、@NVIDIAAI Cosmos 3 Super、Microsoft Mage-Flow、Mage-Flow paper。
影响判断：视觉模型更新正在分成两条线：一条是面向生产速度的少步数图像/视频生成，另一条是面向机器人和物理世界模型的多模态理解。Mage-Flow 的 4B 体量如果实测成立，会推动本地/边缘图像生成编辑；Cosmos3 Edge 更接近 physical AI 基础设施。
来源：Hugging Face / NVIDIA、Hugging Face / Microsoft、@NVIDIAAI

8. Sakana Fugu：把多模型编排包装成一个 OpenAI-compatible API

事件类型：官方产品/模型系统发布；不是单一 base model。
首发/官方/可用时间：@SakanaAILabs 在 2026-07-22T17:09Z 发布；Sakana 官方页面已上线。
模型/功能名：Fugu、Fugu Ultra、Fugu Cyber、TRINITY、Conductor、OpenAI-compatible API。
能力变化：Sakana 将 Fugu 描述为 “One Model to Command Them All”，核心是把多 agent / 多模型动态编排包装成一个模型 API，由系统自动选择、切换和协调底层强模型，面向 coding、reasoning、质量关键工作流。官方页面还列出 Fugu、Fugu Ultra、Fugu Cyber，价格为 Standard $20/month、Pro $100/month、Max $200/month，并说明暂不向 EU/EEA 提供。
可用入口：Sakana Fugu、@SakanaAILabs。
影响判断：Fugu 的重点是“模型路由/编排成为产品”，它会和企业内部自建 model router、Cursor / Claude Code / Codex 类编程 agent、以及专用 cyber agent 形成竞争。需要继续观察它是否能披露路由策略、成本透明度、底层模型依赖和失败模式。
来源：Sakana AI、@SakanaAILabs

9. dots-note-3.0：小红书数学模型传出 IMO 2026 满分金牌

事件类型：X 首发 + 媒体报道；未见公共 API / 模型卡。
首发/官方/可用时间：@xiaohu 在 2026-07-22T08:27Z 传播；多家中文媒体在 2026-07-22 报道。
模型/功能名：dots-note-3.0、IMO 2026、formal / natural language proof。
能力变化：中文报道和 X 传播称小红书技术 REDtech 的 dots-note-3.0 在 IMO 2026 取得 42/42 满分，被描述为中国首个 IMO 官方金牌模型，也是全球第二个获得该级别结果的模型。报道强调其用自然语言完成证明，并经 IMO 相关评审确认。
可用入口：@xiaohu、量子位报道、搜狐报道。
影响判断：这是高关注能力信号，但现在不能写成开放模型发布。对模型竞争的意义在于，数学证明和长链推理正在从 Google / OpenAI / Anthropic 扩散到中国大厂与内容平台实验室；对使用者的意义仍取决于是否开放 demo、API、论文、评测样例和复现材料。
来源：@xiaohu、量子位、搜狐

Arena Watch

Arena WebDev：页面显示榜单日期为 2026-07-21，共 506,528 votes、101 models。kimi-k3 第 1，1678+17/-17；claude-fable-5 第 2，1634+12/-12；gpt-5.6-sol-xhigh 第 3，1630+11/-11；glm-5.2 (max) 第 4；grok-4.5 第 7；muse-spark-1.1 第 11；gemini-3.6-flash 第 12；Tencent Hy3 第 16，1527+18/-18；qwen3.7 max 约第 20；Inkling 第 45，1421+11/-11。来源：Arena WebDev
Arena Text：本窗口可见 Kimi K3 约第 10，1486±10；GPT-5.6 Sol xHigh 约第 11；Gemini 3.6 Flash 第 12。Text 榜今天没有新增正式模型发布级变化，主要用于确认 Kimi / Gemini / GPT 系列相对位置。来源：Arena Text
Agent Arena：@arena 官方 X 称 Tencent Hy3 是 Agent Arena #5 open-weight model、overall #25；WebDev 中是 #2 open-weight、overall #16。X 同时提示 Hy3 在 Agent Arena net improvement 仍约 -2.2%，但工具使用维度从 CLI / bash 错误中恢复。来源：Arena Agent、@arena Hy3
Artificial Analysis - Inkling：Inkling Intelligence Index 41、排名 #10/97，975B total / 41B active parameters，Apache 2.0，1M context，输出速度约 63.5 tokens/s；AA-Briefcase Elo 836。来源：AA Inkling、AA-Briefcase
Artificial Analysis - Kimi K3：Kimi K3 Intelligence Index 57、排名 #4/186，输出速度约 35.2 tokens/s，价格约 $3/M input、$15/M output；AA-Briefcase 单任务平均 56.4 分钟、约 83 turns、120k 输出 token。来源：AA Kimi K3、@ArtificialAnlys

X Watch

@xiaohu：本窗口高价值线索包括 Qwen-Image-3.0 能力整理、dots-note-3.0 IMO 满分信号、Databricks million-line codebase 中模型和 Harness framework 的成本/表现测试、Anthropic 用 Claude Code 迁移 Bun 百万行代码的六步法、Claude Code desktop 支持 iOS simulator。分类：中文辅助源 / X 首发；需要用官方源或媒体源二次核验。来源：@xiaohu Qwen-Image、@xiaohu dots-note、@xiaohu Databricks/Harness、@xiaohu Claude Code migration
@Alibaba_Qwen：正式发布 Qwen-Image-3.0，连续展示 Rich Content、Authentic Details、Deep Knowledge。分类：官方发布；可信度高，但 API / model card 仍需继续确认。来源：@Alibaba_Qwen
@OpenAI：发布 OpenAI Presence。分类：官方产品发布；不是新 base model。来源：@OpenAI
@claudeai / @AnthropicAI：发布 Claude Security Plugin beta 与 Anthropic Economic Index connector。分类：官方产品更新；可信度高。来源：@claudeai Security、@claudeai Index connector
@ArtificialAnlys：发布 Inkling / Kimi K3 的 AA-Briefcase 信号。分类：第三方 benchmark；可信度高，但 AA-Briefcase 仍是新 benchmark，需要持续观察样本规模和任务分布。来源：@ArtificialAnlys Inkling、@ArtificialAnlys Kimi K3
@arena：发布 Tencent Hy3 在 Agent Arena 和 Frontend Code Arena 的排名。分类：竞技场出现；可信度高。来源：@arena Hy3
@NVIDIAAI / @HuggingFace：传播 Cosmos 3 Super 4-Step、Cosmos3 Edge、Microsoft Mage-Flow、Genesis-Science-1 等开源/研究模型信号。分类：官方/平台传播；Cosmos 与 Mage-Flow 已有模型卡，Genesis-Science-1 仍需官方长文核验。来源：@NVIDIAAI Cosmos、Cosmos3 Edge、Mage-Flow
@SakanaAILabs：发布 Fugu。分类：官方产品/系统发布；不是单一 base model。来源：@SakanaAILabs
@GoogleDeepMind：本窗口主要是 Google 与美国能源部 Genesis Mission 合作扩展，承诺 40M 美元 AI tokens / Google Cloud credits，让实验室研究人员使用 Gemini 等 AI。分类：官方生态/科研合作，不是新模型。来源：@GoogleDeepMind
@cohere：本窗口主要是 Arabic transcription / HUMAIN 相关传播。分类：语音识别/语言支持生态更新，不是新 base model。来源：@cohere
@Kling_ai、@LumaLabsAI：本窗口主要是 MCP/tutorial、workflow、Reframe / Dream Lab 玩法传播，未见新模型官方首发。分类：产品用例更新。
@AIatMeta、@MistralAI、@runwayml、@Alibaba_Wan、@deepseek_ai：本窗口未见足以升级为新模型首发的可见动态。
@xai：当前公开页面访问容易重定向到非模型账号；本期未将其作为可靠 X 源。@grok 本窗口未见新 base model 发布级动态。

待确认清单

Qwen-Image-3.0：确认公开 API、模型卡、license、价格、分辨率/长宽比限制、中文和英文长提示稳定性、第三方图像榜单、失败样本。当前可以写成官方发布，但不应写成完全开放 API。
dots-note-3.0：等待小红书技术官方长文、论文、样例、评审材料、demo/API/模型卡。当前是高可信媒体 + X 传播的能力信号，不是开放模型发布。
Inkling：继续核验权重下载、推理服务、部署成本、AA-Briefcase 样本分布，以及多模态输入在实际 agent workflow 中的可用性。
Kimi K3：AA-Briefcase 结果强，但成本和时间很重；需要继续看是否有更低预算的 task policy、工具调用压缩策略和公开权重进展。
Tencent Hy3：确认 Agent Arena 负 net improvement 的原因、CLI / bash 修复是否稳定、真实前端代码样本质量、开源仓库和推理配置。
Sakana Fugu：确认底层模型路由透明度、是否可选择/禁用供应商、Fugu Cyber 的边界、日志保留、EU/EEA 不可用原因和企业合规路线。
NVIDIA Cosmos3 / Microsoft Mage-Flow：确认实际商用 license、4-step 质量损失、长视频一致性、4K 输出成本、边缘设备推理要求，以及能否进入常规创意工具链。
Genesis-Science-1：Hugging Face / Arcee / DOE 合作信号已出现，但仍需官方长文、模型卡、开放时间表和治理机制。
OpenAI Presence：确认企业准入、价格、动作审批机制、日志/eval 可导出性、与 Assistants/Realtime/Responses API 的关系，以及是否支持客户自带模型或只用 OpenAI 模型。