AI 模型日报 - 2026-07-24

30 秒摘要

• OpenAI 把 ChatGPT Voice 接入桌面端 Chat/Work/Codex：GPT-Live 支撑语音中启动、检查、调度多个 Work/Codex 任务，iOS remote 可用，Android coming soon；同日 Health in ChatGPT 面向美国 18+ 登录用户 rollout。
• Claude Voice 同日升级：从 Haiku 扩展到 Opus/Sonnet/Haiku，可在语音中访问 Gmail、Slack、email、calendar 等连接工具，更多语言，移动、桌面和 Web public beta。
• Qwen 官方推 Qwen-Audio-3.0-TTS：Flash/Plus 两档，Flash 面向实时交互，Plus 面向高质量生成；16 语言、自然语言风格控制、细粒度标签控制，Artificial Analysis TTS 榜单显示 Plus 处于榜首。
• Grok 4.5 完成平台铺开：grok.com、X、iOS、Android 可用；Artificial Analysis 记录 Intelligence Index 54、#9/186、价格 $2/$6、500K context。
• Google、Runway、NVIDIA 都在把模型能力推向更具体的工作流：Gemini 3.5 Flash Cyber 限量用于防御安全，Gemini Spark 向美国 AI Pro 用户 rollout，Runway Media Router 用成本/质量/延迟偏好自动选择生成媒体模型。

今日必看

1. ChatGPT Voice 进入桌面端 Chat/Work/Codex

• 事件类型：官方发布 / 可用入口更新。
• 首发/官方/可用时间：OpenAI 在 2026-07-23 的 X 与 ChatGPT Learn 更新中同步说明，桌面端与 iOS remote 开始 rollout。
• 能力变化：ChatGPT Voice 由 GPT-Live 支撑，可在同一个语音会话里启动、检查、调度 ChatGPT Work 与 Codex 任务；OpenAI Devs 同步强调可以在语音中 steer Codex 和 Work。
• 可用入口：ChatGPT desktop app；iOS app paired remote access；Android support coming soon。
• 影响判断：这不是单纯语音 UI，而是把多任务 agent control 放进低摩擦入口。对日常工程流的影响高于常规聊天体验更新，后续要重点看权限边界、任务状态可见性、错误恢复和企业管控。
• 来源链接：OpenAI X、OpenAI Devs X、ChatGPT Learn - What is new。

2. Claude Voice 升级到 Opus/Sonnet/Haiku，并接入连接工具

• 事件类型：官方发布 / 可用入口更新。
• 首发/官方/可用时间：Anthropic 2026-07-23 官方博客与 @claudeai X thread；public beta 面向 mobile、desktop、web rollout。
• 能力变化：Voice mode 不再只跑 Haiku，可用 Opus、Sonnet、Haiku；可在语音中访问连接工具，例如 Gmail、Slack、Google Calendar、Canva、email 等，并在使用连接工具前请求许可；支持更多语言。
• 可用入口：Claude mobile、desktop、web。Free 用户有 Haiku 与一个 connected tool；付费用户获得更多模型和工具覆盖。
• 影响判断：Claude 与 ChatGPT 在同一天把 voice 从“输入方式”升级为“agent 操作层”。Claude 的差异点是连接工具和模型切换；适合观察长对话、日历/邮件等真实办公任务的可靠性。
• 来源链接：Anthropic Blog、Claude X、Claude X thread。

3. Qwen-Audio-3.0-TTS 发布，TTS 进入多语言与可控风格竞争

• 事件类型：官方发布 / 竞技场出现。
• 首发/官方/可用时间：Tongyi Lab 2026-07-20 发布技术文章，@Alibaba_Qwen 2026-07-23 在 X 重点推广。
• 能力变化：两档模型，Flash 面向实时交互，官方披露 first-packet latency 约 300ms；Plus 面向高质量生成。支持 16 种语言，支持自然语言风格控制和 [whisper]、[angry]、[breaths]、[laughs] 等细粒度标签。
• 可用入口：Qwen/Tongyi 生态与 Alibaba Cloud Model Studio 入口需继续核验；Artificial Analysis TTS Arena 已收录 Qwen-Audio-3.0-TTS-Plus。
• 影响判断：TTS 正从“声音像不像”转向“多语言、低延迟、可控表达、榜单可比较”。如果 Plus 的榜首位置稳定，Qwen 在语音生成链路的可用性会明显提升。
• 来源链接：Qwen X、Tongyi Lab Substack、Artificial Analysis Text to Speech Arena。

4. Grok 4.5 从开发者/构建入口铺到消费者端

• 事件类型：官方发布 / 可用入口更新 / 榜单核验。
• 首发/官方/可用时间：xAI 2026-07-16 发布 Grok 4.5；2026-07-22 宣布 across grok.com、X、iOS、Android；@grok 2026-07-23 再次确认可用。
• 能力变化：官方定位为 coding、agentic tasks、knowledge work 的主力模型；xAI 披露其在 SWE Bench Pro 每任务输出 token 约 15,954，较 Opus 4.8 max 少约 4.2x。
• 可用入口：grok.com、X、iOS、Android、Grok Build、Cursor、xAI API / SpaceXAI console。
• 影响判断：Grok 4.5 的重点从“发布”转为“分发”。现在需要观察实际限额、API 稳定性、Cursor/Grok Build 工作流表现，以及价格 $2/M input、$6/M output 下的成本优势是否成立。
• 来源链接：Grok 4.5 official、Grok 4.5 everywhere、Grok X、Artificial Analysis - Grok 4.5。

5. Gemini 3.5 Flash Cyber 用于安全防御，进入限量 pilot

• 事件类型：官方发布 / 专项模型 / 受限可用。
• 首发/官方/可用时间：Google DeepMind 官方博客已发布，@GoogleDeepMind 2026-07-23 X thread 补充测试结果与 access 口径。
• 能力变化：基于 Gemini 3.5 Flash fine-tune，面向发现、验证和修补漏洞；Google 表示在 Chrome、Android 等内部代码库以及 V8 场景中捕获标准模型未命中的复杂漏洞。
• 可用入口：limited-access pilot，面向 governments and trusted partners；通过 CodeMender 相关工作流。
• 影响判断：这是“轻量模型 + 专项安全工具链”的信号，不是开放泛用模型。值得跟踪其是否形成可外部采购的安全 agent 平台，以及是否公布可复现 benchmark、误报率和安全边界。
• 来源链接：Google DeepMind Blog、Google DeepMind X、Google DeepMind X thread。

6. Health in ChatGPT 在美国 rollout

• 事件类型：官方发布 / 产品可用 / 高风险场景。
• 首发/官方/可用时间：OpenAI 2026-07-23 官方发布，面向美国 18+ 登录用户在 Web 和 iOS rollout。
• 能力变化：用户可连接 Apple Health 与支持的 medical records；OpenAI 表示 GPT-5.5 Instant 已把 frontier health intelligence 带给 free users，GPT-5.6 Sol 在复杂健康问题上更强。
• 可用入口：ChatGPT Free、Go、Plus、Pro 的 Web/iOS；官方说明不在 Codex 可用。
• 影响判断：模型日报里需要关注，但要把它归为医疗/健康产品能力，而非新模型发布。高风险点是隐私、解释性、错误建议与专业医疗边界。
• 来源链接：OpenAI - Health in ChatGPT、OpenAI X。

7. Runway Media Router：生成媒体开始进入“模型路由”阶段

• 事件类型：官方发布 / 产品能力更新。
• 首发/官方/可用时间：@runwayml 2026-07-23 发布；开发者文档已上线。
• 能力变化：用户定义偏好，例如 cost、quality、latency，Runway router 在 video/image/audio endpoint 中筛选 eligible models 并选择合适模型，返回结果和 metadata。
• 可用入口：Runway developer API / Media Router config。
• 影响判断：这不是新 video model，但对生成媒体 production workload 很重要。模型选择从“手动挑模型”转向“按业务约束动态路由”，会影响成本控制、延迟 SLA 和结果质量评估。
• 来源链接：Runway X、Runway Docs - Model routers。

8. Gemini Spark 向美国 AI Pro 用户 rollout

• 事件类型：X 首发 / 产品可用更新。
• 首发/官方/可用时间：@GeminiApp 2026-07-23 称 Gemini Spark 正向美国 Google AI Pro subscribers rollout，此前已给 AI Ultra。
• 能力变化：Google One 官方页面将 Spark 定位为 24/7 personal AI agent，可在用户指令下导航数字生活并采取行动；同页还列出 AI Inbox、Chrome auto browse 等 agentic 入口。
• 可用入口：美国 Google AI Pro 用户开始 rollout；Google AI Ultra 在部分国家已有。
• 影响判断：Spark 是 Google 消费者 AI agent 化的核心入口之一。当前最需要核验的是 Pro rollout 的国家/账号覆盖、具体权限、可操作应用范围和失败处理。
• 来源链接：Gemini App X、Google AI plans。

9. 开放模型基础设施：Nemotron RL 工作流与 The Stack v3 信号

• 事件类型：媒体/生态发布 / X 首发 / 待核验。
• 首发/官方/可用时间：NVIDIA 2026-07-23 通过 X 和 developer blog 推 Prime Intellect Lab 上的 Nemotron 3 Nano 定制流程；Hugging Face 2026-07-23 转发 The Stack v3 数据集信号。
• 能力变化：NVIDIA 案例称 hosted RL run 以低成本把 Nemotron 3 Nano 在单个数学任务上的准确率从 22% 提到 91%，产出可下载 LoRA adapter。The Stack v3 X 信号称有 5T tokens ready to train 和 120TB raw data。
• 可用入口：Prime Intellect Lab / NVIDIA developer workflow；The Stack v3 公开 dataset card 和治理细节待核验。
• 影响判断：这类信息对“开源模型后训练”和“代码模型数据供给”重要，但今天不是新基础模型发布。The Stack v3 目前只按 X 生态信号放入待确认。
• 来源链接：NVIDIA AI X、NVIDIA Developer Blog、Hugging Face X。

Arena Watch

• LMArena / Arena Code WebDev Overall：榜单更新时间显示 2026-07-21，506,528 votes、101 models。Top signals：Kimi K3 #1，Elo 1678；Claude Fable 5 #2；GPT 5.6 Sol xHigh #3；Grok 4.5 #7，Elo 1557，价格 $2/$6，500K context；Muse Spark 1.1 #11；Gemini 3.6 Flash #12；Hy3 #16，262.1K context。
• LMArena / Arena Text Overall：榜单更新时间显示 2026-07-21，7,430,560 votes、378 models。Claude Fable 5 #1，Muse Spark 1.1 #5，Kimi K3 #10。今天未看到 @arena 新 X 发布，按榜单快照记录，不解读为 24 小时新变动。
• LMArena / Agent Arena：榜单更新时间显示 2026-07-21，1,242,857 sessions、38 models。Claude Fable 5 (High) #1，GPT 5.6 Sol (xHigh) #2，Claude Opus 4.8 Thinking #3，Kimi K3 #4，GLM 5.2 Max #10。
• Artificial Analysis / Grok 4.5：AA 模型页显示 Grok 4.5 released July 2026，Intelligence #9/186，Index 54，speed 68.8 output tokens/s，价格 $2/M input、$6/M output，text/image input、text output、500K context。
• Artificial Analysis / TTS：Qwen-Audio-3.0-TTS-Plus 在 AA Text to Speech Arena 处于榜首位置，Elo 约 1234。这为 Qwen TTS 的“高质量档”提供了第三方对比信号，但仍需持续观察样本量与榜单波动。
• Artificial Analysis X：@ArtificialAnlys 2026-07-23 连续强调 cost per task 与 token efficiency，称 OpenAI 在其 Intelligence Index 的 token-efficiency Pareto frontier 上仍占主要位置。今天没有看到新的通用模型 Index 改榜公告，但成本效率正在成为模型比较主线。

来源链接：Arena Code WebDev、Arena Text、Arena Agent、Artificial Analysis - Grok 4.5、Artificial Analysis TTS Arena、Artificial Analysis X。

X Watch

• @xiaohu：2026-07-23 多条高传播中文跟踪信号。重点包括 OpenAI Presence/Health/Voice 的中文摘要、Codex quota reset 与“Code 接管 Siri/电脑”的待核验传言、OpenSquilla 0.5.0 Preview 赞助内容。模型发布层面不直接作为官方源，适合作为早期线索和中文传播热度源。来源：Codex rumor、OpenSquilla、OpenAI Presence summary。
• @OpenAI / @OpenAIDevs：ChatGPT Voice、Health in ChatGPT、Codex remote voice control、multi-folder Codex project、Sites Analytics public testing 是今天最密集的官方产品更新。模型本体不是“新编号模型”，但 GPT-Live 与 GPT-5.6 Sol 出现在关键产品说明中。来源：OpenAI Voice、OpenAI Health、OpenAI Devs Voice、Codex multi-folder。
• @claudeai：Voice mode 升级是今天与 OpenAI 正面对齐的信号。核心看点是 Opus/Sonnet/Haiku、connected tools、更多语言、公测多端 rollout。来源：Claude Voice。
• @Alibaba_Qwen：Qwen-Audio-3.0-TTS 是今天最明确的新模型/语音模型官方信号。Flash/Plus 分层、标签控制、多语言和 AA 榜单位置值得后续持续跟踪。来源：Qwen-Audio-3.0-TTS。
• @grok / xAI：Grok 4.5 消费者端可用确认；同时直接访问 @xai 时 Chrome 页面解析到了 @SpaceXAI 相关内容，后续采集需要继续用已登录 Chrome 核验账号跳转。来源：Grok X、Grok 4.5 official。
• @GoogleDeepMind / @GeminiApp：Flash Cyber 与 Spark 分别代表专项安全模型和消费者 agent rollout。Flash Cyber 是官方深度技术线；Spark 当前主要是 X rollout 信号，需要结合 Google AI plans 页面继续核验。来源：Flash Cyber X、Gemini Spark X。
• @runwayml：Media Router 是生成媒体工程化信号，不是新模型。对视频、图片、音频生成成本和延迟优化有直接价值。来源：Runway Media Router。
• @NVIDIAAI / @HuggingFace：NVIDIA 推 Nemotron 3 Nano 的 Prime Intellect Lab RL 定制工作流；Hugging Face 转发 The Stack v3。二者更偏开放模型基础设施，需要等 dataset card、license、benchmark 或完整技术页再升级可信度。来源：NVIDIA AI、Hugging Face。
• @AIatMeta、@MistralAI、@cohere、@Kimi_Moonshot、@LumaLabsAI、@Kling_ai、@Alibaba_Wan、@SakanaAILabs、@deepseek_ai、@karpathy：本窗口未看到足够高信号的新模型发布或榜单变动；Luma/Kling 主要是用例视频，暂不列入今日必看。

待确认清单

• OpenAI Voice / GPT-Live：需要确认 GPT-Live 是否有开发者 API、企业权限控制、语音调度 Codex/Work 的失败恢复机制，以及 Android rollout 的具体日期。
• Health in ChatGPT：需要持续关注医疗记录接入范围、隐私设置、专业医疗免责声明、模型回答审计，以及是否会扩展到美国以外地区。
• Claude Voice：需要实测 Free/paid 的工具数量、Opus/Sonnet 可用额度、工具权限弹窗、非英语稳定性，以及连接 Gmail/Slack/Calendar 后的真实工作流成功率。
• Qwen-Audio-3.0-TTS：需要核验 Model Studio/API 可用范围、计费、商用条款、Flash 实测首包延迟、Plus 榜单样本量，以及情绪/呼吸/笑声标签在不同语言中的一致性。
• Grok 4.5：需要确认 grok.com/X/iOS/Android 的地区和订阅限制、API 限额、Cursor/Grok Build 免费期结束时间、SWE Bench Pro 复现细节，以及 @xai 页面跳转导致的账号采集歧义。
• Gemini 3.5 Flash Cyber：需要模型卡、可复现 benchmark、误报/漏报数据、pilot 申请条件、CodeMender API/平台边界，以及政府/可信伙伴之外是否会开放企业安全产品。
• Gemini Spark：@GeminiApp 提到美国 AI Pro rollout，但 Google AI plans 页面仍主要强调 Ultra/selected countries；需要账户级实测和国家覆盖确认。
• Runway Media Router：需要确认 eligible model pool、router config 可配置项、metadata 粒度、成本/延迟透明度，以及是否支持自定义业务评分。
• The Stack v3：目前主要来自 X 生态信号，需等待 Hugging Face dataset card、许可、数据治理说明、去重/PII 处理与代码训练集切分细节。
• OpenSquilla 0.5.0 Preview：@xiaohu 明确标注 sponsored/paid partnership，国产模型组队协作与成本优势需要官方文档、开源仓库、benchmark 和独立复现后再升级可信度。