QName AI logoQName AI
全部 AI 模型日报
香港时间采集

AI 模型日报 - 2026-07-25

2026-07-25 AI 模型资讯：Anthropic 正式发布 Claude Opus 5：付费 Claude 计划与 Claude API 当日可用，官方定位为接近 Fable 5 前沿智能、价格约为其一半；Fast mode 约为默认模式 2.5x 速度。

30 秒摘要

  • Anthropic 正式发布 Claude Opus 5：付费 Claude 计划与 Claude API 当日可用，官方定位为接近 Fable 5 前沿智能、价格约为其一半；Fast mode 约为默认模式 2.5x 速度。
  • Artificial Analysis 当日把 Claude Opus 5 推到重点位置：Opus 5 在 Intelligence Index 上窄幅领先，并成为 AA-Briefcase 新 leader，较 Claude Fable 5 高近 150 Elo，Cost per Task 低约 20%。
  • LMArena / Arena 已把 Claude Opus 5 放进 Agent Mode 与 Battle Mode 可测，但公开榜单排名仍待稳定；同日 Arena 强调 Kimi K3 在 Code Arena 超过 Fable 5，并在 7 个前端赛道中拿下 6 个第一。
  • Sakana AI 发布 Fugu-Ultra v1.1，通过动态编排最新 frontier models 提升复杂 coding/reasoning 表现；这是 agent/orchestration 模型路线，不应等同为单一基础模型发布。
  • Grok、Runway、Gemini、NVIDIA 的更新都偏“可用入口/工作流/基础设施”：Grok 进入 Google Workspace 并通过 OpenRouter 提供 STT；Runway Agent 加入 Workflows；Gemini Spark 扩展到美国 AI Pro；NVIDIA ModelExpress 缩短 DeepSeek-V4 Pro 启动时间。

今日必看

1. Claude Opus 5 正式发布

  • 事件类型：官方发布 / 可用入口更新。
  • 首发/官方/可用时间：Anthropic 官方博客与 @claudeai 于 2026-07-24 同步发布；官方称当日可用。
  • 能力变化：官方定位为“接近 Fable 5 frontier intelligence、约一半价格”的 Opus 新版本；在网络安全场景强于 Opus 4.8，但官方同时说明其漏洞利用开发能力仍低于 Mythos 5。Fast mode 约为默认模式 2.5x 速度。
  • 可用入口：Claude paid plans、Claude API；Claude Max 默认使用 Opus 5，Claude Pro 可用其最强模型档。
  • 影响判断：这是今天唯一明确的顶级模型官方发布。短期看点是 Opus 系列是否通过更低价格与 Fast mode 抢回高端推理/agent 场景；中期看点是 API 限额、tool use 稳定性、成本曲线和企业安全策略。
  • 来源链接：Anthropic - Claude Opus 5、Claude X launch、Claude X availability。

2. Claude Opus 5 在 Artificial Analysis 成为关键榜单信号

  • 事件类型：竞技场出现 / 榜单核验。
  • 首发/官方/可用时间：@ArtificialAnlys 于 2026-07-24 发布多条测评结果。
  • 能力变化：Artificial Analysis 称 Claude Opus 5 在 Intelligence Index 上窄幅成为最强模型，智能水平接近 Fable 5，但 Cost per Task 低约 26%；在 AA-Briefcase 上成为新 leader，较 Claude Fable 5 高近 150 Elo，Cost per Task 低约 20%。
  • 可用入口：Artificial Analysis 模型页与 AA-Briefcase 榜单。
  • 影响判断：Opus 5 的核心卖点不是“绝对碾压”，而是“高端能力 + 更低任务成本”。但 AA 同时披露高 effort 设置单任务平均耗时可到 25.7-36.2 分钟，说明真实生产环境需要按任务价值选择 effort，而不是盲目开满。
  • 来源链接：Artificial Analysis - Claude Opus 5、AA X Intelligence Index、AA X AA-Briefcase、AA-Briefcase。

3. Claude Opus 5 登陆 Arena Agent Mode / Battle Mode

  • 事件类型：竞技场出现 / 可测入口更新。
  • 首发/官方/可用时间：@arena 于 2026-07-24 宣布 Claude Opus 5 已进入 Arena。
  • 能力变化：Arena 称 Claude Opus 5 已可在 Agent Mode 和 Battle Mode 中测试；静态 benchmark 接近 Fable 5 水平。
  • 可用入口：Arena Agent Mode、Battle Mode；公开排行榜仍需等待样本稳定。
  • 影响判断：Arena 上线意味着可以开始收集真实对战信号，但今天不应把“进入 Arena”解读为“榜单名次已确定”。下一步重点看 Agent Arena、Text Arena、Code/WebDev Arena 是否出现稳定排名变化。
  • 来源链接：Arena X - Opus 5 landed、Arena Agent、Arena Text、Arena Code WebDev。

4. Sakana AI 发布 Fugu-Ultra v1.1

  • 事件类型：官方发布 / agent orchestration / 待复核评测。
  • 首发/官方/可用时间：@SakanaAILabs 于 2026-07-24 发布 Fugu-Ultra v1.1，并给出 release notes。
  • 能力变化：Fugu-Ultra v1.1 使用最新 frontier models 做动态编排。Sakana 团队信号称性能提升 7.9 分，并在复杂 coding/reasoning 上超过 Fable 5，且 agent pool 中未包含 Fable 5。
  • 可用入口：Sakana Fugu release notes 与 Fugu 产品页；具体外部 API/价格/使用限制需继续核验。
  • 影响判断：这条重要，但分类要准确。Fugu-Ultra v1.1 更像“多模型编排/agent 模型系统”的升级，不是单一 base model。它强化了一个趋势：高端任务可能越来越由模型池、路由、工具和长程执行组合解决。
  • 来源链接：Sakana Fugu-Ultra v1.1、Sakana Fugu、Sakana AI X、Hardmaru X。

5. Grok 进入 Google Workspace，并通过 OpenRouter 提供 STT

  • 事件类型：官方发布 / 可用入口更新 / API 分发。
  • 首发/官方/可用时间：@grok、@SpaceXAI 与 OpenRouter 相关 X 信号集中出现在 2026-07-24。
  • 能力变化：Grok 推出 Google Workspace add-on，可在 Sheets、Slides、Docs 中把研究转成报告、从 outline 生成 deck、在文档内起草内容。Grok STT 通过 OpenRouter 上线，支持 25 种语言、word-level timestamps、speaker diarization，OpenRouter 报价为 $0.10/audio hour。
  • 可用入口：x.ai/grok/workspace、Google Workspace add-on、OpenRouter、xAI STT/TTS API 页面。
  • 影响判断：Grok 正从聊天/模型发布转向办公入口和语音 API 分发。短期更值得实测的是 Workspace add-on 权限、企业环境安装限制、STT 真实语种表现与 diarization 准确率。
  • 来源链接：Grok Workspace X、Grok Workspace、Grok STT on OpenRouter X、xAI STT/TTS APIs。

6. Runway Agent 加入 Workflows

  • 事件类型：官方发布 / 产品能力更新。
  • 首发/官方/可用时间：@runwayml 于 2026-07-24 发布。
  • 能力变化：Runway Agent 新增 Workflows，用户可通过自然语言创建、运行和编辑 node-based workflows；入口是 / Workflow skill。
  • 可用入口：Runway Agent 内部工作流入口；具体计划覆盖和 rollout 范围需继续核验。
  • 影响判断：这不是新 video model，但对生成媒体工作流有实际意义。Runway 正把“单次生成”推进到“可编辑的多节点生成流程”，后续需要看它是否能稳定管理资产、分支、复用和批处理。
  • 来源链接：Runway Workflows X。

7. NVIDIA ModelExpress 缩短 DeepSeek-V4 Pro 启动时间

  • 事件类型：官方发布 / 推理基础设施。
  • 首发/官方/可用时间：@NVIDIAAI 于 2026-07-24 发布，并指向 NVIDIA developer blog。
  • 能力变化：NVIDIA 称 ModelExpress in Dynamo 使用 GPU-to-GPU RDMA 路径把模型 artifact 直接送到 GPU memory，将 DeepSeek-V4 Pro startup 从约 8 分钟缩短到不到 2 分钟。
  • 可用入口：NVIDIA Dynamo / ModelExpress 技术栈。
  • 影响判断：这不是模型发布，但对大模型服务成本很关键。多模型路由、冷启动和弹性扩缩容会越来越依赖这类 artifact distribution 技术；后续要看可支持模型、部署复杂度和真实云环境收益。
  • 来源链接：NVIDIA AI X、NVIDIA Developer Blog - ModelExpress。

8. Gemini Spark 扩展到美国 Google AI Pro 用户

  • 事件类型：X 首发 / 产品可用更新。
  • 首发/官方/可用时间：@GeminiApp 于 2026-07-24 转发 Google 产品负责人信号，称 Spark 已面向美国 Google AI Pro subscribers live，接下来扩展到全球。
  • 能力变化：示例展示 Spark 读取 school calendar PDF，并把 no-school days 添加到 Google Calendar。Google AI plans 页面将 Spark 定位为可执行数字生活任务的 personal AI agent。
  • 可用入口：美国 Google AI Pro；Google AI Ultra 与更多地区覆盖需按账号核验。
  • 影响判断：Spark 是 Google 消费级 agent 的关键入口。今天的新增信息是 Pro 用户覆盖，不是新模型发布；真正需要关注的是权限确认、Google Workspace/Calendar 深度、失败回滚和跨地区可用性。
  • 来源链接：Josh Woodward X、Gemini App X、Google AI plans。

9. 开放权重模型生态成为政策与平台主线

  • 事件类型：官方声明 / 生态信号 / 非模型发布。
  • 首发/官方/可用时间：Microsoft、NVIDIA、Hugging Face、Arena、Sam Altman 等在 2026-07-24 集中转发或回应开放权重模型生态声明。
  • 能力变化：该声明强调开放权重模型与美国 AI 领导力、创新生态和基础设施的重要性；没有直接发布新模型。
  • 可用入口：Microsoft open-weight statement。
  • 影响判断：这条不应放进“模型发布”，但应进日报。它可能影响未来模型开放策略、平台默认支持、政府采购和企业使用边界。后续重点看 OpenAI、Meta、Microsoft、NVIDIA 是否有实际模型、license 或托管入口动作。
  • 来源链接：Microsoft open-weight statement、Arena X、Sam Altman X、Hugging Face X。

Arena Watch

  • LMArena / Arena：Claude Opus 5 已进入 Arena Agent Mode 与 Battle Mode，可开始实测，但今天未把它记录为公开榜单稳定名次。来源：Arena X、Arena Agent。
  • LMArena / Code Arena：@arena 称 Kimi K3 在 Code Arena 超过 Fable 5，并在 7 个 frontend domains 中拿下 6 个第一。公开 Code WebDev 榜单仍需观察后续快照，避免把 X 宣发和稳定榜单混为一类。来源：Arena X - Kimi K3、Arena Code WebDev。
  • Artificial Analysis / Intelligence Index：AA 称 Claude Opus 5 窄幅成为最智能模型，能力接近 Fable 5，同时 Cost per Task 低约 26%。来源：AA X Intelligence Index、Claude Opus 5 model page。
  • Artificial Analysis / AA-Briefcase：Claude Opus 5 成为 AA-Briefcase 新 leader，较 Claude Fable 5 高近 150 Elo，Cost per Task 低约 20%。来源：AA X AA-Briefcase、AA-Briefcase。
  • Artificial Analysis / effort tradeoff：AA 披露 Opus 5 高 effort 设置下，AA-Briefcase 单任务平均耗时约 36.2、34.3、25.7 分钟；GDPval-AA v2 上不同 effort 设置跨度达 407 Elo，output token 使用量相差约 8x。这说明 Opus 5 的真实价值要按任务复杂度和成本预算分层使用。来源：AA X task time、AA X effort spread。
  • 结论：今天的榜单主线是 Claude Opus 5 的“高端能力 + 成本效率”，以及 Kimi K3 在 Code Arena 的持续强势。Arena 公开稳定名次仍需下一轮榜单快照确认。

X Watch

  • @xiaohu：高价值中文线索包括 Jensen Huang 首条 X 对开放模型/开放权重生态的支持解读，以及 Hyper3D/Rodin BANG to Parts 的 3D 模型分解能力。后者可把完整 3D model 分解成独立可用 parts，适合材质编辑、动画、3D 打印和资产复用；但当前按 X 线索处理，需等 Hyper3D 官方页或技术文档核验。来源：xiaohu open models、xiaohu BANG to Parts、xiaohu BANG explanation。
  • @arena：两条关键更新。其一，Claude Opus 5 已进入 Arena Agent Mode / Battle Mode；其二，Kimi K3 在 Code Arena 超过 Fable 5，并在大部分前端赛道领先。来源：Opus 5 in Arena、Kimi K3 Code Arena。
  • @ArtificialAnlys：今天最密集的第三方榜单源。核心结论是 Opus 5 在 Intelligence Index、AA-Briefcase、GDPval-AA v2 上都给出强信号，同时 effort/cost/time 差异很大。来源：AA Intelligence、AA-Briefcase、AA task time。
  • @claudeai / @AnthropicAI：Claude Opus 5 官方 launch thread 明确给出能力、价格、安全和可用入口。来源：Claude launch、Claude safety、Claude availability。
  • @GeminiApp：转发 Josh Woodward，称 Gemini Spark 面向美国 Google AI Pro 用户 live，随后全球扩展。该信息是产品负责人/X rollout 信号，需按账号继续核验实际可用性。来源：Josh Woodward Spark。
  • @OpenAIDevs：转发两个开发者工作流信号。一个是 ChatGPT Voice 结合视觉 UI 与工具调用，另一个是 Codex Multi-Agent V2 文章，描述 Sol/Terra delegation、shared updates 和 coordination。今天没有 OpenAI 新模型官方发布。来源：Voice workflow、Codex multi-agent article。
  • @grok / @SpaceXAI：Grok Workspace add-on、Grok STT on OpenRouter、Grok 4.5 invoice processing benchmark claim。invoice claim 来自 Ramp 测试转发，需等公开评测细节，不直接当官方通用能力榜单。来源：Grok Workspace、Grok invoice benchmark、Grok STT OpenRouter。
  • @runwayml：Runway Agent Workflows 发布，强调通过自然语言构建、运行和编辑 node-based workflows。来源：Runway Workflows。
  • @NVIDIAAI：ModelExpress / Dynamo 推理基础设施信号，重点是 DeepSeek-V4 Pro 冷启动优化；另有 Nemotron Reasoning Challenge、Kaggle agent 比赛相关生态更新。来源：ModelExpress。
  • @SakanaAILabs：Fugu-Ultra v1.1 是今天除 Opus 5 外最重要的模型系统更新。来源：Fugu announcement、Fugu release notes。
  • @HuggingFace：主要是开放权重模型生态声明、Google gmn/gnm 3D head model 的 HF Space 信号、AMD MI455X 硬件信号。Google 3D head model 需核验拼写、license 与官方模型卡。来源：HuggingApps gmn/gnm。
  • @GoogleDeepMind、@GoogleAI、@OpenAI、@Alibaba_Qwen、@Kimi_Moonshot、@AIatMeta、@MistralAI、@cohere、@LumaLabsAI、@Kling_ai、@Alibaba_Wan、@TencentHunyuan、@deepseek_ai、@karpathy：本窗口未看到足够高信号的新模型官方发布。Luma/Kling 多为案例展示，暂不升级为今日必看。
  • 小互 AI 日报站点：Chrome 已访问 xiaohu.ai 首页，能看到 XiaoHu.AI 日报入口与站点结构，但当前可见页未直接暴露本窗口完整日报内容；本次采用 @xiaohu 已登录 X 时间线作为小互线索来源。

待确认清单

  • Claude Opus 5：继续核验 API model id、上下文长度、tool use 限额、Fast mode 适用范围、批量/缓存价格，以及与 Fable 5、Opus 4.8、Mythos 5 在真实 agent tasks 上的差异。
  • Claude Opus 5 榜单：等待 Arena 公开榜单稳定快照；AA 的 Intelligence Index、AA-Briefcase 和 GDPval-AA v2 需要关注样本更新、cost per task 口径和 effort 设置默认值。
  • Fugu-Ultra v1.1：需要确认 agent pool、使用的 frontier model 列表、benchmark 集合、是否可外部 API 调用、定价与 license。当前不把“超过 Fable 5”当作独立第三方结论。
  • Grok Workspace：需要确认 Google Workspace add-on 权限范围、企业域安装限制、数据保留策略、是否支持 Drive/Calendar/Gmail，以及与 Grok 4.5/其他模型的路由关系。
  • Grok STT on OpenRouter：需要核验 OpenRouter 模型名、计费生效、25 语言列表、speaker diarization 质量、word-level timestamp 精度，以及是否等价于 xAI 官方 STT API。
  • Grok 4.5 invoice benchmark：Ramp 150K bills 测试需要公开方法、样本类型、字段定义、错误口径和对照模型设置；目前只列为高热 X benchmark claim。
  • Gemini Spark：需要用实际账号核验美国 Google AI Pro 覆盖、全球扩展时间表、Calendar/PDF 权限提示、失败回滚和可操作应用边界。
  • Runway Workflows：需要确认 rollout 范围、是否面向所有 Runway Agent 用户、workflow 节点类型、可否导出/复用、是否支持 API 触发。
  • NVIDIA ModelExpress：需要核验除 DeepSeek-V4 Pro 外的模型支持范围、Dynamo 版本要求、RDMA/网络依赖、云厂商可用性和成本收益。
  • Hyper3D/Rodin BANG to Parts：目前主要来自 @xiaohu 的 X 线索；需等待 Hyper3D 官方技术页、demo、模型卡或论文再升级可信度。
  • Google gmn/gnm 3D head model：Hugging Face/X 信号需核验正式名称、Space URL、license、训练数据与是否为 Google 官方发布。
  • 开放权重模型声明：今天是生态/政策信号，不是模型发布；后续若出现模型、license、hosting 或政府采购动作，再提升优先级。