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

AI 模型日报 - 2026-07-31

2026-07-31 AI 模型资讯：OpenAI 正式下调 GPT-5.6 Luna / GPT-5.6 Terra API 价格：Luna 降 80% 至 $0.20/$1.20 per 1M input/output tokens，Terra 降 20% 至 $2/$12；GPT-5.6 Sol 新增...

30 秒摘要

  • OpenAI 正式下调 GPT-5.6 Luna / GPT-5.6 Terra API 价格：Luna 降 80% 至 $0.20/$1.20 per 1M input/output tokens，Terra 降 20% 至 $2/$12；GPT-5.6 Sol 新增 API Fast mode，官方称最高 2.5x 更快、价格为 Standard 的 2 倍。
  • Arena 发布 AutoEval：用基于数百万真实 Arena 偏好票训练的 reward model，为 Text、Vision、Image、Code 等赛道提供早期模型排序信号；同日 Image Edit Arena 补齐与 Text-to-Image 相同的 7 类细分榜。
  • Google DeepMind 发布 Gemini Robotics 2 / Gemini Robotics ER 2：从桌面操作推进到 humanoid whole-body control、五指灵巧操作、多机器人协作；ER 2 已通过 Gemini API / AI Studio 面向开发者开放。
  • Thinking Machines 发布 Inkling-Small 开放权重模型：276B total / 12B active MoE，支持文本、图像、音频，官方称最高 1M context；Artificial Analysis 给出 Intelligence Index 40，接近 Inkling 的 41。
  • 视觉/视频侧继续升温：Artificial Analysis 将 NVIDIA Cosmos3-Super-Image2Video-4Step 标为 open weights Image-to-Video #1；Luma Layers 已进入 Luma Agents，基于 Uni-1 做图像分层编辑；Gemini Spark 开始集成 Chrome 自动浏览。

今日必看

1. OpenAI GPT-5.6 价格/速度更新：Luna、Terra 降价，Sol 新增 Fast mode

  • 事件类型：官方发布 / X 首发 / 可用入口更新。
  • 首发/官方/可用时间：OpenAI 官方博客与 @OpenAI 于 2026-07-30 发布；API 价格从 2026-07-30 起生效，AWS 价格随后开始 rollout。
  • 能力变化：GPT-5.6 Luna 降价 80%，API 价格为 $0.20 input / $1.20 output per 1M tokens；GPT-5.6 Terra 降价 20%，API 价格为 $2 input / $12 output per 1M tokens；GPT-5.6 Sol 新增 Fast mode，替代 Priority Processing，官方称速度最高 2.5x，智能水平不变，价格为 Standard 的 2 倍。
  • 可用入口：OpenAI API、Codex、ChatGPT Work；OpenRouter 同步给 Luna/Terra 叠加 50% 折扣，页面显示 Luna $0.10/$0.60、Terra $1/$6 per 1M input/output tokens。
  • 影响判断：这次不是新模型首发，但会直接改变 agent、代码审查、批处理与高频分类任务的成本曲线。Luna 的价格区间开始逼近“高质量小模型/中模型”的主战场，短期应重测 GPT-5.6 Luna/Terra 在代码执行、工具调用、长上下文和自动 review 场景的性价比。
  • 来源链接：OpenAI blog、GPT-5.6 overview、OpenAI X、OpenAIDevs X、OpenRouter discounts、OpenRouter X。

2. OpenAI 复盘 ARC-AGI-3：两个 API 设置把 GPT-5.6 Sol public set 从 13.3% 拉到 38.3%

  • 事件类型：官方发布 / benchmark 复盘 / X 首发。
  • 首发/官方/可用时间：OpenAI 文章发表于 2026-07-29，X 在本窗口内继续传播；@xiaohu 于 2026-07-30 04:12 UTC 做中文辅助解读。
  • 能力变化：OpenAI 称官方 harness 下 GPT-5.6 Sol 在 ARC-AGI-3 public set 为 13.3% RHAE；启用 retained reasoning 与 compaction 后升至 38.3%，并将 output tokens 降低 6x。OpenAI 同时建议 API 开发者使用 Responses API、保留 reasoning、启用 compaction。
  • 可用入口：OpenAI Responses API；ARC-AGI-3 公共任务可在 ARC Prize 入口体验。
  • 影响判断：这条的重点不是“模型突然变强”，而是 eval harness 对 agentic benchmark 的影响足够大。后续比较模型时，必须记录是否保留私有 reasoning、如何做 context compaction、是否滚动截断，否则同一模型可能出现完全不同的榜单结论。
  • 来源链接：OpenAI ARC-AGI-3 post、OpenAI X、xiaohu X、ARC Prize GPT-5.6 Sol results。

3. Arena AutoEval：模型竞技场引入 reward-model 早期评估层

  • 事件类型：竞技场出现 / 官方发布 / 榜单方法更新。
  • 首发/官方/可用时间：@arena 与 Arena 官方博客于 2026-07-30 发布 AutoEval；Leaderboard Changelog 同日记录 Image Edit Arena 分类更新。
  • 能力变化：AutoEval 使用 Arena 大规模真实用户偏好数据训练 pointwise reward model，再将候选模型回答转换为 soft votes 和 Arena Score。Arena 称当两模型相差至少 10 Arena points 时，AutoEval 与最终 live leaderboard 顺序有强一致性。该机制扩展到 text、vision、image generation、code 等 modality-specific reward models。
  • 可用入口：Arena Text leaderboard 已显示 1 AutoEval；Image Edit Arena 的 Single / Multi Image Edit 已补齐 Text-to-Image 的 7 类分类。
  • 影响判断：AutoEval 会让匿名模型/新 checkpoint 在 live 投票足够前先有早期排序信号，但也引入“reward model 代表真实用户偏好”的新校准问题。以后日报中，Arena 结论需区分 live human vote 与 AutoEval。
  • 来源链接：Arena AutoEval blog、Arena X、Leaderboard changelog、Arena Text leaderboard、Arena Image Edit leaderboard。

4. Gemini Robotics 2 / ER 2：Google 把 Gemini Robotics 推到 whole-body humanoid 与多机器人协作

  • 事件类型：官方发布 / X 首发 / 可用入口更新。
  • 首发/官方/可用时间：Google DeepMind 与 Google Blog 于 2026-07-30 发布；@GoogleDeepMind 同日发布演示视频。
  • 能力变化：Gemini Robotics 2 扩展到 humanoid whole-body motions，可控制 Apptronik Apollo 2 完成行走、弯腰、取放物体等任务；同时支持 SharpaWave 五指手完成打结、封 ziplock bag 等精细操作。Gemini Robotics ER 2 强调视频理解、任务编排、进度跟踪、moment finding、多机器人协作，并接入低延迟 bidirectional streaming。
  • 可用入口：Gemini Robotics ER 2 已通过 Gemini API、Google AI Studio 对开发者开放，并在 Gemini Enterprise Agent Platform 私有预览；Gemini Robotics On-Device 2 为 trusted testers。
  • 影响判断：这是本窗口最重要的 physical AI 模型发布。对机器人开发者而言，ER 2 的开放入口比 humanoid demo 更实际：它把高层视频理解/进度判断/工具编排作为可调用模型能力开放，可能先影响仿真、远程操控、仓储与室内服务机器人。
  • 来源链接：Google DeepMind blog、Google Blog - ER 2、On-Device 2 model card、Google DeepMind X、Apptronik X。

5. Thinking Machines Inkling-Small：276B/12B active 开放权重模型正式发布

  • 事件类型：官方发布 / 开放权重发布 / 第三方榜单核验 / X 首发。
  • 首发/官方/可用时间：Thinking Machines 于 2026-07-30 发布 Inkling-Small；Artificial Analysis 同日给出独立评测。
  • 能力变化：官方称 Inkling-Small 是 MoE Transformer，276B total parameters、12B active parameters，支持文本、图像、音频 native reasoning、variable thinking effort、最高 1M context；官方评测中 SWEBench Verified 80.2%，Terminal Bench 2.1 64.7%，AA Index v4.1 40.0。Artificial Analysis 独立文章称 Inkling Small 在 Intelligence Index 为 40，接近 Inkling 41，Apache 2.0 开放权重，276B total / 12B active。
  • 可用入口：Tinker Playground、Tinker fine-tuning、Hugging Face 权重；vLLM / SGLang 社区已给出 day-0 支持信号。
  • 影响判断：这是 Kimi K3 后又一个值得实测的开放权重 agentic/multimodal 模型。重点观察实际推理显存、第三方服务可用性、长上下文上限差异、音频/视觉输入效果，以及 12B active MoE 在真实 agent loop 中的成本优势。
  • 来源链接：Thinking Machines blog、Artificial Analysis article、Thinking Machines X、vLLM X、LMSYS/SGLang X。

6. 视觉/视频创作模型：Cosmos3-Super-4Step、Luma Layers、Gemini Spark/Chrome

  • 事件类型：竞技场出现 / 官方发布 / 可用入口更新 / X 首发。
  • 首发/官方/可用时间：Artificial Analysis 于 2026-07-30 发布 Cosmos3-Super-4Step 排名信号；Luma 于 2026-07-30 发布 Layers；Gemini App 同日发布 Gemini Spark + Chrome integration。
  • 能力变化：Artificial Analysis 称 NVIDIA Cosmos3-Super-4Step distills 是 open weights Image-to-Video #1，并在 Text-to-Image open weights 中处于前列；公开榜单显示 Cosmos3-Super-Image2Video-4Step 在无音频 open weights Image-to-Video Elo 1267 排第一，Cosmos3-Super-Text2Image (agentic) 在 open weights Text-to-Image Elo 1219 排第一。Hugging Face 模型卡显示 Image2Video 4Step 通过固定 4-step sampling 把推荐 50-step + CFG 的约 100 次模型评估降为 4 次。Luma Layers 进入 Luma Agents，可从任意图片抽取 layers 后继续改产品、背景、标题；Gemini Spark 则开始与 Chrome auto browse 集成，先向美国 Google AI Pro/Ultra 用户 rollout。
  • 可用入口：Artificial Analysis Image/Video leaderboards、Hugging Face NVIDIA Cosmos3-Super-Image2Video-4Step、Luma Agents、Gemini Spark + Chrome。
  • 影响判断：视频模型的竞争重点正在从“单次生成质量”转向推理效率、可编辑性、agent workflow 与浏览器执行。Cosmos3 的 4-step distill 有明确吞吐价值；Luma Layers 和 Gemini Spark/Chrome 更偏产品能力，但会影响创作 agent 的实际工作流。
  • 来源链接：Artificial Analysis X、AA Image-to-Video leaderboard、AA Text-to-Image leaderboard、NVIDIA HF model card、Luma Layers、Luma X、Google Blog - Gemini Spark Chrome、GeminiApp X。

Arena Watch

  • Arena / AutoEval：2026-07-30 起，Arena 开始把基于数百万 live votes 训练的 reward model 用作早期评价信号。Text leaderboard 已显示 1 AutoEval；以后需要在日报里明确区分 AutoEval 与 live human leaderboard。来源：AutoEval blog、Text leaderboard。
  • Arena / Image Edit：Leaderboard Changelog 记录 Single Image Edit 与 Multi-Image Edit 已拥有与 Text-to-Image 相同的 7 个分类；这提升了图像编辑模型的可比性，但不是新模型发布。来源：Leaderboard changelog、Image Edit leaderboard。
  • Artificial Analysis / Inkling-Small：AA 给 Inkling Small Intelligence Index 40，比 Inkling 低 1 分；记录为 276B total / 12B active open weights reasoning model，支持 text/image/speech input。来源：AA Inkling Small。
  • Artificial Analysis / Agnes 2.5 Pro Alpha：AA 给 Agnes 2.5 Pro Alpha Intelligence Index 39，价格 $0.45/$0.90 per 1M input/output tokens，1M context，text/image/video input，first-party API 可用；Coding Index 58.8 是同价位强项。来源：AA Agnes article、Agnes model page。
  • Artificial Analysis / Cosmos3-Super：AA 公开榜单显示 Cosmos3-Super-Image2Video-4Step 在 open weights Image-to-Video without audio 以 Elo 1267 领先；Text-to-Image open weights 由 Cosmos3-Super-Text2Image (agentic) Elo 1219 领先，4Step 版本 Elo 1181。来源：AA Image-to-Video leaderboard、AA Text-to-Image leaderboard。
  • OpenRouter availability/pricing：OpenRouter 对 GPT-5.6 Luna/Terra 的 50% 折扣叠加 OpenAI 降价，页面显示 Luna $0.10/$0.60，Terra $1/$6 per 1M input/output tokens；这是入口/价格信号，不是模型能力榜单。来源：OpenRouter discounts、OpenRouter X。

X Watch

  • @OpenAI / @OpenAIDevs：发布 GPT-5.6 price-performance 更新；开发者账号强调 GPT-5.6 API “more intelligence per dollar”，并称 ChatGPT app 与 Codex CLI 的 auto review 将从 GPT-5.4 升到 GPT-5.6 Luna，结合降价预计 auto review 成本约降 10x。来源：OpenAI X、OpenAIDevs X 1、OpenAIDevs X 2。
  • @arena：发布 AutoEval thread，并补充 Image Edit Arena 7 分类；可信度高，因为可与 Arena blog/changelog 交叉核验。来源：Arena AutoEval X、Arena Image Edit X。
  • @GoogleDeepMind：发布 Gemini Robotics 2 thread，重点展示 Apptronik Apollo 2 whole-body control、五指灵巧操作、多机器人协作。来源：Google DeepMind X、multi-robot X。
  • @GeminiApp：发布 Gemini Spark 与 Chrome auto browse 集成，称先面向美国 Google AI Pro / Ultra subscribers rollout；同日发布 macOS voice / Speak to Window 更新。来源：Gemini Spark X、Gemini Spark rollout X、macOS voice X。
  • @ArtificialAnlys：发布 Cosmos3-Super-4Step、Inkling Small、Agnes 2.5 Pro Alpha 三条榜单信号。来源：Cosmos X、Inkling X、Agnes X。
  • @thinkymachines：确认 Inkling 和 Inkling-Small 可在 Tinker 使用，Tinker Playground 已支持聊天，且有 limited-time discount。来源：Thinking Machines X。
  • @OpenRouter：承接 OpenAI 降价，并给 GPT-5.6 Luna/Terra 额外 50% exclusive discount。来源：OpenRouter X。
  • @LumaLabsAI：发布 Layers in Luma Agents，powered by Uni-1；属于产品能力发布，不是新基础模型首发。来源：Luma X。
  • @FireworksAI_HQ：转发/发布 depthfirst dfs-large1 安全模型相关信息，称 Fireworks 提供训练与推理扩展；另预告 Kimi K3 on Fireworks webinar。当前仅按 X + partner signal 记录，仍需 depthfirst 官方长文或模型卡二次核验。来源：Fireworks dfs-large1 X、Fireworks Kimi K3 webinar。
  • @xiaohu：中文辅助源重点覆盖 OpenAI ARC-AGI-3 设置复盘、Seedance 2.5 将于次日发布、LayerX 视觉欺诈攻击、Altman 访谈。Seedance 2.5 目前是“待确认首发预告”，不升级为已发布。来源：xiaohu ARC、xiaohu Seedance 2.5、xiaohu Altman interview。
  • @SakanaAILabs：Dream-Cubed 在窗口内继续传播，但原始首发在 2026-07-29；本日报作为延续观察，不作为 7/31 新模型首发。来源：Sakana Dream-Cubed X、Dream-Cubed blog。
  • @AnthropicAI、@AIatMeta、@MistralAI、@Alibaba_Qwen、@Kimi_Moonshot、@deepseek_ai、@runwayml、@Kling_ai、@TencentHunyuan、@cohere：本窗口未看到新的高可信基础模型发布；部分账号页面有 X 限制或无新增可见文章。

待确认清单

  • Seedance 2.5：@xiaohu 称将于明天正式发布，且中文圈已有 Seedance 2.0/2.5 相关示例传播；截至本次窗口没有看到字节/Seedance 官方发布页或模型入口，先标为待核验首发预告。
  • dfs-large1：Fireworks 与 depthfirst 相关 X 信号显示其是面向漏洞发现/验证的 specialized cybersecurity model，可能基于 open weights 后训练；需要官方模型卡、benchmark、可用入口、许可和是否可独立调用。
  • Gemini Robotics 2：ER 2 已有 Gemini API/AI Studio 入口，但 whole-body VLA / On-Device 2 的实际可用范围仍限 trusted testers 或合作硬件；需确认开发者能否直接调用 VLA 层。
  • Inkling-Small：官方称 up to 1M context，AA 文章记录 256K context；需用模型卡/HF/provider 配置确认不同入口的实际上下文限制。
  • Cosmos3-Super-4Step：AA 排名与 Hugging Face 模型卡给出强信号，但需要确认各托管入口的默认分辨率、帧数、商用条款、实际 latency 与硬件需求。
  • Arena AutoEval：未来榜单项需要区分 live votes 与 AutoEval；若 AutoEval 参与排序，应记录样本量、是否公开 reward model、是否会影响匿名模型曝光节奏。
  • GPT-5.6 Luna/Terra：降价后需重跑内部 coding agent、review、批量结构化抽取、长上下文 RAG 的成本/质量曲线；OpenRouter 折扣为入口优惠，不能等同于 OpenAI 官方长期价格。
  • Gemini Spark + Chrome：当前 rollout 仅限美国 Google AI Pro/Ultra，且是产品/agent 能力；需确认 Chrome auto browse 的权限边界、审批流、失败恢复与企业可用时间。