AI 模型日报 - 2026-08-05 | QName AI | 官方域名研究与产品指南

30 秒摘要

今日没有看到 OpenAI、Anthropic、Google DeepMind 的新基础模型官方首发；主线转向“已发布模型进入榜单/服务端点”的二次验证。
Arena 在 2026-08-04 changelog 中新增三条关键记录：qwen-image-3.0-pro 进入 Text-to-Image Arena，qwen3.8-max 进入 Image-to-WebDev，Deepseek V4 Flash (High) (20260731) 进入 Agent Arena。
Qwen-Image-3.0-Pro 在 Text-to-Image Arena 排 #5，1263±11 Preliminary，与 gemini-3.1-flash-image (nano-banana-2) 的 #6、1262±5 只差 1 分；图像模型竞争重点从“能生成好看图”转向小字、多语言、UI/版面生产力。
Artificial Analysis 推出/曝光 Endpoint Accuracy Index，用 GLM-5.2、gpt-oss-120b、DeepSeek V4 Pro 作为首批覆盖，核心结论是同一开放权重模型在不同 serverless API 上会出现明显准确率、输出长度、速度和价格差异。
腾讯混元正式发布 Hy ASR 3.0 preview，已上腾讯云 API 与元宝；这是语音识别方向的新模型发布，不是 LLM 榜单事件，但值得进入多模态/语音模型跟踪。

今日必看

1. Arena 8 月 4 日更新：Qwen 图像、Qwen3.8-Max、DeepSeek V4 Flash High 同日进新榜

事件类型：竞技场出现 / 榜单变化。
首发/官方/可用时间：Arena Leaderboard Changelog 记录日期为 2026-08-04。
能力变化：qwen-image-3.0-pro 被加入 Text-to-Image Arena；qwen3.8-max 被加入 Image-to-WebDev；Deepseek V4 Flash (High) (20260731) 被加入 Agent Arena。
可用入口：Arena changelog、Text-to-Image leaderboard、Image-to-WebDev leaderboard、Agent Arena。
影响判断：今天的关键不是模型厂商新发，而是第三方评测把模型放入更细赛道。Qwen3.8-Max 从 WebDev/Text/Vision 扩展到 Image-to-WebDev，说明它正在被验证为视觉到前端代码的 agentic coding 候选；DeepSeek V4 Flash High 进入 Agent Arena，需要继续观察是否是低成本 agent 赛道的新竞争者。
来源链接：Arena changelog、Text-to-Image Arena、Image-to-WebDev leaderboard、Agent Arena。

2. Qwen-Image-3.0-Pro：Text-to-Image 排 #5，紧贴 Nano Banana 2

事件类型：竞技场出现 / X 首发 / 可用入口更新。
首发/官方/可用时间：Qwen 官方博客发布于 2026-07-20；Arena 与 @Alibaba_Qwen 在 2026-08-04 宣传其进入 Text-to-Image Arena。
能力变化：Arena 页面显示 qwen-image-3.0-pro 排 #5，分数 1263±11 Preliminary，票数约 2,801；下一名 gemini-3.1-flash-image (nano-banana-2) 分数 1262±5。QwenCloud 模型页强调 4.5k token 输入、密集版面、10px 小字、12 种语言、20+ 字体、网页/游戏/直播间等 UI 模拟。
可用入口：QwenCloud qwen-image-3.0-pro，Arena Text-to-Image。
影响判断：Qwen 图像模型的可比性首次明显增强。它还不是 OpenAI gpt-image-2 级别第一梯队，但在文字渲染、商业设计、卡通等细分类的提升足以让它进入中文电商、海报、信息图和 UI mockup 的实测池。
来源链接：QwenCloud model page、Qwen official blog、Arena X、Alibaba_Qwen X、Text-to-Image Arena。

3. Artificial Analysis Endpoint Accuracy Index：同一开源模型，不同 API 端点会丢能力

事件类型：公开榜单/分析源更新 / X 首发。
首发/官方/可用时间：@ArtificialAnlys 在本窗口内发布 Endpoint Accuracy Index，覆盖 GLM-5.2、gpt-oss-120b、DeepSeek V4 Pro，Kimi K3 预告即将加入。
能力变化：AA 定义该指标为 BFCL v4-500、HLE-250、AA-LCR-25 的复合结果，按 reference endpoint 的百分比表示；低分通常意味着量化、采样默认值、输出限制、reasoning effort 等端点侧配置损失了准确率。GLM-5.2 页面显示 15 个 provider，Endpoint Accuracy 从 Blackbox AI 52% 到 Fireworks/Nebius/FriendliAI 100% 不等；gpt-oss-120b 页面显示 20 个 provider，Cloudflare 70%、Google Vertex 72%、Amazon Bedrock 101% 等差异明显；DeepSeek V4 Pro 页面显示 9 个 provider，多数在 97% 到 107%。
可用入口：Artificial Analysis 各模型 provider 页面。
影响判断：这是今天最有工程价值的信号。以后选择开放权重模型 API 时不能只看模型名，必须把 provider、量化格式、context window、reasoning token、输出上限和默认采样当成同一套产品规格核验。
来源链接：AA GLM-5.2 providers、AA gpt-oss-120b providers、AA DeepSeek V4 Pro providers、AA methodology link、Artificial Analysis X。

4. 腾讯混元 Hy ASR 3.0 preview：语音识别从逐字转写转向上下文理解

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：腾讯云官方账号于 2026-08-04 发布；@TencentHunyuan 同日 X 首发。
能力变化：官方称 Hy ASR 3.0 preview 基于 Hy3 的语言理解能力，结合 MoE 架构、自研无监督语音 Encoder、数千万小时级语音数据、SFT 和多阶段强化学习；覆盖普通话、粤语、吴语等方言片区，开源评测集 WER 约 3%，其中普通话 3.34%、英语 2.62%、粤语 3.12%；支持上下文纠错、热词注入、高噪和耳语场景。
可用入口：腾讯云 API、元宝语音输入首发体验，WorkBuddy 等产品陆续接入。
影响判断：这不是通用 LLM 旗舰，但对会议纪要、客服质检、语音搜索和多方言产品很实用。后续需要核验腾讯云具体 engine ID、计费、流式延迟、长音频稳定性和是否支持自定义词表。
来源链接：腾讯云官方发布、TencentHunyuan X、财联社快讯。

5. Celeris-1：AA 速度榜强信号，但智能指数不是前沿

事件类型：公开榜单/分析源更新 / 媒体报道 / 待核验厂商叙事。
首发/官方/可用时间：Artificial Analysis 页面显示 Celeris-1 released July 24, 2026；本窗口内 AA 与社媒传播其输出速度第一。
能力变化：AA 模型页显示 Celeris-1 Intelligence Index 12，支持 text/image input、text output、131k context，输出速度约 2102 tokens/s，TTFT 0.67s，输入/输出价格 $0.20/$0.70 per 1M tokens，7:2:1 blended price $0.25/M。
可用入口：Celeris provider API，Artificial Analysis。
影响判断：这是“速度专用模型”而不是前沿通用模型。适合实时 UI、搜索重排、低延迟语音/客服管线中做便宜快速判断；不应把 #1 fastest 解读成综合能力第一。
来源链接：AA Celeris-1 model page、AA Celeris-1 providers、Celeris social signal。

6. 视频模型榜单延续：Gemini Omni 仍领 T2V，MiniMax H3 在 I2V/T2V 前排

事件类型：竞技场出现 / 榜单变化 / 近窗口延续。
首发/官方/可用时间：Arena changelog 显示 MiniMax H3 于 2026-08-03 加入 Text-to-Video 与 Image-to-Video；榜单日期为 2026-08-02。
能力变化：Text-to-Video Arena 中 gemini-omni-flash #1 1513±12，minimax-h3 #4 1455±19，happyhorse-1.0 #5 1428±13；Image-to-Video Arena 中 minimax-h3 #2 1476±19，gemini-omni-flash #4 1462±7 Preliminary，happyhorse-1.0 #5 1442±10。
可用入口：Arena video leaderboards；Gemini Omni 官方页；MiniMax H3 以 Arena 链接的 Notion/社区许可为准。
影响判断：视频赛道今天不是首发日，但榜单位置变化值得记录。MiniMax H3 的 I2V 表现很强，后续要核验权重/许可证/API 是否和榜单版本一致；HappyHorse1.1 在 Alibaba Token Plan 出现过，但 Arena 当前显示的是 happyhorse-1.0，不要混写版本号。
来源链接：Text-to-Video Arena、Image-to-Video Arena、Gemini Omni、Arena changelog。

Arena Watch

Text-to-Image：qwen-image-3.0-pro #5，1263±11 Preliminary，约 2,801 votes；gemini-3.1-flash-image (nano-banana-2) #6，1262±5，约 26,659 votes；Lab 视图中 Alibaba #4，OpenAI gpt-image-2 (medium) 仍 #1，1380±5。来源：Text-to-Image Arena、Labs view。
Image-to-WebDev：qwen3.8-max #2，1631+20/-20 Preliminary，1,045 votes，价格 $2/$6，context 1M；仅低于 claude-opus-5-max #1，且高于 claude-fable-5 与 gpt-5.6-sol-xhigh。来源：Image-to-WebDev leaderboard。
Agent Arena：页面日期为 2026-08-03；前排仍由 Claude Opus/Fable、Kimi K3、GPT-5.6 Sol 占据。Arena changelog 新增 Deepseek V4 Flash (High) (20260731)，但公开表格首屏未看到其排名，需要下一轮复查是否稳定露出。来源：Agent Arena、Arena changelog。
Text-to-Video：gemini-omni-flash #1 1513±12 Preliminary；minimax-h3 #4 1455±19；happyhorse-1.0 #5 1428±13。来源：Text-to-Video Arena。
Image-to-Video：dreamina-seedance-2.0-720p #1 1478±10；minimax-h3 #2 1476±19；gemini-omni-flash #4 1462±7 Preliminary；happyhorse-1.0 #5 1442±10。来源：Image-to-Video Arena。
Artificial Analysis：Endpoint Accuracy Index 是今天最值得纳入工程评估的新维度。GLM-5.2 provider 之间从 52% 到 100%；gpt-oss-120b 从 70% 到 101%；DeepSeek V4 Pro 多数在 reference 附近。来源：AA GLM-5.2、AA gpt-oss-120b、AA DeepSeek V4 Pro。

X Watch

Chrome 登录态状态：本轮已连接 Chrome 并成功读取 X 核心账号小批搜索；未读取 cookies、本地存储、密码或会话文件。第二批官方公司账号搜索在 Chrome 控制里超时，因此未做大规模批量抓取。
@arena：可见帖显示 Qwen-Image-3.0-Pro 进入 Text-to-Image Arena #5，1263 pts，并称相比 Qwen-Image-2.0-Pro 的 #15、1191 pts 有明显提升；后续回复列出 Cartoon、Commercial Design、Text Rendering 等细分提升。可信度：榜单官方高；分数会动态更新。来源：Arena X。
@Alibaba_Qwen：转发/发布 Qwen-Image-3.0-Pro 的 Arena 成绩，核心信息与 Arena 页面一致。可信度：官方高；但能力叙事仍需以 Arena 实时榜和实际样例测试校准。来源：Alibaba_Qwen X。
@ArtificialAnlys：发布 Endpoint Accuracy Index，说明指标用于衡量开放权重模型在不同 serverless API endpoint 上保留多少准确率；首批覆盖 GLM-5.2、gpt-oss-120b、DeepSeek V4 Pro，Kimi K3 coming soon。可信度：官方高；端点结果是 point-in-time，后续 provider 配置会变。来源：Artificial Analysis X、AA provider pages。
@TencentHunyuan：发布 Hy ASR 3.0 preview，强调 Hy3 language brain、precision ASR 与 deep semantic understanding。可信度：官方高；细节以腾讯云/腾讯新闻官方稿为主。来源：TencentHunyuan X、腾讯云官方发布。
@xiaohu / 小互日报：本轮未在 Chrome 可见搜索结果中稳定读到窗口内原帖；公开网页搜索也未检索到对应文章页。今日报告不把小互作为独立事实来源，只作为后续补充监控项。
@OpenAI、@OpenAIDevs、@AnthropicAI、@GoogleDeepMind、@GeminiApp、@xai、@grok、@AIatMeta、@MistralAI、@Kimi_Moonshot、@deepseek_ai、@runwayml、@LumaLabsAI、@Kling_ai、@cohere：未看到本窗口内可核验的新基础模型首发；可见变化主要是既有模型榜单、产品入口、生态/安全讨论或非模型新闻。

待确认清单

DeepSeek V4 Flash High：Arena changelog 已记录进入 Agent Arena，但当前 Agent 表格首屏未稳定看到具体排名、分数和 sessions；下一轮需要定位完整行并确认是否是 20260731 版本。
Qwen-Image-3.0-Pro 版本口径：Arena、QwenCloud、Qwen 官方博客需要确认是否完全同一模型配置；QwenCloud 模型页标注的能力不等同于榜单任务能力，尤其是小字、公式、表格、代码截图要实测。
Qwen-Image-3.0-Pro 可用性：需确认国际 QwenCloud / DashScope / 百炼是否同名同价，是否仍限时免费/限额，API 是否支持 reference image、image edit、返回 URL 还是 base64。
Endpoint Accuracy Index：AA 指标应纳入 provider 选择，但需要确认每个 provider 的默认 sampling、reasoning effort、max output tokens、quantization、context 截断策略；低分不一定是模型本身变差，可能是服务配置。
GLM-5.2 provider 选择：Blackbox AI 在 AA 表里 Endpoint Accuracy 只有 52%，但输出速度很高；DeepInfra 价格低但准确率 73%。生产接入不能只看价格/速度。
gpt-oss-120b provider 选择：Cerebras 速度约 1963 t/s，但 Endpoint Accuracy 87%；Amazon Bedrock 101% 但速度约 101 t/s。需要按任务区分低延迟和高保真。
Hy ASR 3.0 preview：需确认腾讯云具体 API 文档、计费、QPS、流式延迟、语言覆盖、热词注入限制和隐私/数据保留策略。
Celeris-1：需确认厂商自称高速与 AA 当前测速是否使用同一负载；其 Intelligence Index 只有 12，不能用于复杂 reasoning/coding 任务替代。
MiniMax H3：Arena 已给视频榜强信号，但官方 release notes 日期早于本窗口；需要继续确认 H3 权重、社区许可、API 可用入口和 HappyHorse1.0/1.1 的版本边界。