#模型发布

Artificial Analysis@ArtificialAnlys· 05:36AI 评分6262

阿里巴巴最新文本转语音模型Qwen-Audio-3.0-TTS-Plus在Artificial Analysis语音竞技场排行榜上以1,236 Elo分（±17）超越Simba 3.2（1,234分）、Gemini 3.1 Flash TTS（1,214分）和Sonic 3.5（1,207分），成为提供商语音类别新领头羊。该模型生成速度为每秒16个字符，低于竞品；定价为每百万字符27.59美元，介于Gemini 3.1 Flash TTS（18.31美元）和Sonic 3.5（39.00美元）之间。模型提升了自然度和上下文语调，延续了阿里在语言、图像、视频生成领域的强劲发布势头。

Rohan Paul@rohanpaul_ai· 03:37AI 评分5454

GPT-5.6 Sol 在 Cerebras 平台运行速度达 750 tokens/秒，较此前 5.5 XHigh 版本的 70-100 TPS 大幅提升。Sam Altman 称，GPT-5.6 Sol 在智能体编码任务上效率提升 54%。Altman 还表示，5.6 Sol 增长惊人，推理团队为支撑需求做出了卓越工作，将继续全力扩展规模，但近期可能出现一些故障。

Google 在 I/O Connect India 展示由 Tensor SoC 和 TPU 驱动的 Pixel 10 端侧 AI 未来

在 Google I/O Connect India 上，Google 展示了由定制 Tensor SoC 和 TPU 驱动的 Pixel 10 系列所支持的 100% 私有端侧 AI 未来。活动首次推出轻量级 Gemma 4 E2B 模型，该模型原生运行于设备端，可实现完全离线的多模态功能，包括 AI 聊天、实时图像识别和个人智能体任务。开发者即日起可通过新发布的 Tensor SDK beta 及其配套开源资源，开始构建这些安全的边缘应用。

DiffusionGemma 发布：文本扩散模型实现 4 倍加速推理

Google 发布实验性开源模型 DiffusionGemma，采用文本扩散技术并行生成 256 token 块，推理速度最高提升 4 倍。该 26B MoE 模型仅激活 3.8B 参数，量化后适配 18GB VRAM 消费级 GPU，在单张 H100 上达 1000+ tokens/s。

Sam Altman@sama· 22:35精选AI 评分7070

GPT-5.6 sol 价格减半，且在多数情况下完成相同任务时 token 效率约为 fable 的两倍。 很高兴能以四分之一的价格交付。

Tencent Hy@TencentHunyuan· 17:10AI 评分7575

腾讯混元发布旗舰级 295B MoE 模型 Hy3 的 1-bit 与 4-bit 量化版本。Hy3 在同类规模中表现最佳，可媲美万亿参数级旗舰模型，适用于多数智能体场景。量化版可通过 llama.cpp 运行并启用 MTP，大幅降低硬件门槛，实现单 GPU 部署。模型采用 Apache 2.0 开源协议，支持商用，并提供 2 周免费 API（通过 OpenRouter）。

腾讯混元 Hy3 量化版发布：1bit 版本单卡可部署，4bit 版本接近满血性能

腾讯混元团队为旗舰模型 Hy3（295B 参数）推出量化版本。1bit 版本（IQ1_M）将权重从 598 GB 压缩至 85.5 GiB，缩小 6.7 倍，单张 96GB 推理显卡即可部署；4bit 版本（Q4_K_M）体积 169.9 GiB，两张显卡可承载。量化版在 Agent、多语言代码、工具调用、长文理解等任务上表现接近满血模型。团队还提供 GPTQ Int4 版本，支持 vLLM 部署。配合 MTP 投机解码，1bit 版本解码速度提升约 50%，4bit 版本提升近 60%。所有版本已开源并打包为 GGUF 格式，适配 llama.cpp 生态。

同一件事，精选收录的是《腾讯混元发布 Hy3 1-bit 与 4-bit 版本》

Mistral AI 发布 Robostral Navigate：8B 参数单 RGB 摄像头具身导航模型

Mistral AI 推出首个具身导航模型 Robostral Navigate。该 8B 参数模型仅使用单 RGB 摄像头，即可根据自然语言指令在办公室、住宅等复杂环境中自主移动。在 R2R-CE 基准的 validation unseen 分项上达到 76.6% 成功率，比最佳单摄像头方案高 9.7 个百分点。模型采用“指向”决策方法预测目标图像坐标，目标出视野时回退到位移指令。训练数据完全来自仿真，包含约 40 万条轨迹、覆盖 6000 个场景。基于前缀缓存和树状注意力掩码的训练策略将训练 token 量压缩 22 倍，后续在线强化学习阶段进一步提升成功率 3.2%。

Inception Labs 发布 Mercury 2：首个在 NVIDIA GPU 上每秒解码超 1000 token 的推理扩散语言模型

Inception Labs 发布 Mercury 2，称其为全球首个推理扩散语言模型（dLLM），在 NVIDIA H100 上以 1000+ token/秒并行解码，300 token 的推理链可在约 300ms 内完成，适配语音对话延迟预算。

SenseTime@SenseTime_AI· 09:05精选AI 评分7474

商汤发布并完全开源 SenseNova-Vision-7B-MoT，一个统一处理检测、OCR、GUI、深度与法线估计、分割、多视图等主要视觉任务的模型。该模型支持通过自然语言定义新的视觉任务变体，跨传统任务边界重组视觉能力。开源内容包括模型权重及 SenseNova-Vision Corpus（含 5000 万示例子集及复现剩余公开数据的完整工具包）。

Anthropic 发布 Claude Sonnet 5：智能体能力与基准测试对比

Anthropic 发布 Claude Sonnet 5，定位为最具智能体能力的 Sonnet 模型，支持规划、驱动浏览器和终端，并可在长任务中自主运行。Sonnet 5 在每项已发布基准测试中均超越前代 Sonnet 4.6：SWE-bench Pro 达 63.2%（Sonnet 4.6 为 58.1%），OSWorld-Verified 达 81.2%（78.5%），HLE 达 57.4%（46.8%），知识工作基准 GDPval-AA v2 得分 1,618，略超 Opus 4.8 的 1,615。API 定价方面，Sonnet 5 输入/输出价格为 $2/$10 每百万 token（8 月 31 日前促销价），之后恢复 $3/$15；Opus 4.8 为 $5/$25。模型支持低、中、高、极高四种推理努力级别，上下文窗口为 100 万 token。Sonnet 5 即日起作为 Free 和 Pro 计划的默认模型，并已在 Claude Code 和 Claude Platform 上线。

Rohan Paul@rohanpaul_ai· 07:35AI 评分5252

蚂蚁集团旗下具身AI公司Robbyant发布LingBot-VA 2.0，这是一款从零训练的视频动作基础模型，专为机器人控制设计。模型采用稀疏MoE架构，约13B总参数，每token激活约1.9B参数。通过前瞻推理及系统加速，峰值异步执行频率达225Hz。高层视觉语言规划器分解长任务，底层视频动作策略处理连续运动。模型仅需10-15次演示即可适应，支持跨机器人本体迁移及零样本新任务。在RoboTwin 2.0基准上平均得分93.6，真实世界测试优于LingBot-VA和π0.5。

Greg Brockman@gdb· 06:26AI 评分4141

GPT-Live 是一种全新水平的体验。

SenseTime@SenseTime_AI· 23:03AI 评分5555

商汤开源 SenseNova-Vision-7B-MoT，该模型将计算机视觉重构为多模态生成，无需任务专用头即可达到 SOTA，在分割与密集几何任务上超越 Google DeepMind 的 Vision Banana。具体对比：Referring segmentation（RefCOCOg cIoU）80.3 vs 73.8，Semantic segmentation（Cityscapes mIoU）71.2 vs 69.9，Depth estimation（NYUv2 δ1）98.1 vs 94.8，Surface normal（NYUv2 mean error）14.4 vs 17.8。模型支持语言或视觉提示引导，基于商汤十年 CV 积累。新任务由指令定义，而非新模型头。

德国AI协会发布开源模型Soofi S，在英语和德语基准测试中领先

德国AI协会协调的研究联盟发布开源大语言模型Soofi S 30B-A3B。该模型总参数量316亿，每个token仅激活约32亿参数，采用Mamba-2与标准注意力层混合的MoE架构。模型完全在德国电信慕尼黑工业AI云上训练，训练数据中德语占比从第一阶段的7.2%提升至第二阶段的15.3%。在基准测试中，Soofi S在所有完全开源模型中取得英语和德语综合最高分，超越OLMo 3 32B和Apertus 70B。在HumanEval上得分73.8%，MBPP得分70.2，德语版MBPP得分84.2。上下文窗口支持最高100万token，在4万token长度下，生成吞吐量约为同规模稠密模型的8倍。模型权重已开源。

腾讯混元发布 HyOCR-1.5：端到端 OCR 大模型全栈开源，推理提速 6.37 倍

腾讯混元发布 HyOCR-1.5，这是端到端 OCR 大模型领域首个将训练、推理、模型权重完整开源的专家模型。仅 1B 参数，覆盖 8 种以上 text-centric 任务。引入 DFlash 投机解码框架，在 Transformers 下实现 6.37× 加速，vLLM 下 2.14× 加速，端到端推理达每页 1.408s。支持 4K 分辨率与 128K 上下文窗口，通过 Agentic Data Flow 扩展低资源 OCR（331 种语言）、古文字识别与多图问答能力。在 OmniDocBench v1.6 上以 94.74 分居端到端第一。

腾讯混元开源 HyOCR-1.5：1B 端到端 OCR 大模型推理提速 6.37 倍

腾讯混元开源端到端 OCR 大模型 HyOCR-1.5，仅 1B 参数覆盖 8 种以上 text-centric 任务，在 OmniDocBench v1.6 上以 94.74 分居端到端第一。

商汤发布并开源 SenseNova-Vision 理解生成统一视觉大模型，能力超越 Vision Banana

商汤科技今日发布并全面开源日日新 SenseNova-Vision 理解生成统一视觉大模型。该模型将目标检测、图像分割、深度预测、3D 重建等经典视觉任务实现原生统一，以单模型在结构化视觉理解、稠密几何预测、分割能力、多视角 3D 几何四大核心领域比肩甚至超越各领域专用专家模型。对比 Vision Banana，SenseNova-Vision 在绝大多数权威评测指标上实现超越，且能同时处理全任务，而 Vision Banana 仅能应对其中两类。商汤同步开源了包含 5000 万条样本的视觉指令语料库 SenseNova-Vision Corpus-50M。

Tencent Hy@TencentHunyuan· 11:06AI 评分5252

腾讯混元宣布其 Hy3 模型（295B MoE）在 OpenRouter LLM 排行榜上获得第一。Hy3 在同尺寸模型中表现最佳，性能可媲美万亿参数级旗舰模型，适用于大多数智能体场景。模型采用 Apache 2.0 开源协议，支持商用，并提供两周免费 API 试用。

OpenAI GPT-5.6 Sol Ultra 一小时破解 50 年数学难题

OpenAI 最新模型 GPT-5.6 Sol Ultra 利用 64 个子智能体，在不到一小时内独立完成了图论中悬而未决半个多世纪的“循环双覆盖猜想”的完整证明。该证明尚未经同行评审，数学界正保持谨慎并展开审查。

Meta 发布多模态推理模型 Muse Spark 1.1，强化 AI 智能体任务能力

Meta 于 7 月 9 日发布多模态推理模型 Muse Spark 1.1，重点提升 AI 智能体任务的规划、协同与执行能力。新版本强化多智能体协作机制，支持最高 100 万 token 上下文长度。模型可自主判断点击界面、编写脚本或批量执行操作，并能诊断修复复杂代码错误。Muse Spark 1.1 已上线 Meta AI App 和 meta.ai 的 Thinking 模式，开发者可通过 Meta Model API 预览版调用。安全评估显示其在前沿风险领域维持在安全范围内，但在部分测试中仍落后于 GPT-5.5 和 Claude Opus 4.8。

阶跃星辰发布 Step Edge 端侧模型全家桶

阶跃星辰推出 Step Edge 端侧模型全家桶，包含 Step Edge 基础模型、Step Edge Audio、Step Edge GUI 和 Step Edge Gen 四款产品，面向手机、汽车等终端场景。该系列模型支持低至 0.1 秒的端侧本地 toolcall 执行，实现超低本地延迟；文本、视觉、语音等多模态信息可在本地处理，敏感数据不出端；并原生支持端云协同，简单任务由端侧响应，复杂推理交由云端完成。此外，Step Edge 可配套 Step Inference NPU 引擎，针对终端硬件进行推理优化。

阶跃星辰发布 Step Edge 端侧模型全家桶

阶跃星辰推出 Step Edge 端侧模型全家桶，包含基础模型、Step Edge Audio、Step Edge GUI 和 Step Edge Gen，面向手机、汽车等终端场景。该模型家族具备三大核心亮点：超低本地延迟，支持低至 0.1 秒的端侧本地 toolcall 执行；全模态隐私保护，文本、视觉、语音等多模态信息可在本地处理；原生端云协同，简单任务由端侧响应，复杂推理交由云端。Step Edge 在 29 项核心评测指标中取得第一，并配套自研 Step Inference NPU 引擎进行推理优化。

阶跃星辰发布 Step Edge 端侧模型全家桶

阶跃星辰推出端侧模型全家桶 Step Edge，面向手机、汽车等终端场景，支持低至 0.1 秒的本地 toolcall 执行，并具备全模态隐私保护与原生端云协同能力。该家族在 29 项核心评测指标中取得第一，覆盖文本视觉、音频理解、语音识别、GUI、图像生成与编辑等方向，并配套自研 Step Inference NPU 引擎以降低端到端延迟。

Rohan Paul@rohanpaul_ai· 04:57AI 评分5656

LingBot-VLA 2.0是一个全身体控制机器人策略，通过55维动作格式统一控制手臂、夹爪、灵巧手、头部、腰部和移动底座。该模型在20种机器人配置上训练，将9万小时原始数据过滤为5万小时高质量真实机器人数据。采用稀疏MoE模块，每个动作token使用专用网络，共享专家保留通用技能。额外训练信号要求模型预测当前和未来深度及视频特征，以跟踪物体几何和场景变化。在Agilex GM-100上，LingBot-VLA 2.0达到66.2%进度和34.4%成功率，优于pi0.5的59.1%和32.2%。在长时域移动任务中，LingBot-VLA 2.0在域内和域外测试均领先pi0.5。

OpenAI GPT-5.6 Sol Ultra 一小时解决 50 年数学猜想

OpenAI 的 GPT-5.6 Sol Ultra 利用 64 个并行子智能体，在不到一小时内生成了 Cycle Double Cover 猜想的完整证明。该猜想自 1970 年代提出以来一直未被证明。数学家 Thomas Bloom 称赞证明“简洁、初等”，但批评论文未引用 1983 年 Bermond、Jackson 和 Jaeger 的相关工作，指出这是 AI 生成证明的常见问题。Bloom 认为 AI 的成功部分源于提示词设计：要求模型假设证明存在、禁止搜索网络、拒绝部分结果并强制至少计算 8 小时。完整数学验证仍有待学界完成。

Sam Altman@sama· 00:55精选AI 评分6868

OpenAI 发布 GPT-5.6 系列在医疗领域的评估结果。最小变体 GPT-5.6 Luna 在最低推理强度下即超越最高推理强度的 GPT-5.5，且成本低 25 倍；最大变体 GPT-5.6 Sol 树立新标杆。在涵盖患者端与临床端的多样化任务中，专科医生被要求以无限时间和网络访问权限撰写回答，随后由其他医生盲评。评估基于准确性、沟通、完整性、指令遵循及健康决策帮助性五个维度，共 20000 次评分。结果显示，所有 GPT-5.6 模型表现均显著优于医生，且医生发现 GPT-5.6 回答中的缺陷少于医生自己撰写的回答。

北京智源发布世界基础模型 Orca，不预测 token 而建模世界下一状态

北京智源人工智能研究院（BAAI）发布世界基础模型 Orca，该模型不预测下一个 token、视频帧或机器人动作，而是通过抽象内部表征建模世界下一状态。Orca 结合“无意识学习”（从无标注视频中学习场景动态）与“有意识学习”（通过语言指令学习状态变化），以 Qwen3.5 为基座，冻结核心后通过可替换模块输出文本、图像或机器人动作。Orca-4B 在 MVBench 等四项文本基准上平均得分 51.8%，超越 Qwen3.5-4B、Gemma 4-4B 等小模型及 Emu3（8B）等更大世界模型；在图像预测基准 PRICE-V0.1 上以 59.8% 平均分击败 FLUX.2 small（56.1%）。在五项双臂人形机器人操作任务中，Orca 匹配了专为机器人数据训练的 π0.5，且展现出更好的错误恢复能力。

Meta 发布 Muse Spark 1.1 模型

Meta 推出 Muse Spark 1.1 模型。据 Artificial Analysis 数据，该模型在 Intelligence Index 上得分 51，与 GLM-5.2、GPT-5.4 和 GPT-5.6 Luna 持平；Coding Index 得分 71.3，领先 GLM-5.2（68.8），略低于 GPT-5.6 Luna（71.4）。每任务成本约 0.26 美元，低于 GLM-5.2（0.37 美元）和 GPT-5.4（0.89 美元），输出 token 使用量仅 9400 万。模型幻觉率从 73% 降至 38%，上下文窗口扩展至 100 万 token。发布初期仅通过 Meta 自有 API 提供。

蚂蚁集团 Robbyant 发布 LingBot-VA 2.0，首个原生具身基础模型

蚂蚁集团旗下具身智能团队 Robbyant 发布 LingBot-VA 2.0，首个原生具身基础模型。该模型采用因果 DiT 架构，视频专家约 13.0B 参数（约 1.9B 激活），训练规模约 15.3B 参数，推理时每 token 约 2.5B 激活。模型引入多块预测（MCP）实现 2.3 倍训练加速，并通过前瞻推理将推理延迟降至 142 ms/chunk。在 RoboTwin 2.0 的 50 个任务上，干净与随机演示数据平均成功率分别达 93.8% 和 93.4%。

Greg Brockman@gdb· 15:40AI 评分6464

Sol 用于复杂推理和数据分析： 这里，它分析了贷款交易中数百页的文件，协调了协议、财务、尽职调查、抵押品和风险材料中的条款，标记了问题，并将一份带来源引用的报告保存到 Box。

谷歌发布可穿戴健康基础模型 SensorFM

谷歌研究团队推出可穿戴健康基础模型 SensorFM，基于全球 500 万名参与者的可穿戴数据预训练，语料采集时间为 2024 年 9 月至 2025 年 9 月，覆盖 20 多种 Fitbit 和 Pixel Watch 机型，形成超 20 亿小时信号。模型输入包含 PPG、加速度计等 5 种传感器数据，有 XXS 至 B 四种规模。最大模型 SensorFM-B 在 35 项健康任务中 33 项获胜，线性探针在 34 项任务中优于特征工程基线。团队还构建了 agentic“classroom”，由 LLM 智能体迭代生成推理代码，生成的预测头在 20 项分类任务中 16 项优于线性探针。

Rohan Paul@rohanpaul_ai· 10:48AI 评分7171

Rohan Paul 介绍了 @robbyant_brain 新发布的 LingBot-World 2.0（也称 LingBot-World-Infinity），这是一个开源交互式视频世界模型。它仅需1张起始帧，结合实时摄像头移动或文本指令，即可持续生成用户在其中移动和操作的场景。该模型实现了单次60分钟、横跨20个不同场景的连续生成，全程无感知质量衰减，输出为720p/60fps实时画面。训练分两阶段：先由因果扩散模型学习高质量世界预测，再通过一致性蒸馏和分布匹配蒸馏压缩为少步学生模型。架构上，视觉语言模型作为“大脑”提出事件，视频生成器作为“小脑”渲染，外加飞行员和导演两个智能体分别控制角色行为和持续添加新事件。发布内容包括14B主模型、1.3B单消费级GPU模型、开放权重、智能体框架、多人控制及在线Demo，但尚缺真正长期记忆。

消息称马斯克要求特斯拉员工尽可能使用 Grok

据《The Information》报道，特斯拉 CEO 埃隆·马斯克在一份备忘录中要求员工在可能的情况下改用 Grok 4.5，理由是其 Token 成本低于竞争对手。特斯拉本周早些时候规定员工每周 AI 使用支出上限为 200 美元，该限制适用于 Anthropic、OpenAI 和谷歌产品，但 xAI 的 Grok 不受限。xAI 于本周三发布 Grok 4.5，定位“Opus 级”模型，但在综合多领域排行榜中得分为 76.3 分，排名第九，编程能力得分仅 68.6 分，为榜单最低。马斯克承认 Fable 更优秀，但称大多数任务不需要其能力。

Greg Brockman@gdb· 09:10精选AI 评分7171

GPT-5.6 用于健康智能，团队一直专注于这方面的改进： 整个产品线中，我们以更低成本提供更强性能：GPT-5.6 Luna 在最高推理设置下性能优于 GPT-5.5，而成本降低 25 倍。 这些进步共同提升了质量，同时让全球更多人能够使用先进模型。

Rohan Paul@rohanpaul_ai· 08:17AI 评分8383

OpenAI 发布 GPT-5.6 Sol Ultra，该模型通过 64 个子智能体并行协作，在一小时内生成了一个存在 50 年的 Cycle Double Cover 猜想的证明。提示词引导 64 个智能体采用竞争性方法、反复审计并拒绝部分论证。OpenAI 表示，GPT-5.6 Sol Ultra 可通过多个子智能体并行处理困难工作。

Elon Musk@elonmusk· 08:17AI 评分6161

关于 Grok Build 和 4.5 版本，最重要的是它对实际工作确实非常有用。

Artificial Analysis@ArtificialAnlys· 08:17AI 评分7272

中国移动于 7 月 9 日发布 JT-4.1 Flash 236B A21B 非推理模型，在 Artificial Analysis 智能指数 v4.1 上得分 39，较前代 JT-35B-Flash 显著提升。该模型上下文窗口 256k，仅支持文本输入输出。关键成绩：τ³-Banking 达 28%，领先 DeepSeek V4 Pro（26%）和 GLM-5.2（27%）；AA-Omniscience 指数 -10.1，幻觉率降至 43%（下降 20 个百分点）；HLE 得分 16.1%，远超 JT-35B-Flash 的 6%。虽与国内前沿模型 GLM-5.2（51）和 Qwen3.7 Max（46）仍有差距，但进步明显。该模型通过中国移动自有 API 提供。

OpenAI@OpenAI· 05:28精选AI 评分7373

GPT-5.6 是健康智能领域的一大进步。 在整个产品线中，我们以更低成本提供更强性能：GPT-5.6 Luna 在最高推理设置下性能优于 GPT-5.5，而成本降低 25 倍。 这些进步共同提升了质量，同时让全球更多人能够使用先进模型。

Artificial Analysis@ArtificialAnlys· 04:46AI 评分7575

Meta 发布 Muse Spark 1.1，在 Artificial Analysis 智能指数中得分 51，较三个月前的 1.0 版本（43 分）提升 8 分。该模型在科学推理、编程和知识领域表现突出，与 GLM-5.2、GPT-5.4 和 GPT-5.6 Luna 并列 51 分，落后 Grok 4.5（54 分）3 分。Muse Spark 1.1 在 Humanity's Last Exam 上达到 45%，接近 Claude Opus 4.8（46%）。其 token 效率领先：运行智能指数仅需 9400 万输出 token，低于 GPT-5.4（1.09 亿）和 GLM-5.2（1.41 亿）。定价为每百万输入/输出 token 1.25/4.25 美元，缓存命中低至 0.15 美元。上下文窗口从 262k 扩展至 100 万 token，输出速度约 114 token/s。AA-Omniscience 得分提升主要源于幻觉率从 73% 降至 38%，而非准确率提升。