多模态

Artificial Analysis@ArtificialAnlys精选AI 评分6767

Artificial Analysis 评测称 GPT-6.1 Sol 推高了 OpenAI 模型的成本效率前沿。max effort 下每 Intelligence Index 任务成本 $0.72，不到 GPT-6 Astra（$3.26）的四分之一，比 GPT-6 Sol（$1.04）低 31%，比 GPT-5.6 Sol（$1.99）低 64%。

Google DeepMind 发布 Gemini 4 Argon 前沿模型

Google DeepMind 宣布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，再逐步扩展至开发者、企业和消费者。

xAI 发布 Grok Imagine API，主打高质量低延迟视频生成与编辑

xAI 发布 Grok Imagine API，一套覆盖视频生成与视频编辑的统一 API 套件，称其为迄今最强的音视频生成模型。

xAI 发布 Grok Imagine Video 1.5 图生视频模型并开放 API

xAI 发布 Grok Imagine Video 1.5，已在 Imagine API 正式可用（模型名 grok-imagine-video-1.5），并在 grok.com/imagine 和 iOS、Android 应用推出 Video 1.5 Fast。

xAI 将 Grok 4.5 推向 iOS、Android、网页和 X 平台

xAI 宣布其最强模型 Grok 4.5 当日起在 grok.com、X 以及 iOS 和 Android 应用上可用。官方称该模型更准确理解提问、能跟踪更长对话并更快给出答案，可完成制作电子表格、把大纲转为幻灯片和图表、撰写文稿、提炼长 PDF 要点等任务，并通过 Microsoft 365 插件在 Word、Excel、PowerPoint 和 Outlook 中直接使用。

Suno 发布 v3 音乐模型

Suno 发布 v3 模型，称其为首个能生成广播级音乐的模型，可在数秒内生成完整的两分钟歌曲，现已向所有用户开放（https://app.suno.ai）。改进包括更好的音质、更多风格和流派、更高的提示词遵循度（更少模型幻觉、更自然的结尾）。模型不识别对其他艺术家的引用，并采用专有的不可听水印技术检测 Suno 生成的歌曲；v4 已在开发中。

Suno 发布 v4.5 音乐模型，曲风更准、人声更丰富、歌曲最长 8 分钟

Suno 发布最新音乐模型 v4.5，带来更动态的音乐、更准的曲风与曲风混搭、更丰富的人声表现。新功能包括提示词增强助手、Covers 与 Personas 组合使用，歌曲长度可达 8 分钟，生成速度和音频质量均有提升。

Suno 发布升级版 Song Editor 与 stem 拆分等创作控制功能

Suno 推出升级版 Song Editor，可在波形上逐段重排、重写和重制曲目，并可将曲目拆分为 12 个干净 stem 供预览和下载。同时支持最长 8 分钟的整曲上传，新增三个创意滑块控制生成风格，可继续在 DAW 中编辑或在 Suno 内完成曲目。

Cursor 与 SpaceXAI 联合发布 Grok 4.6，聚焦长时程智能体任务

Cursor 团队与 SpaceXAI 今日联合发布 Grok 4.6，基于 Grok 4.5 打造，专注于长时间运行的智能体、更复杂的交互与视觉工作。在 Artificial Analysis Intelligence Index 上它与 GPT-5.6 Sol 持平（61 分），训练上进行了更长时间的补充训练、重新生成的 SFT 轨迹和广泛的智能体 RL。

Claude Artifacts 功能页详解：Claude Design、Claude Slides 与 Claude Docs 开放 beta

Claude 介绍 Artifacts 功能，可在对话旁生成设计、演示文稿、文档、仪表盘或小型交互工具，支持画布编辑、链接分享（默认私有）和导出为 PowerPoint、PDF、HTML 等格式。

Anthropic 发布 Claude Fable 5.1：面向编码与长时间智能体任务的新旗舰模型

Anthropic 发布 Claude Fable 5.1，定位为其最强编码与知识工作模型，面向 Pro、Max、Team、Enterprise 用户及 Claude Platform、AWS、Google Cloud、Microsoft Foundry。

Anthropic 发布 Claude Science 科研工作台公测版

Anthropic 发布 Claude Science，一款面向科学家的 AI 工作台应用，目前为 macOS、Windows 和 Linux 上的公开 beta，面向 Pro、Max、Team 和 Enterprise 计划。

World Labs 宣布加入 AMD，李飞飞将出任 AMD 执行副总裁兼首席科学家

World Labs 宣布已签署最终协议加入 AMD，交易预计在 2026 年底前完成，尚需监管批准。双方自去年起在 AMD GPU 上的模型训练与推理优化方面开展技术合作。

Suno 发布 v6 音乐模型，推出 v6、v6-wild、v6-mini 三款模型

Suno 发布新一代音乐模型 v6，与 Warner Music Group、BMG 和 Believe 等行业伙伴合作开发，官方称其更快、更具表现力且质量更高。

MiniMax 开源 H3 通用视频生成模型，支持 2K 分辨率与原生立体声音频

MiniMax 正式开源下一代通用视频模型 MiniMax H3，支持文本、图像、视频、音频的多模态统一理解，可生成最长 15 秒、768p（经 H3-Regenerate-2K 可达 2K）、24 FPS 并带 32 kHz 立体声音频的视频。

Meta Superintelligence Labs 发布 Muse Spark 多模态推理模型

Meta Superintelligence Labs 发布 Muse 系列首个模型 Muse Spark，为原生多模态推理模型，支持工具使用、视觉思维链和多智能体编排，已在 meta.ai 和 Meta AI 应用上线，并向部分用户开放私有 API 预览。

Black Forest Labs 发布 FLUX 3 多模态基础模型，并与 mimic 合作推出机器人视频动作模型 FLUX-mimic

Black Forest Labs 发布早期版本 FLUX 3 多模态基础模型，联合训练图像、视频与音频，视频预测占训练算力超 95%。FLUX 3 骨干可解码动作预测，加入动作模态后视频质量先降最多 10%，3500 步后恢复原有水平。

Black Forest Labs 发布多模态基础模型 FLUX 3 并开放 Early Access

Black Forest Labs 发布多模态基础模型 FLUX 3，基于 Self-Flow 方法在统一架构内联合学习图像、视频和音频，现已开放 Early Access。

Black Forest Labs 发布 FLUX 3 Video，文生视频与图生视频正式开放

Black Forest Labs 宣布 FLUX 3 Video 初版正式开放，可通过 BFL API 和部分合作伙伴使用。模型支持最长 20 秒、HD（720p）与 Full HD（1080p，经上采样）的视频生成，并伴随生成原生音频；能力包括文生视频、图生视频与关键帧、视频续接（最多 4 秒）、单次生成多镜头、多语言对白与唇形同步、Draft Mode 低成本预览等。

Anthropic 将 Claude Design 整合进 Claude 对话与 Claude Code

Anthropic 宣布 Claude Design 现可在任意 Claude 对话中使用，包括 Claude Code 和 Artifacts 标签页，Claude Tag 支持即将推出。