Anthropic Claude Sonnet 5.5
Claude Sonnet 5.5（claude-sonnet-5-5）是 Anthropic 定位为速度与智能最佳结合的中档模型，提供 1M token 上下文窗口与 128K 输出上限（Message Batches API 下最高 300k），价格为每百万 token 2/10 美元。模型默认开启 adaptive thinking 并以 effort 参数控制思考深度，适合 agentic 工作流、编程与大规模生产流量。相对 Claude Sonnet 5 存在 5 处破坏性变更，例如关闭前置思考需改用 thinking: between_tools、强制 tool_choice 会返回 400 错误，官方配套提供迁移指南与专属提示词文档。可通过 Claude API、Amazon Bedrock、Google Cloud 与 Microsoft Foundry 使用。
2026年9月28日 ElevenLabs Eleven v4
Eleven v4 是 ElevenLabs 新一代旗舰级 text-to-speech 模型（model_id eleven_v4），面向内容创作、有声书、角色配音等以音质优先的场景。相比 Eleven v3，它在情感表达、语气演绎以及 [whispering]、[laughing] 这类 audio tags 的细腻度上都有提升，voice cloning 对源声音的音色、节奏和演绎方式还原也更忠实。支持语言从 v3 的 70+ 扩展到 90+，经 Text to Dialogue API 提供服务、适合长音频生产，实时交互场景由同族的 Eleven v4 Turbo 覆盖。
2026年9月28日 ElevenLabs Eleven v4 Turbo
Eleven v4 Turbo 是 ElevenLabs v4 语音模型家族的实时档，经 Text to Dialogue WebSocket 提供服务，中位推理延迟约 100 ms，相比 eleven_v3_conversational 的约 280 ms 明显更低（均不含应用与网络延迟）。它面向需要富有表现力语音的客服 agents、AI 助手与交互式角色。与旗舰版 Eleven v4 一样支持高保真 voice cloning 和 90 多种语言，并可通过 audio tags 细致控制语气。
2026年9月28日 Kling Kling 4.0
Kling 4.0 是可灵 AI 的旗舰级文生视频与图生视频模型，官方已宣布正式版将于 10 月上线。模型单次原生生成最长 30 秒，支持 21:9、16:9、1:1、9:16 画幅，输出 720p 至 4K，1080p 与 4K 的 10-bit HDR 稍后开放。全能参考系统单次可组合图片、视频、主体与音色共最多 15 项参考素材，配合最多 10 张关键帧精准控制叙事节点。它还支持双通道立体声与多语种口型匹配，能稳定生成多语种文字与 emoji，提示词上限 8000 tokens，并可对视频中的主体与背景做增加、修改或删除的编辑。
2026年9月28日 Kling Kling 4.0 Flash
Kling 4.0 Flash 是可灵 AI Kling 4.0 系列的轻量快速档，在旗舰版完整上线前率先开放小范围体验。它面向高频创作场景，生成时间大幅缩短、性价比突出，支持文生视频、图生视频（首帧）与全能参考，可生成 3 至 20 秒、720p 分辨率、8-bit SDR 动态范围的视频，适合日常视频内容的快速产出。
2026年9月28日 Meituan LongCat-2.5-Preview
LongCat-2.5-Preview 是美团 LongCat 开放平台上线的预览版多模态模型。它新增图像理解能力，可解析图片内容，支持跨模态问答、内容摘要与复杂视觉推理，同时强化代码生成、代码理解与自动化编程任务表现，并深度兼容 Claude Code、OpenCode、Kilo Code 等 agent 开发环境，适合视觉理解与编码结合的开发场景。
2026年9月25日 Google Gemini 3.8 Live with Live Avatar
Gemini 3.8 Live with Live Avatar 在 Gemini 3.8 Live 语音模型基础上加入实时数字人形象：以低延迟流式视频输出与语音同步的虚拟形象，具备精准唇同步、自然表情与流畅的轮流对话。它能同时处理语音与视觉输入进行多模态对话，支持异步 tool calling（工具在后台执行时对话不中断），并以 speech-to-speech 方式原生支持 97 种语言及对话中实时切换语种。企业可从预设形象库中选用，或基于一张参考图生成保留 likeness 与品牌风格的自定义形象，所有生成音视频均嵌入 SynthID 水印以便溯源检测。该模型面向企业用户，通过 Gemini Enterprise 与 Google Cloud agent platform 提供。
2026年9月24日 Google Gemini 3.8 Flash TTS
Gemini 音频家族中表现力最强的 text-to-speech 模型，定位深度创意执导与角色声音设计。用自然语言描述角色、口音与个性即可从零创建声音，覆盖 100 多种语言和方言，另提供 2000 多个生产级预设音色。支持逐行导演，通过 <laughs>、<sigh> 等标签控制演技提示、节奏、方言切换与 backchanneling，可从单份剧本原生编排双人对白场景，长篇生成数小时音频且说话人音色漂移极小。官方称其在 Hume Voice Design Benchmark 上以 71.4 分排名第一；已上线 Gemini API、AI Studio 与 Gemini Notebook，Enterprise API 稍后开放，面向游戏、有声书与播客等场景。
2026年9月23日 Google Gemini 3.8 Flash-Lite TTS
Gemini 3.8 Flash-Lite TTS 是 Google Gemini Audio 家族里的轻量级 text-to-speech 变体，主打高并发、低成本的批量语音生成。它能自动调整语气与节奏，依托覆盖 100 多种语言的生产级音色库，并支持最长 64K 输出 token 的长篇叙述，适合视频配音、播客制作、实时 voice agent 等日常语音场景，在 Hume AI Overall Quality Index 上排名第二。模型已在 Gemini API 与 Google AI Studio 开放，企业 API 稍后开放。
2026年9月23日 Meta Muse Realtime Avatar
Muse Realtime Avatar 是 Meta 的实时音驱数字人模型，基于 Diffusion Transformer，消费 Muse Realtime Voice 输出的 speech token（VQ）流，同步生成与语音、口型和表情一致的视频，让参考图像中的肖像、全身插画乃至动物和日常物品在实时对话中活起来。模型以因果分块方式持续生成视频，并通过 self-forcing 与 distribution matching 蒸馏把每块 120 次评估的引导式教师压缩为两步无引导学生，以 448x768@25fps 实时输出，端到端时延约 870ms。真人对比评测中，其整体偏好度以 78% 比 22% 领先 Runway Characters，以 88% 比 12% 领先 HeyGen LiveAvatar。
2026年9月23日 Anthropic Claude Opus 5.5
Claude Opus 5.5（API 型号 claude-opus-5-5）是 Anthropic Claude 5.5 家族的首个模型，面向长时程 agentic coding 与知识工作，适合代码库级迁移、审计等长时间运行任务。默认提供 1M token 上下文窗口与 128k 最大输出 token，adaptive thinking 常开，并在 Claude API 上同步开放 Fast mode（research preview，最高 2.5 倍速）。官方称其在多数工作上达到 Claude Fable 5.1 水平，而典型工作负载运行成本比 Opus 5 低 40%（每百万 token 输入/输出 $4/$20），Terminal-Bench 4.0 得分 66.4%、FrontierCode v1.1 得分 54.4%。现已上线 Claude API、Amazon Bedrock、Google Cloud 与 Microsoft Foundry。
2026年9月22日 FLUX FLUX 3 Action
FLUX 3 Action（F3A）是 Black Forest Labs 基于 multimodal FLUX 3 backbone 推出的 7B 开放权重 world action model（WAM），联合预测未来视频帧与机器人动作，而非传统 VLA 路线。预训练覆盖图像、视频与音频（视频 token 占比超过 95%），再经 14 种 embodiment 的动作对齐 midtraining 与 DROID 上的 video-action 联合微调。在 RoboLab-120 benchmark 上，其 single-step 7B checkpoint 取得 38.3% 成功率，超过 Cosmos 3 Nano（36.8%）与 Pi0.5（28.0%），guidance 蒸馏版本进一步把 SOTA 提升到 42.2%。权重已可通过 Hugging Face 下载，官方还以游戏导航为测试床，探索 computer-use 等 latency-sensitive agent 的动作预测。
2026年9月22日 Hunyuan Hy Image3.5 preview
腾讯混元发布的 Hy Image3.5 preview 是一款面向专业创作的高性价比图像生成模型，延续 Hy Image3.0 系列设计思路，以 preview 形式先行上线、正式版后续迭代。它支持文生图与图生图，单次最多可上传 5 张参考图，可基于历史上下文进行多轮创作与连续编辑，支持多种尺寸比例和最高 2K 分辨率输出。经上百名专业设计师 GSB 盲测，其综合胜率较上一代提升 30% 以上，文本渲染与排版、真实感与风格表现、编辑一致性均有增强。模型通过简化架构、高效蒸馏算法和图文分支解耦部署等优化控制推理成本，腾讯云 API 按输出计费，2K 及以下分辨率每张 0.15 元，已接入元宝、ima、WorkRally、Miora、OnSolo 等产品。
2026年9月22日 OpenAI GPT-6 Luna
GPT-6 Luna 是 OpenAI GPT-6 系列中的低价档位，采用与 GPT-6 Astra 相近的方法训练，把新一代模型在专业工作、事实性、coding 与 computer use 上的进步带到日常高频、注重成本的任务里。API 定价较 GPT-5.6 Luna 下调 50%，输入 $0.10、输出 $0.50（每百万 token），缓存读取再享 90% 折扣。max effort 下 DeepSWE v1.1 得分 66.6%，与 medium effort 的 Claude Opus 5 和 Fable 5 相当，单任务成本分别低 93% 和 96%；high effort 下 AutomationBench 较前代提升 5.4 个百分点且单任务成本低 58%。API 以 gpt-6-luna 提供，付费计划可在 ChatGPT Work 与 Codex 中使用，Free 和 Go 用户可在桌面端使用。
2026年9月22日 OpenAI GPT-6 Sol
GPT-6 Sol 是 OpenAI GPT-6 家族的新模型，沿用 GPT-6 Astra 的训练方法，以更快、更实惠的档位承接复杂编码与 agentic 工作流。官方数据显示其在 DeepSWE v1.1（max effort）得 68.8%、AutomationBench 得 33.2%、Agents' Last Exam 得 56.4%，以低得多的单任务成本匹敌更高配置的竞品，事实性错误约为前代 GPT-5.6 Sol 的一半。API 定价较 GPT-5.6 Sol 下调 50%，每百万 token 输入 $2、输出 $10，缓存输入读取按一折计费。已上线 Codex 与 ChatGPT Work（Plus/Pro/Business/Enterprise/Edu），API id 为 gpt-6-sol。
2026年9月22日 Xiaomi MiMo-V2.6-Flash
MiMo-V2.6-Flash 是小米 MiMo-V2.6 系列的全模态高智商低成本推理档，面向专业工作流中的高频调用与大规模任务。官方模型卡显示其采用 Sparse MoE 架构，总参数 309B、激活 15B，原生支持文本、图像、视频与音频输入，上下文长度达 1M token。模型通过覆盖编程、通用 agent、视觉与网络安全的混合 RL 训练，官方评测中 DeepSWE v1.1 得分 67.9、Terminal Bench 2.1 得分 87.6、CyberGym 得分 95.1。适合对成本和吞吐敏感的 agentic 工作流、编程助手与多模态自动化场景。
2026年9月22日 Xiaomi MiMo-V2.6-Pro
MiMo-V2.6-Pro 是小米 MiMo V2.6 系列的旗舰 omni-modal 推理模型，也是官方迄今能力最强的模型：万亿参数规模、开源发布，面向复杂项目、长程任务、高风险工作、网络安全与科学研究。官方称其在 Artificial Analysis Intelligence Index 上取得 46.32 分，为目前排名最高的开源模型，DeepSWE v1.1 与 CyberGym 分别达到 71.9 和 94.0。模型融合 3D 空间推理、多模态感知与 computer-use agent（CUA）能力，同步开放技术报告、训练环境与 RL 代码，可通过 MiMo API Platform、AI Studio、MiMo Desktop 与 OpenRouter 使用。
2026年9月22日 Grok Grok 4.7
Grok 4.7 是 x.ai（官网现以 SpaceXAI 品牌呈现）的旗舰 LLM，面向编程与知识工作场景。相较 Grok 4.6 换用更大的全新基座，并完成更长周期的强化学习训练，侧重需要数小时才能完成的任务，提供 500k 上下文、可配置推理与 agentic tool calling。官方数据显示其在 CursorBench 4.0 上得分 46.3%，处于价格性能前沿，拒绝敏感请求与抗越狱能力也是迄今最强。定价与 Grok 4.6 持平（每百万 tokens 输入 2 美元、输出 6 美元），知识截止 2026 年 5 月，可通过 Grok API、Cursor、Grok Build 及第三方编程工具调用。
2026年9月21日 Qwen Qwen3.8-Omni-Flash-Realtime
Qwen3.8-Omni-Flash-Realtime 是 Qwen3.8-Omni-Flash 的实时交互版本，在阿里云百炼提供实时音视频交互及文本、音频输出。相比走 HTTP 接口的基础版，新增多通道音频、视频聚合与远程 MCP 工具调用，并提供 WebSocket、WebRTC、AOQ 接入方式。适合语音助手、实时客服等对话式交互场景。
2026年9月21日 Zhipu AI GLM-5.3-FlashX
GLM-5.3-FlashX 是智谱 GLM-5 系列的高速档模型，由智谱原厂直供、在阿里云百炼上架。推理速度达 200 tokens/s，支持 1M 上下文与 128K 输出，原生接受文本、图像、视频与文件输入。模型支持深度思考、Function Calling 与结构化输出，适合低延迟多模态助手、长文档与视频理解、高吞吐 agent 等场景。
2026年9月21日 
