新 AI 模型

hy3

Hy3 是腾讯混元推出的推理与智能体模型，采用 MoE 架构，总参数 295B、激活参数 21B，context window 为 256K。官方称其效果比肩参数规模 2～5 倍的旗舰模型，在软件开发、办公生产、金融建模等生产力任务上表现出色。模型已基于 Apache 2.0 协议开源，并通过腾讯云 API 提供服务。

Wan2.7-Reference-To-Video-2026-06-12

Wan2.7-Reference-To-Video 是阿里通义万相 2.7 系列的参考生视频（R2V）模型，提供更稳定的角色、道具与场景参考，支持最多 5 个图/视频混合参考与音频音色参考，输出 720P/1080P、时长 2 至 15 秒的视频，适用于单角色表演与多角色互动场景。该版本为 2026 年 6 月 12 日快照，版本固定，适合对稳定性要求高的生产调用。

Wan2.7-Text-To-Video-2026-06-12

通义万相 2.7 文生视频（wan2.7-t2v）的 2026-06-12 快照版本，基于文本提示词生成流畅视频，适合重视输出稳定的生产场景。演绎能力全面升级，文戏情感细腻，动作戏拳拳到肉，镜头切换更具戏剧性与节奏感。支持 720P/1080P 与 2 至 15 秒时长，可传入音频，或由模型自动生成配乐与音效。

Claude Sonnet 5

Claude Sonnet 5 是 Anthropic 于 2026 年 6 月 30 日发布的均衡档模型，官方称其为迄今 agentic 能力最强的 Sonnet，兼顾编码与日常专业工作。它在推理、工具调用、编码与知识工作上较 Sonnet 4.6 全面提升，在 BrowseComp、OSWorld-Verified 等 agentic 评测中接近 Opus 4.8 水平而价格更低，适合多步软件工程、自主计算机操作与业务自动化等场景。

Gemini Omni Flash

Gemini Omni Flash 是 Google 推出的高性能多模态视频生成与编辑模型，Flash 为速度优先档位，2026 年 6 月 30 日以 gemini-omni-flash-preview 开启公开预览。它同时理解 text、image、audio、video 输入，可经 Interactions API 把文本或静态图片转成 3 至 10 秒带音频的视频，并以自然语言对话迭代编辑，支持视频延展、分辨率上采样与首尾帧插值。

Nano Banana 2 Lite

Nano Banana 2 Lite（模型代码 gemini-3.1-flash-lite-image）是 Google 图片生成系列的轻量档，端到端延迟低于 2 秒、计算成本大幅降低，面向大批量交互式开发场景与实时消费级应用。它原生支持文本与图片交织生成，针对 1K（1024x1024px）分辨率优化，可快速完成换色、贴纸制作、背景调整等多轮局部编辑，输出默认带 SynthID 水印。

grok-4.5

Grok 4.5 是 xAI 迄今最智能的模型，主打 coding、agentic tasks 与知识型工作。它以 80 TPS 速度提供服务，token 效率约为同级旗舰的两倍，API 定价为每百万输入 $2、输出 $6。现已上线 Grok Build、Cursor 与 xAI API，并同样擅长 Excel、Word 等 Office 工作。

Kling 3.0

Kling 3.0 是快手可灵的视频生成标准版模型，基于统一的多模态训练框架，将文生视频、图生视频、参考生成等任务整合进单一模型。单次生成最长 15 秒（3 至 15 秒灵活可选），新增 Multi-Shot 多镜头叙事与 Element 一致性控制，Native Audio 支持中英日韩西五语及方言口音，提示词遵循与画面真实感同步增强。典型场景包括多镜头影视叙事、多角色对白与电商广告。

Kling 3.0 Omni

Kling 3.0 Omni 是快手可灵 Kling 3.0 系列的全能视频生成模型，由 VIDEO O1 升级而来，基于统一多模态训练框架实现原生音画一体输出。它支持 Native Audio 与 Multi-Shot 叙事，单次可生成 3 至 15 秒视频，并对每个镜头的时长、景别与运镜做逐镜控制；Element 能力支持视频与声音参考，在长片中保持角色形象和声音一致，适合广告、短剧等叙事创作。

Kling Image O1

Kling Image O1 是可灵推出的 reasoning 图像生成模型，依托知识库与多模态推理能力精准理解综合创作意图。它支持从最多 10 张参考图提取主体、元素与色调并保持跨图一致，也能用文字指令完成细节修改与风格迁移，保留原图光影质感。官方评测中，其指令编辑与多图参考任务综合胜率领先 Nano Banana 等同类模型，适合 IP 角色设计与品牌视觉创作。

GPT-5.6 Sol

GPT-5.6 Sol 是 OpenAI 的旗舰模型，与均衡档 Terra、快速经济档 Luna 组成新系列，2026 年 6 月 26 日启动有限预览。它支持 max 推理强度和调用子智能体的 ultra 模式，在 Terminal-Bench 2.1 上刷新 SOTA，并在 GeneBench v1 以更少 Token 超越 GPT-5.5。预览期经 API 和 Codex 向部分伙伴开放，每百万 Token 输入 5 美元、输出 30 美元。

Qwen-Image-2.0-Pro-2026-06-22

Qwen-Image-2.0-Pro-2026-06-22 是 Qwen-Image-2.0 系列满血版模型的最新快照版本，2026 年 6 月 25 日上线阿里云百炼，融合图片生成与图片编辑能力。相较 4 月快照，文字渲染进一步增强，支持最长 1k token 指令输入，写实场景的质感与细节刻画更细腻，语义遵循更强。固定版本号便于生产环境锁定复现。

Seed2.1

Seed2.1 是字节跳动 Seed 团队发布的 agentic 生产力模型，提供 Pro 与 Turbo 两个尺寸。它在 general agent 与代码工程方向均有明显提升，可端到端完成需求理解、编码、调试与验证，并强化视觉理解、空间推理与长上下文处理，在多个视频理解 benchmark 上达到 SOTA，适用于办公自动化与真实开发流程。

GPT-5.5 Instant

GPT-5.5 Instant 是 OpenAI 更新的 ChatGPT 默认模型，逐步向所有用户推出，并在 API 中以 chat-latest 提供。相比 GPT-5.3 Instant，它在医学、法律、金融等高风险提示上的幻觉性陈述减少 52.5%，视觉推理、数学与科学评测成绩同步提升。回答更简洁自然，图像上传分析与 STEM 问答能力改进，还能更好利用过往聊天、文件和 Gmail 上下文实现个性化。

Fun-ASR-Flash-2026-06-15

Fun-ASR-Flash-2026-06-15 是阿里云百炼上架的百聆（Bailing）系列大模型 ASR 快照版本，对应 2026 年 6 月更新，适合需要稳定输出的生产调用。模型覆盖 30 个语种与汉语七大方言体系，可转写 5 分钟以内音频，标点预测与文本归一化经过优化，数字、日期、金额自动转为标准格式，并对中文古诗词识别做了专项优化。按音频时长计费，0.00022 元/秒起。

GLM-5.2

GLM-5.2 是智谱面向长程任务的旗舰开源模型（MIT 许可），提供稳定的 1M token context window。编码能力较 GLM-5.1 明显提升，Terminal-Bench 2.1 得 81.0、SWE-bench Pro 得 62.1，为最强开源模型，FrontierSWE 上仅次于 Claude Opus 4.8。支持多档 thinking effort，适合编码 agent 等长程工程任务。

HappyHorse-1.1-I2V

HappyHorse-1.1-I2V 是阿里云百炼的图生视频（I2V）模型，可将单张首帧图像转化为 3 至 15 秒的有声视频，支持 480P、720P、1080P 与 24fps 输出。模型能更精准地理解输入图像并延续创作意图，在人物皮肤质感、ID 跨片段保持、动作流畅度及音画同步上均有改善，输出细节丰富、一致性高的视频。

HappyHorse-1.1-R2V

HappyHorse-1.1-R2V 是阿里云百炼推出的参考图生视频（R2V）模型，最多支持 9 张参考图像配合文本提示词生成视频。相较上一代，模型进一步提升了主体、场景风格与画面一致性的稳定保持，在人物、场景、风格和镜头表现上带来更强的可控性与表现力。生成视频时长为 3 至 15 秒，分辨率支持 480P、720P 与 1080P。

HappyHorse-1.1-T2V

HappyHorse-1.1-T2V 是阿里云百炼的文生视频模型，输入文本提示词生成视频。其文本语义理解、镜头调度与动态生成表现进一步提升，在人物动作、场景氛围与物理运动上画面更流畅自然、一致性更高。支持 480P/720P/1080P 分辨率与 3 至 15 秒时长，适用于短剧制作、电商广告、品牌营销与游戏 CG 等内容生产场景。

Kimi K2.7 Code

Kimi K2.7 Code 是 Moonshot AI（月之暗面）基于 Kimi K2.6 推出的编码 agentic 模型，采用 MoE 架构，总参数 1T、激活参数 32B，context window 256K。模型针对真实 long-horizon 编码任务强化端到端完成能力，thinking token 消耗较 K2.6 降低约 30%，并在 Kimi Code Bench v2 等 benchmark 上较前代明显提升。模型权重以 Modified MIT License 开源，可通过 OpenAI/Anthropic 兼容 API 调用或使用 vLLM、SGLang 部署。