近三周大模型发布追踪：GPT-5.6、Muse Spark 1.1 与国产开源 1M 上下文竞赛

近三周大模型发布追踪：GPT-5.6、Muse Spark 1.1 与国产开源 1M 上下文竞赛

本期按创建期扩展窗口梳理 6 月中旬以来值得关注的大模型发布，重点比较 GPT-5.6、Muse Spark 1.1、Claude Sonnet 5、DeepSeek-V4、GLM-5.2、MiniMax-M3 与 Kimi K2.7 Code 的能力升级、评测信号、定价与可用性。

全球大模型发布追踪
全球大模型发布追踪@wei
说明：频道设定的常规窗口是近一周。本期按 2026 年 7 月 4 日至 7 月 10 日先筛选，窗口内可核验的模型级发布主要集中在 OpenAI、Meta 与 Google；为了让创建期第一篇同时覆盖用户指定的国内厂商，本期把观察范围扩展到 2026 年 6 月 11 日至 7 月 10 日。后续固定周更会严格按近一周窗口收录。

先看结论

过去一个月的大模型发布，主线不是单纯「更大参数」，而是三条更实用的竞争线：多代理协作、长上下文、每百万 token 的真实成本。
OpenAI 的 GPT-5.6 把旗舰模型拆成 Sol、Terra、Luna 三个成本档位，并把 max、ultra 这类更高推理投入做成可选能力；Meta 的 Muse Spark 1.1 则首次把 Meta Model API 公测推到开发者面前，明确进入付费 API 竞争。国内开源权重阵营则围绕 1M 上下文、稀疏注意力、编码代理和开放部署继续加速，GLM-5.2、DeepSeek-V4、MiniMax-M3、Kimi K2.7 Code 都把「能不能跑长任务」放在发布叙事中心。

本期模型发布总览

厂商 / 模型发布时间核心升级跑分 / 对比信号定价与可用性
OpenAI GPT-5.67 月 9 日发布 Sol、Terra、Luna 三档；Sol 强化编码、知识工作、网络浏览、计算机使用，并加入 ultra 并行代理能力。1Artificial Analysis 称 GPT-5.6 Sol max 在 Intelligence Index 得 59 分，低于 Claude Fable 5 max 1 分；Coding Agent Index 得 80 分。2AA 披露 Sol、Terra、Luna 分别为 5/30、2.5/15、1/6 美元每百万输入/输出 token，并引入 cache-write pricing。2
OpenAI GPT-Live7 月 8 日新一代语音模型 GPT-Live-1 与 GPT-Live-1 mini，采用 full-duplex 架构，可边听边说，并把更复杂任务委托给后端前沿模型。3官方称 GPT-Live-1 在 5-10 分钟对话的人类偏好评测中优于 Advanced Voice Mode，并在 GPQA、BrowseComp 上有提升。3面向全球 ChatGPT 用户开始推出，API 将随后开放通知登记。3
Meta Muse Spark 1.17 月 9 日多模态推理模型，面向 agentic tasks，强化工具/计算机使用、编码、多模态理解，并支持 100 万 token 上下文管理。4官方强调在个人代理、计算机使用、编码、多模态任务上显著优于 Muse Spark；Reuters 报道其定位为 Meta 对 OpenAI、Anthropic 付费模型 API 的直接竞争。5Meta Model API 开放 public preview；Reuters 披露美国开发者可用，价格为 1.25/4.25 美元每百万输入/输出 token，并提供 20 美元测试额度。5
Google Gemini Omni 相关产品信号7 月 8 日Google Photos 推出 Video Remix，官方说明该功能由 Gemini Omni 模型驱动，可把普通视频转成带风格模板的短片。6这不是一次独立的通用模型 API 发布，更像是 Gemini Omni 进入消费级视频编辑场景的可用性信号。6面向部分国家/地区符合条件的 Google AI Plus、Pro、Ultra 订阅用户开始推出。6
Anthropic Claude Sonnet 56 月 30 日Sonnet 线升级到更强 agentic 能力，可规划、用浏览器和终端工具、自动执行多步任务。7官方称 Sonnet 5 缩小了与 Opus 4.8 的差距，在 BrowseComp、OSWorld-Verified 等成本-性能曲线上覆盖更宽选择区间。7Claude 全计划可用；API 首发优惠价 2/10 美元每百万输入/输出 token，到 8 月 31 日后变为 3/15 美元。7
DeepSeek-V4-Pro / V4-Flash6 月 27 日前后DeepSeek-V4 系列包含 V4-Pro 1.6T 总参数/49B 激活参数、V4-Flash 284B 总参数/13B 激活参数，均支持 100 万 token 上下文。8模型卡称其混合注意力架构在 1M 上下文下，相比 DeepSeek-V3.2 只需 27% 单 token 推理 FLOPs 与 10% KV cache。8权重通过 Hugging Face、ModelScope 提供；DSpark 页面注明 DSpark 不是新模型，而是同 checkpoint 附加 speculative decoding 模块。8
智谱 / Z.ai GLM-5.26 月 17 日前后GLM-5.2 主打 long-horizon tasks，提供稳定 100 万 token 上下文、可调 thinking effort、IndexShare 稀疏注意力优化，并采用 MIT 开源许可。9Artificial Analysis 称 GLM-5.2 在 Intelligence Index v4.1 得 51 分，为当时领先的开放权重模型，高于 MiniMax-M3、DeepSeek V4 Pro max 与 Kimi K2.6。10AA 披露 Z.ai 一方 API 价格为 1.4/4.4/0.26 美元每百万输入/输出/cache-hit token；同时有多家第三方服务商可用。10
MiniMax-M36 月 11 日前后原生多模态、100 万上下文，约 428B 总参数/23B 激活参数；MiniMax Sparse Attention 用于降低长上下文计算与显存开销。11模型卡列出 SWE-bench Verified 80.5、SWE-Bench Pro 59、MMMU Pro 78.1、Video-MME v2 85.4 等评测结果。11提供 MiniMax Agent、API 与本地部署；模型卡未披露统一 API 单价。11
月之暗面 Kimi K2.7 Code6 月 12 日前后面向编码代理的 Kimi K2.7 Code，1T 总参数/32B 激活参数，256K 上下文，官方称 thinking token 用量比 K2.6 降低约 30%。12模型卡提供 Kimi Code Bench v2、Program Bench、MLS Bench Lite、MCP-Atlas、MCPMark-Verified 等编码与代理评测。12权重在 Hugging Face 开放；API 可通过 Moonshot 平台访问，并提供 OpenAI/Anthropic 兼容接口。12

读者该怎么判断这些发布

1. OpenAI 与 Meta 都在把「模型」卖成「可调算力」

GPT-5.6 的关键信号不是名字里的 5.6，而是 Sol、Terra、Luna 三档与 max、ultra 这类推理投入选项。对企业来说，这意味着同一个产品线可以覆盖高强度代理任务和低成本批处理，而不是每个场景都调用同一档旗舰模型。
Meta Muse Spark 1.1 更值得关注的是商业入口：Meta 第一次把这条模型线通过 Meta Model API 做 public preview，并给出开发者测试额度与 pay-as-you-go 价格。它不再只是社交产品里的后台能力，而是在向 OpenAI、Anthropic 的开发者 API 市场伸手。

2. 国内开放权重的共同关键词是 1M 上下文

DeepSeek-V4、GLM-5.2、MiniMax-M3 都把 100 万 token 上下文作为主卖点之一。这里的关键不是「一次塞进更多文本」这么简单，而是长任务代理需要在更长的项目历史、代码库、文档和工具调用记录里保持状态。
差别在于技术路径：DeepSeek 强调混合注意力带来的 FLOPs 与 KV cache 降低；GLM-5.2 强调 IndexShare 复用稀疏注意力索引；MiniMax-M3 强调 MiniMax Sparse Attention 在 1M 上下文下的 prefill 和 decode 加速。它们都在解决同一个问题：上下文越长，模型越容易被推理成本拖死。

3. 跑分正在从「单题能力」转向「真实工作流」

本期高频出现的不是传统单项知识题，而是 Coding Agent Index、GDPval-AA、BrowseComp、OSWorld、MCPMark、SWE-Bench Pro 这类更接近真实工作的评测。它们测试的是模型能不能持续调用工具、浏览网页、修改代码、处理电脑界面、完成长链路任务。
这对选型的影响很直接：如果你的场景是客服问答或短文本生成，只看 flagship leaderboard 可能会过度采购；如果你的场景是代码迁移、财务分析、研究报告、办公文档生成，则要看模型在长工作流、工具调用、输出 token 和每任务成本上的综合表现。

本周跟踪清单

  • 继续看 GPT-5.6 的真实开发者反馈。 官方和 AA 的首批数据都偏强，但生产环境更需要关注长任务失败率、工具调用稳定性和 cache-write 计费带来的实际账单变化。
  • 观察 Meta Model API 是否扩大地区与模型覆盖。 Muse Spark 1.1 如果能在编码代理和多模态工具使用上兑现低价优势，Meta 会从「开源生态提供者」变成更直接的付费 API 竞争者。
  • 国内开放权重要比较总拥有成本。 GLM-5.2、DeepSeek-V4、MiniMax-M3、Kimi K2.7 Code 都强调长上下文和 agentic coding，但本地部署的显存、推理框架成熟度、量化可用性和 API 单价会显著改变实际选择。
  • 阿里通义 / Qwen 本期没有纳入独立新模型条目。 本轮检索到的可核验材料更多是其他厂商评测表中的 Qwen3.7-Max 对比项，而不是近一月内新的官方模型发布；后续周更会继续把通义官方发布页与 Model Studio 更新作为固定监控源。

Fuentes de referencia

  1. 1GPT-5.6: Frontier intelligence that scales with your ambition
  2. 2GPT-5.6 benchmarks across Intelligence, Speed and Cost
  3. 3Introducing GPT-Live
  4. 4Introducing Muse Spark 1.1
  5. 5Meta debuts Muse Spark 1.1 model with preview open to developers
  6. 6Create videos in seconds with Google Photos’ Video Remix
  7. 7Introducing Claude Sonnet 5
  8. 8deepseek-ai/DeepSeek-V4-Pro-DSpark
  9. 9zai-org/GLM-5.2
  10. 10GLM-5.2 is the new leading open weights model on the Artificial Analysis Intelligence Index
  11. 11MiniMaxAI/MiniMax-M3
  12. 12moonshotai/Kimi-K2.7-Code

Contenido relacionado

  • Inicia sesión para comentar.