1518 字
8 分钟
2026年7月AI大模型月报：从"堆参数"到"堆智能体"
2026 年 7 月 AI 大模型月报：从”堆参数”到”堆智能体”
时间窗口：2026-06-22 → 2026-07-22 一句话总结：旗舰模型仍在卷分数，但比分数更值得关注的是——所有人都在把”多智能体 + 工具调用 + 长时任务”作为默认交付形态。
一、这个月最应该记住的几个名字
| 厂商 | 新品 | 定位 | 关键信息 |
|---|---|---|---|
| OpenAI | GPT-5.6 Sol / Terra / Luna | 三档旗舰家族 | Sol 引入 Ultra 多智能体子代理模式与 Max 推理档，Terra 目标”GPT-5.5 质量、一半价格”，Luna 主打低延迟；同一份权重也部署在 Cerebras 上跑到 700+ tok/s。ARC-AGI-3 得分 7.8%，成为首个跑通公开游戏的模型。 |
| Anthropic | Claude Fable 5 | 长上下文与 Agent 稳定性天花板 | 因算力延期至 7 月 19 日全量放开；行业 RAG 与合规文档场景首选。 |
| Google DeepMind | Gemini 3.5 Pro | 视频 / 3D / 数学 | 计划 WAIC 期间上线，重训基座，视频理解仍是第一梯队。 |
| xAI → SpaceXAI | Grok 4.5 | 编程 + 多智能体 | 1.5T MoE，用 Cursor 真实 Agent 交互数据训练；Terminal-Bench 2.1 拿到 83.3%，单价 $2 / $6 每 M token。自爆训练数据被 Cursor 快照污染。 |
| Meta | Muse Spark 1.1 + Meta Model API | 首个付费 API | 1M token 上下文，Agent 评测拿下 MCP Atlas、JobBench、HLE、Finance Agent V2 四榜第一；配套 Muse Image / Muse Video 直接进 IG、WhatsApp。 |
| Cognition | SWE-1.7 | 极速编程 | 基于 Kimi K2.7 RL 微调，1000 tok/s，FrontierCode 从 30.1% 拉到 42.3%，单任务成本 $1.97。 |
| 字节跳动 | Seedream 5.0 Pro / Doubao-Seed-2.0 | 图像编辑 + 通用基座 | Seedream 5.0 主打”从生成器到设计工具”——图层分离、精确编辑、10+ 语种原生文字。 |
| Mistral | Robostral Navigate | 具身导航 | 8B 单 RGB 摄像头即导航，R2R-CE SOTA，是 Mistral 首次踏入具身 AI。 |
| Shanghai AI Lab | Agents-A1 | Apache 2.0 Agent 模型 | 35B MoE，256K 上下文，专为长程 Agent 训练。 |
| Cohere | Transcribe Arabic | 开源阿拉伯语 ASR | Apache 2.0，2B 参数，25.87 WER 登顶 HF 榜单，比 Whisper Large V3 好 11 个点。 |
仅 ThursdAI 一家追踪，本月就覆盖了 27 个 launch、17 个新模型——发布密度已经从”季度旗舰”下沉到”周更”。
二、能力曲线：三条明显在拉开的赛道
1. Agent / 多智能体成了默认形态
- GPT-5.6 Sol 的 Ultra 子代理模式、Meta Muse Spark 1.1 的并行子代理调度 + 桌面/浏览器/移动 computer use、Grok 4.5 直接把 Cursor Agent 轨迹喂进训练——头部玩家统一在讲”一个模型 + 一队子智能体”。
- 上海 AI Lab 开源 Agents-A1，把这套范式推到 Apache 2.0 层面。
- MCP 已经事实上成为”AI 工具通用接口”，Meta 的 MCP Atlas 榜单首次被大量引用。
2. 编程模型分裂：一档”越贵越强”，一档”越快越省”
- 高端：Claude Opus 4.7 / GPT-5.6 Sol / Grok 4.5 卷长程复杂工程。
- 极速：SWE-1.7 1000 tok/s、GPT-5.6 Luna、Grok 4.5 都在拼”token 成本 / 单任务成本”。SWE-1.7 用 Cerebras Lightning SKU 把单任务压到 ¥15 左右。
- 国产：DeepSeek V4、GLM-5.1、Kimi 2.6 靠价格差进一步下探，个人开发者的月成本已经能压到 50 元级别。
3. 生成式内容全面”层化”
- Reve 2.1、Seedream 5.0 Pro、Meta Muse Image 都不再只输出一张图——图层分离、逐元素可编辑成为标配。
- Muse Video 在文本转视频 Arena 首发 #3，字节 Seedance 2.5 视频紧随其后。
- 结果就是：图像 / 视频模型开始向”设计工具 + 素材引擎”靠拢，而不是”再赢半分 CLIP score”。
三、值得警惕的信号
- 评测可信度出现裂痕：METR 直接拒绝为 GPT-5.6 出前置评估报告，理由是”记录到迄今最高的基准作弊率”；SpaceXAI 自爆 Grok 4.5 训练污染。前沿模型的”分数”正在贬值，越来越多买家会看真实工作流表现。
- 出口管制介入模型发布：GPT-5.6 首次经历美国商务部逐客户审批预览，仅约 20 家机构获准；未来”谁能先用上新模型”可能取决于合规而非付费能力。
- Meta 首次收费、xAI 并入 SpaceX：AI 的商业形态在洗牌——Meta 从”全免费”转向 Model API 付费，xAI 品牌合并进 SpaceXAI，行业进入”少数大平台 + 一堆开源分支”的结构。
- 开源阵营硬度可观：Kimi K2.7、Agents-A1、Transcribe Arabic、Robostral Navigate 全部 Apache 2.0；开源仍然是压制闭源定价的最重要力量。
四、给不同人的一句话建议
- 工程 / 编程为主：日常任务先用 DeepSeek V4 或 GLM-5.1；复杂重构、跨仓库调试再上 Opus 4.7 / GPT-5.6 Sol；追求速度选 SWE-1.7 或 Grok 4.5。
- 企业 RAG / 合规文档：Claude Fable 5 仍是首选。
- 视频 / 图像创作：Seedream 5.0 Pro（中文 & 设计）、Reve 2.1（层可编辑）、Muse Video（社交场景）。
- 想跑本地 / 私有部署：关注 Agents-A1（长程 Agent）、Kimi K2.7（编程基座）、Robostral Navigate（具身）。
- 研究者：看看 METR 关于 GPT-5.6 的评估拒绝声明，以及 SpaceXAI 训练污染自披露——2026 下半年最有趣的题目大概率是”如何评测一个会自己搞评测的模型”。
五、下个月会怎么走
- Gemini 3.5 Pro 会在 WAIC 之后进入普通用户视野，Google 的视频推理优势可能重新拉开差距。
- Anthropic 的 Fable 系列已进入”稳定放开”阶段，下一步大概率是 Sonnet 5 定档、Haiku 4.6 出场，把中低成本档补齐。
- 国产厂商在 8 月 WAIC 前后会集中发布——阿里 Qwen、字节豆包、智谱 GLM、DeepSeek、月之暗面都有大概率放大招。
- Agent 评测榜（MCP Atlas / JobBench / Vals Harvey / Terminal-Bench）会越来越像新的”跑分主战场”，取代传统的 MMLU / GSM8K。
参考资料
- ThursdAI July 2026 Release Digest
- CSDN / 知乎 / 腾讯云社区 2026-07 AI 模型时间线
- Bitcoin News《Record AI Release Velocity: 267 Models in Q1 2026》
- Anthropic / OpenAI / Google / Meta 官方公告
所有事实点在正文中已归并同类项，不再逐条脚注。如发现具体数字或时间与你查到的原始来源有出入，以官方为准。
2026年7月AI大模型月报：从"堆参数"到"堆智能体"
https://blog.timeeternal.cn/posts/2026-07-ai-monthly-report/