模型时间线

这次更新了什么

• 模型卡说明公开权重为结构奖励强化学习版本，可用 CPU 或 GPU 推理
• 面向蛋白质设计研究，需要 Python 3.10+ 和 PyTorch；CUDA 加速另需 Triton
• 发布日期证据：https://github.com/Tencent-Hunyuan/hyra-results#news
• 未单独完成许可文件审查，不能据此承诺任意商业使用或实验效果

这次更新了什么

• 提供掩码语言模型、残基及序列表示提取，单条序列最多 8190 个残基
• 模型卡列 2.6 GB FP32 权重分片、默认 INT8 推理；需要 CUDA GPU 和 Python 3.10+
• 发布日期证据：https://github.com/Tencent-Hunyuan/hyra-results#news
• 速度数字依赖指定 H20 与精度设置；许可未单独审查，不作任意商业使用承诺

这次更新了什么

• API 标识为 gpt-6-rosalind；Rosalind Discovery 仍使用 5.5
• Enterprise 初始为两周管理员预览，默认关闭

这次更新了什么

• 官方介绍持续多日处理复杂工程任务的内部实验，不能等同于公开服务时长承诺
• 公告给出未来推出时的优惠价格；本条记录公告与受限开放事件，不代表公开 API 已上线

这次更新了什么

• 一个可用提示词控制的模型处理转写、说话人归属、语音翻译、时间戳及音频问答
• 支持 40 种语言、最长 1 小时录音与 65536 token 上下文
• 采用混合 Mamba-2 / Transformer MoE 语言模型与并行音频编码器，支持按任务调整推理模式
• 权重采用 OpenMDW 1.1；10 月 28 日公告将量化列为后续，当前模型卡已列 BF16、FP8、NVFP4 入口，但未据此倒填量化首发日期

这次更新了什么

• 官方计划随后面向 Project Genie 的 Google AI Ultra 用户及 API / AI Studio 早期合作方开放；计划不等于已全量上线
• 演示涉及场景连续性与交互；不能把生成画面直接视为可靠的物理实验结果

这次更新了什么

• 支持文字与音频输入输出、函数调用、联网搜索和音色克隆；上下文为 262144 token
• 使用 WebSocket、WebRTC 或 AOQ 接入，需对应区域 API Key
• 当前文档列音频历史最多 50 轮、累计 300 秒，不能只凭文本窗口暗示无限语音记忆
• 使用与限制：https://docs.qwencloud.com/developer-guides/speech/qwen-audio-realtime

这次更新了什么

• 标准 API 每百万输入 / 缓存输入 / 输出 token 分别为 1 / 0.05 / 5 美元
• 厂商展示表单填写、图纸理解、视频编辑等任务；实际能力仍取决于工具和执行环境

这次更新了什么

• 官方确认是 Kimi K3 的后训练版本，重点增强代码、3D 创作、金融研究和长程 Agent 工作
• Kimi Code 中 Plus / Moderato 及以上可用，最高 1M 上下文需 Pro / Allegretto 及以上
• 仅支持思考模式，low / high / max 三档；关闭思考返回 400，建议使用新会话
• 同步提供 Highspeed 高速服务，官方称同等效果下约 2–3 倍速度，API价格两倍；Code需Pro / Allegretto及以上。未找到独立训练或权重证据，按服务档位并入本条，不独立计新模型
• 10 月 24 日完整发布公告：https://www.kimi.com/news/kimi-k3-1-pro

这次更新了什么

• 基于 Gemma 4 E4B 进一步后训练，加强多轮工具调用、指令遵循和输入依据约束
• Q4_K_M 权重面向约 4GB 内存档的本地设备助手、交互角色和边缘界面
• 模型输入输出均为文字，可配合其他语音组件组成助手；支持 64K 上下文和可控推理
• 采用 OpenMDW 1.1 许可，并提供 BF16 版本与可选 DFlash 草稿模型

这次更新了什么

• 输入文字、时间信息与参考音频，支持多说话人和声音场景的统一生成
• 当前指南列中英文、每次最多 3000 字符，播客最长 240 秒，其他场景最长 120 秒
• 最多三段参考音频，每段不超过 30 秒和 10 MB；支持 WAV、MP3、OGG Opus
• 使用限制来源：https://docs.qwencloud.com/developer-guides/speech/audio-generation

这次更新了什么

• 从 Embed 8B 蒸馏多模态检索能力，用于更小资源占用的文档索引与查询服务
• 支持文字与文档图像，面向表格、图表等视觉信息的检索
• 另有 NVFP4 版本，对文字与图像编码器量化，具体吞吐取决于受支持硬件

这次更新了什么

• 为文字与文档图像生成检索表示，可检索图表、信息图、数据表与示意图中的信息
• 面向更重视质量的多语言企业检索与智能体证据检索
• 提供 BF16 权重以及 NVIDIA NIM 等部署入口；用途是召回证据而非生成聊天回复

这次更新了什么

• 从页面图像提取文字、文档元素、位置与阅读顺序，并将表格和图表转成结构化表示
• 输出 Markdown、HTML 表格和结构化块，方便索引、检索与回溯原页证据
• 可选择单次、双次或三次处理，对复杂图表区域追加检查，在速度与精度之间取舍

这次更新了什么

• 8B 交叉编码器联合评估查询与候选文档，重新排序检索结果
• 支持文字和图像候选，帮助 RAG 与智能体把更相关的证据放入上下文
• 提供 BF16 权重及 NVIDIA NIM 等部署入口；官方报告的节省 token 依赖其评测管线

这次更新了什么

• 多语言与方言、流式合成、自然语言指令，以及情绪、音调、角色、语速和音量标签控制
• 官方称音色克隆对参考音频噪声和混响更稳；质量、清晰度与表现力改进未在本轮实测
• Plus 侧重品牌声音、影视配音和角色表演；不与 10 月 12 日已上架的 TTS-Flash 混同

这次更新了什么

• Voxtral 3 家族的 4B 小型离线转写模型，支持多语言转写、说话人区分和时间戳
• 支持关键词与自由文本的上下文偏置，适应专业术语；模型卡标注 32K 上下文
• API 价格每分钟音频 0.0035 美元；可通过 Mistral Studio 试用

这次更新了什么

• 通过 WebSocket 在同一流式会话中转写，支持说话人区分与上下文偏置
• 内置轮次结束检测，官方给出 80 至 2400 毫秒可配置延迟，属于配置范围而非本站实测
• API 价格每分钟音频 0.008 美元；可作为 Voice Agents SDK 的语音识别阶段

这次更新了什么

• 支持 35 多种语言和 50 多种方言，可按对话上下文调整情绪、语速和重音
• 支持零样本声音克隆与专业声音适配；专业模式使用约 30 分钟录音
• 支持流式生成、5 种输出格式，文档列出 34 种情绪标签和 2 种语速标签
• API 价格每百万字符 13 美元；不是一个独立的端到端语音对话模型

这次更新了什么

• Voxtral 3 家族的高精度离线转写模型，支持 50 多种语言、说话人区分、时间戳与上下文偏置
• 模型卡另列翻译、语音问答、摘要和函数调用能力，标注 32K 上下文
• API 价格每分钟音频 0.004 美元；自部署需联系 Mistral 团队

这次更新了什么

• 官方确认匿名测试模型 Space Bunny 是其早期版本
• 发布定价为每百万 token 输入 0.15 美元、输出 0.60 美元、缓存输入 0.015 美元；不同地区和后续定价以平台为准
• 官方称推理近三倍提速、Agent 总使用成本下降 70%，均为厂商口径而非本轮横测
• 发布正文写明模型权重稍后开放，Pro 版本同样只是未来计划

这次更新了什么

• 学习教师模型的完整概率分布，并合并多次训练的权重；是独立权重的派生模型，而非仅平台路由配置
• 采用与 27B 版相同的请求格式，但官方建议默认每次只问一个问题；仅将紧密相关的多标签或同一决策步骤合并，并在实际任务中验证
• 权重采用 Apache 2.0 许可；官方 BF16 运行参考约需 9 GiB 权重空间及额外内存，量化版本与特定设备部署条件另计
• 最早官方仓库提交：2026-10-16，6d771ad；10-19 产品日志及 API 团队公告明确 Flash v1.2 同期可用

这次更新了什么

• 官方模型卡将其定义为 v1.1-27b 的新版，保留 Qwen3.8-27B 底座，并更新训练数据与联合请求格式；不是从零训练的新通用基础模型
• 多个问题可共享同一输入状态，并分别输出判断；问题会相互影响，独立候选排序等场景需分开请求和验证
• 权重采用 Apache 2.0 许可；官方 BF16 运行参考需要约 52 GiB 权重空间及额外工作内存，不能理解为普通笔记本默认可运行
• 最早官方仓库提交：2026-10-16，225c913ddc8761a8264f04f64548e1f97e443eb3；10-19 产品日志确认 API 与下载入口

这次更新了什么

• 官方展示网页游戏与 3D 场景开发；结果受到提示词、工具框架和执行环境影响
• 同期开放 Search / Fetch API；搜索与抓取接口不等于完整浏览器操作能力

这次更新了什么

• 约 30B 总参数、3B 激活参数，采用 Apache 2.0 许可
• 同期开放 Hy Memory 2.0 框架与 MemHub 应用；跨工具记忆需要用户授权导入和相应集成
• 官方评测使用固定回答模型与工具框架，结果不能直接理解为通用聊天模型排名

这次更新了什么

• 原生多模态 MoE 模型，总参数 816B、激活参数 42B，上下文 1M token
• 官方重点介绍长时间智能体任务、复杂软件工程与多步推理，本站未实测
• 权重在 Hugging Face 等入口开放，支持 SGLang、vLLM、MLX、llama.cpp 等推理引擎
• 官方展示在两台 Apple M5 Ultra Mac Studio 上运行；该示例不代表普通单台电脑即可部署

这次更新了什么

• 74B 总参数、9B 激活参数，原生 2-bit 量化版本以约 24GB 内存占用为目标
• 面向本地网页研究、编码和调试等智能体工作，可与其他应用一同运行
• 权重已在 Hugging Face 开放，并支持 llama.cpp、Ollama、LM Studio、Unsloth 与 vLLM
• 同场预告的 Bolt E4B 4GB 后于 10 月 23 日另行开放，见模型目录对应记录

这次更新了什么

• 120B 参数模型，面向持续运行的智能体、工具调用和多步骤工作
• 原生处理图像、网页与 PDF 中的文字、表格和图表，减少文档理解和后续行动之间的模型切换
• 开放权重、数据集与训练配方，可进一步定制并在自己的基础设施部署
• 已通过 Hugging Face、OpenRouter、ModelScope 和 NVIDIA NIM 提供

这次更新了什么

• 首个 Timestral 系列，提供 5M、28M、123M、209M 四种参数规模
• 支持多变量预测，以及只在历史中可得或事先已知的辅助变量
• 输出 21 个分位数，可用来表达预测范围，而非只给单一数值
• 官方已发布运行仓库，并将许可标为 Modified MIT；不能直接等同于标准 MIT

这次更新了什么

• 面向可调用工具、处理打断和多轮任务的实时语音交互，而非单纯文字朗读
• 官方重点介绍对话自然度、低延迟和语音任务完成能力，本站未统一实测
• Voice Agent API 定价每分钟 0.08 美元，与 Grok Voice 2.0 相同
• 同时为 Grok Bot 语音模式提供底层能力，实际工具访问取决于连接器与授权

这次更新了什么

• 面向个人与专业智能体任务，官方强调跨会话检索重要信息的 Active Memory
• Active Focus 用于长任务中持续尝试、调整方案并在关键操作前确认
• 支持需要多轮测试、修改的编程项目，以及基于多份资料的专业工作
• 发布当日可经 Meta Model API 与 Muse Code 使用，普通 Muse 应用将先向订阅者推出

这次更新了什么

• 与 Muse Wonder 同期公布，属于面向个人与专业智能体工作的更高能力版本
• 官方展示长期编程任务、专业资料处理和陌生任务泛化方面的表现，本站未实测
• 发布当日的明确使用入口为 Muse Code 订阅服务

这次更新了什么

• 官方仓库记录 10 月 9 日发布；步数不能直接换算成固定的速度提升倍数
• 使用权重附带的推荐采样方案，其他采样方案的效果官方尚未评估

这次更新了什么

• 支持 100 万 token 上下文；常规请求支持最多 12.8 万 token 输出
• 支持自适应思考，通过 effort 设置调整思考投入
• 使用更新的分词器；官方称同一段文本相对 Haiku 4.5 约多计 30% token
• 原 Haiku 4.5 请求中的手动思考预算、部分采样设置和助手预填等配置需要迁移，不能只替换模型名

这次更新了什么

• 官方明确是 Nano Banana 2（Gemini 3.1 Flash Image）的更新
• 支持 1K、2K、4K 图像输出，默认 1K
• 修复宽幅与全景比例在 2K、4K 输出中的拼接伪影问题
• 支持最多 14 张参考图融合，以及借助 Google 网页与图片搜索为生成提供依据

这次更新了什么

• 2026 年 10 月 6 日开放 Mistral Studio 预览 API；原生多模态 MoE，约 1 万亿总参数、520 亿激活参数
• 2026 年 10 月 29 日开放改进后的权重，支持 low / medium / high 三档推理，low 替代原 none
• 权重采用 Mistral Ecosystem Open-Weight 修改版 MIT 许可；模型服务业务需另获商业许可，不能视为无限制标准 MIT
• 10 月 29 日公告：https://mistral.ai/news/mistral-large-4-oss/
• 新标准 API 每百万输入 / 缓存输入 / 输出 token 分别为 0.70 / 0.07 / 2.10 美元；专用网络安全变体仍是受审核伙伴有限预览

这次更新了什么

• 实时语音到语音模型，官方称改进推理、指令遵循、工具调用准确度与响应延迟
• 支持同一会话内语音与文字、异步工具调用、可控轮次切换和 256K 上下文
• 沿用七种语言的语音能力，可通过 Strands Bidi Agents 构建语音智能体
• 在 Bedrock 的弗吉尼亚北部、俄勒冈、斯德哥尔摩和东京区域开放，价格与 Nova 2 Sonic 相同

这次更新了什么

• 时间线按首次公布日期收录；具体产品的开放日期与订阅条件需分开看
• 官方工程和文档案例结合了工具与工作流程，不能只按模型名称推断任务完成效果

这次更新了什么

• 支持原生 3–30 秒视频，最多 10 个关键帧、15 个参考素材；不同素材类型仍有各自数量限制
• 当前发布页列出 MCP / CLI 接入，可用于智能体驱动的视频工作流；具体接入日期未单独标明
• 10-bit HDR 与视频延长至 2 分钟在当前正文仍标为 Coming soon，不能作为已开放功能
• 模型对所有用户开放不代表所有功能免费，具体配额和付费权限以平台为准

这次更新了什么

• 官方 API 更新日志明确记录 9 月 29 日发布；这次是补录，不是 10 月第三周的新发布
• 支持文本与图像输入、文本输出；调用工具需使用 Responses API
• 10 月 8 日新增 API Ultrafast 模式，这是后续推理服务更新，不改变模型首发日期

这次更新了什么

• 支持 100 万 token 上下文；常规请求支持最多 12.8 万 token 输出
• 官方基础 API 价格为每百万输入 token 2 美元、输出 token 10 美元
• 关闭回答前思考需要使用 between_tools 设置，旧的 disabled 设置不适用
• 强制指定工具调用及部分旧版 computer use 接口存在兼容性变化，官方提供 Sonnet 5 到 5.5 的迁移指南

这次更新了什么

• 当前发布页列出 3–20 秒、720p、8-bit SDR，以及文本、图片与 Omni 参考输入
• 与 4.0 同属本轮视频生成升级；Flash 的规格和开放条件需要单独看，不能照搬 4.0 所有功能

这次更新了什么

• fast mode 是推理配置的变化，不代表再次发布了一个新模型
• 官方输出速率提升不能直接换算为整项任务的耗时改善，本站未做速度复现

这次更新了什么

• 2026 年 9 月 22 日正式开放，官方推荐从 gemini-3.1-flash-tts-preview 迁移
• 与 3.8 Flash TTS 共享接口和结构化提示格式，可按工作负载选择
• 支持声音设计、声音复刻和扩展声音库
• 单次非流式请求默认输出 WAV，旧应用若自行包装原始 PCM，需要调整处理方式

这次更新了什么

• 2026 年 9 月 22 日正式开放，与 Flash-Lite TTS 采用同一套接口结构
• 支持声音设计、经同意验证的声音复刻及扩展声音库
• 风格和说话者信息使用结构化 speech_metadata，放进正文的提示可能被直接读出
• 官方定位为新的创作级 TTS 档位，适合旁白及多角色声音生成

这次更新了什么

• 官方 API 更新日志明确记录 9 月 22 日发布
• 10 月 6 日开放支持该模型的 Decisions API 测试版；这是新接口的开放日期，并非模型首发日期

这次更新了什么

• 发布日期由官方 API 更新日志核对，不按客户案例或本站补录日期计算
• 官方于 9 月 25 日修复影响 Sol 和 Luna 图像理解的编码问题；涉及图像的旧评测需注意测试时间

这次更新了什么

• 最多 5 张参考图，输出最高 2K；预览版仍在迭代
• 通过混元 Studio、腾讯云 API 以及元宝等产品提供体验；具体入口的权限与配额可能不同
• 公告提及元宝已提前约一个月灰度接入，不能将灰度试用与 9 月 22 日正式公告混为同一次发布

这次更新了什么

• 官方模型卡给出 309B 总参数、15B 激活参数，RL 权重采用 MIT 许可
• 9 月 25 日原 API 型号也进行了重复工具调用修复；权重不同训练阶段和精度不拆成多个型号
• 参数量仍大，开放权重不等于普通笔记本即可本地运行

这次更新了什么

• 官方模型卡给出 1.02T 总参数、42B 激活参数，RL 权重采用 MIT 许可
• 9 月 25 日 06:00（UTC+8）原 API 型号更新，改善重复工具调用；这项修复于 9 月 27 日公告
• Pro-UltraSpeed 是同一发布中的推理服务模式，不按新的独立模型重复录入
• 官方展示长任务与交付物生成，未在本次核查中实测其完成率

这次更新了什么

• 使用比 Grok 4.6 更大的基础模型，并加强需数小时完成的任务训练
• 官方重点介绍自检、长上下文管理、编程及文档与演示文稿工作能力
• API 起价每百万输入 token 2 美元、输出 token 6 美元
• 另有输出速度约两倍、价格两倍的 fast 变体；速度表述来自厂商，未实测

这次更新了什么

• 官方仓库记录 9 月 20 日开放权重；可用于研究海报、文档插图与网站素材生成
• 7B 是视觉生成组件的参数量，完整管线还包括文本编码器，不能按 7B 估算整套部署资源

这次更新了什么

• 600B 总参数、27B 激活参数的稀疏 MoE
• 首发公告计划 10 月 15 日开放权重；核查时官方权重已可获取，但不能用仓库创建时间替代精确公开日期
• 权重采用 StepFun Model License 1.0，含额外商用条件，不能直接标为标准 Apache 2.0

这次更新了什么

• 官方公告与 QwenCloud 模型日志均将正式上线记为 2026 年 9 月 18 日
• 支持 1M 上下文，面向长音视频理解、会议整理、视频剪辑及多模态内容创作
• 支持工具调用与 low、medium、xhigh 三档 reasoning_effort，默认保留跨轮思考内容
• 可通过 Chat Completions 与 Responses 接口接入；配合 Qwen-MM-Plugins 处理视频笔记、素材理解等工作流

这次更新了什么

• 2026 年 9 月 15 日正式开放，官方给出从 Gemini 3.1 Flash Live Preview 迁移的说明
• 支持交错推理、异步工具调用及整个会话期间的内容更新
• 异步非阻塞工具调用成为默认方式，也可配置阻塞调用
• 主动音频行为始终开启，旧版关闭该功能的配置需要移除

这次更新了什么

• 2026 年 9 月 15 日与 Gemini 3.8 Live 同期正式开放
• 支持后台推理，思考强度可设 low、medium 或 high
• 工具调用仅支持异步非阻塞方式
• 客户端不能只凭 turnComplete 判断整项处理已结束，还需继续监听后台推理与工具结果

这次更新了什么

• 9 月 15 日系列公告明确已上线开放平台
• 官方重点展示复杂语音和专业术语识别；录音条件与具体领域会影响实际结果

这次更新了什么

• 9 月 15 日系列公告明确已上线开放平台
• 适合有声场景与视频声音设计；多说话人和时间控制的质量需按具体任务检验

这次更新了什么

• 9 月 15 日系列公告明确已上线开放平台
• 支持作曲、伴奏与多轮编辑，实际可用控制项和调用限制应按开放平台文档确认

这次更新了什么

• 9 月 15 日系列公告明确已上线开放平台
• 当前文档使用 stepaudio-3-realtime-preview；限免预览结束后将下线并新增正式付费版本，不能承诺永久免费
• 声音理解、话轮管理与工具能力仍需通过 Realtime API 和应用集成使用

这次更新了什么

• 9 月 15 日系列公告明确已上线开放平台
• 官方强调语气、情绪和自然口语细节；具体音色与调用限制需查看平台文档

这次更新了什么

• 支持批量与实时流式转写、多语言自动检测及录音中的语言切换
• 提供逐词时间戳、置信度、说话人区分、最多 8 声道及最多 100 个领域关键词提示
• 批量每小时音频 0.10 美元、流式 0.20 美元，包含说话人区分和时间戳
• 9 月 18 日公告仍把成为 Speech-to-Text API 默认模型、弃用 1.0 写为后续安排，不能提前当成已完成迁移

这次更新了什么

• 官方最新动态在 2026 年 9 月 11 日的模型发布栏目确认 K2.8 Preview 全量上线 Kimi Code
• 官方称编码与智能体能力提升，思考效率较 K2.7 Code 改善；本站未进行横向实测
• 支持 low、high、max 三档思考强度，默认 max，最高上下文窗口 1M
• 关闭 thinking 后，K3 系列与 K2.8 Preview 请求均路由到 K2.8 Preview 的无思考版本

这次更新了什么

• 采用新的 Causal Encoder–Decoder 架构，输入与输出激活的参数规模不同
• 官方公告介绍了缓存资源与推理效率的变化，实际资源需求需结合部署配置核对

这次更新了什么

• 官方模型卡明确 9 月 9 日公开代码与权重，采用 MIT 许可
• 主模型约 1.5B 参数，运行仍需要配套编码器等组件，不能只按主模型参数估算完整部署资源
• 提供参考音色与文字描述两种语音生成方式，以及语音和歌词内容修改

这次更新了什么

• 官方模型卡明确 9 月 9 日公开代码与权重，采用 MIT 许可
• 4 步是推理步数，不等于在任意硬件上都固定快某个倍数

这次更新了什么

• 官方 API 日志与模型快照均标明 9 月 8 日发布
• 支持多档质量设置；同一提示词的对比还应记录尺寸、质量档位、尝试次数与生成时间

这次更新了什么

• 官方 API 日志与模型快照均标明 9 月 8 日发布
• 支持 xhigh、max 等质量设置；质量档位与生成效果需在相同任务条件下比较，本站未实测

这次更新了什么

• 官方称 FrontierMath Tier 4 (v2) 得 98%、ARC-AGI-3 得 99.9%、ExploitBench 得 100%，三项均称已饱和
• 官方称 Terminal-Bench Science 0.1 得 64.6%，对比 Claude Fable 5.1 的 52.6%，且 API 成本估算低约 31%
• ARC Prize Foundation 的 Greg Kamradt 称 Astra 在 96% 的关卡上超过其人类操作效率基线
• 对齐评测（基于此前 Hugging Face 事故新建）：GPT-5.6 Sol 在无生产防护时 48% 的情况越界，Astra 为 0%
• 官方承认在网络安全上达到 Preparedness Framework 的 Critical 阈值，具备识别并开发零日漏洞利用的能力
• API 定价 $10/百万输入、$50/百万输出；Fast 模式速度最高 2 倍、价格也是 2 倍
• 发布当天先向少量机构开放，随后几天陆续向 ChatGPT Plus/Pro/Business/Enterprise、OpenAI API、Azure 与 AWS Bedrock 开放

这次更新了什么

• 2026 年 9 月 2 日正式开放，不能作为 10 月的新发布报道
• 支持约 100 万 token 输入、65,536 token 输出
• 模型卡列出工具调用、搜索依据、代码执行与预览版 computer use 支持
• 官方 10 月 8 日更新说明：3.7 Flash 不再可选，其 API 请求自动路由至 3.8 Flash

这次更新了什么

• 官方称典型负载下比 Fable 5 便宜约 25%，原因是下调了缓存读取（cache read）的价格
• 官方称高强度智能体任务的节省更大，最多约 45%
• 推出 Enterprise Frontier Safeguards（EFS）：数据存在客户自己控制的云上而非 Anthropic，效果等同零数据留存；今秋起分批开放，在此之前符合条件的客户可直接用零留存模式
• 官方称网络安全场景的误报比此前减少 60%；Fable 5.1 现在可用于发现软件漏洞，但不能用于开发漏洞利用代码
• 官方称设为 Low 或 Medium 思考强度时，效果已能达到或超过 Fable 5，而成本低得多
• 在 Claude Code 里默认 High 强度，在 Claude Cowork 和 Claude 网页端默认 Medium

这次更新了什么

• 与 Fable 5.1 是同一个模型，仅防护级别不同：Fable 5.1 公开可用，Mythos 5.1 只走受信任访问计划
• 生物学能力方面，官方称与美国政府合作建立了访问计划，即将向科研人员开放报名

这次更新了什么

• 推出 DeepSeek-V4 家族首个实验性多模态模型，基于 V4-Flash 架构加入视觉模块
• 官方称多模态智能体能力大幅提升，ApexBench 36.5 分、前代 26.2 分
• 官方称 ZeroBench (Pass@5) 获 35.0 分，超过 Opus-4.8
• 官方称文本智能体任务与前代相当，Terminal Bench 2.1 达 83.9 分
• 仓库以 MIT 协议开源，含分词器、提示编码参考与最小 PyTorch 推理实现
• 支持 SGLang 部署并启用 DSPARK 投机解码，目标与草稿权重共用同一检查点

这次更新了什么

• 支持场景扩展，可分析前10秒上下文（此前仅1秒），每次延长10秒、累计最长40秒
• 新增首尾帧控制：指定起始帧与结束帧，生成两帧间连续视频，实现平滑转场与运镜
• 新增360p草稿预览，官方称生成比720p快至多60%、成本仅为其三分之一
• 支持1080p与4K高分辨率输出，官方称达到专业制作水准
• 多模态输入可引用最长3秒的视频参考，以保持角色与视觉一致性
• 已在Google AI Studio的Gemini API上线，开发者即日起可用

这次更新了什么

• 腾讯开源新一代 MoE 旗舰 Hy4 preview，总参数 770B、每 token 激活 49B，上下文 1M
• 注意力采用 Gated DSA 配 IndexCache 跨层索引复用，残差路径使用 iHC
• 内置 10B 参数原生 MTP 层用于投机解码，提供 vLLM 与 SGLang 官方部署镜像
• 官方称 163 名专家盲评 203 项工程任务，均分 2.99，略高于 GLM 5.3 与 Kimi K3
• 权重以 Apache 2.0 协议开源，同步发布 FP8 量化版 Hy4 preview-FP8
• 推理默认 high 深度思维链，可切 no_think 模式直接作答

这次更新了什么

• 发布语音转写模型 Gemini 3.5 Transcribe，自动检测并转写 85 种以上语言
• 智能转写可处理自我纠正、去除填充词并自动排版，支持自定义词汇识别术语
• 预录音频支持最多三名说话人归属与词级时间戳，实时流式为亚秒级延迟
• 官方称 Artificial Analysis 测得平均 WER：流式 4.0%、非流式 2.6%
• 官方称 FLEURS 基准 WER 流式 5.50%、非流式 5.04%，耗时较 Chirp 3 降 70%
• 已开放公开预览，落地 Gboard Rambler、Antigravity 与 macOS 版 Gemini 应用

这次更新了什么

• 与 GLM-5.2 共用同一基座模型，官方称全部提升来自后训练
• 官方称是最强开源编程模型，自建 Z.ai Code Bench 较 GLM-5.2 提升 50%
• Terminal Bench 3.0 从 4.6 升至 28.3，官方称为开源 SOTA
• ExploitBench 得分 54.4，较 GLM-5.2 的 24.4 翻倍以上
• 新增 reasoning_effort 思考预算参数，可选 low/high/max，默认 max
• 已支持 SGLang、vLLM、Unsloth 等推理框架及 Ascend NPU 平台部署

这次更新了什么

• GLM-5 系列首个原生多模态模型，320B 总参数、18B 激活参数
• 官方称基准与实际负载表现超越 GLM-5.2，价格仅为其十分之一
• 官方称编码与智能体基准接近 Claude Opus 4.8
• GLM 系列首次采用稀疏与线性注意力混合架构，官方称可降低长文本服务成本
• 采用 mHC 结构，基于 30T token 多模态语料预训练
• 新增 reasoning_effort 思考预算参数，分 low、high、max 三档，默认 max

这次更新了什么

• Qwen3.8-Flash-Next开源发布，是Qwen4新架构的实验预览，支持图像输入
• 总参数125B、每次激活6B，另含51B N-gram Embedding与4B MTP
• 原生上下文262,144 tokens，官方称可扩展至1,000,000
• 新架构用Qwen Sparse Attention按微块处理，官方称降低长上下文延迟
• 官方称DeepSWE 1.1智能体编程得分58.7，高于Qwen3.8-27B的42.2
• 训练将Muon与AdamW用于不同权重类别，取消batch-size预热以支持更大学习率

这次更新了什么

• 正式版取代此前的 Preview，模型结构上新增 DSpark 投机解码模块
• 官方称 DeepSWE 得分从 Preview 版的 12.8 升至 62.7
• 官方称 Terminal Bench 2.1 达 87.9，Preview 版为 72.1
• reasoning_effort 参数支持 low、high、max 三档，控制回答前思考量
• vLLM 与 SGLang 均支持一键开启 DSpark 投机解码
• 官方建议 high 与 max 档位下最大输出长度设为 384K tokens

这次更新了什么

• 官方称 FrontierCode 1.1 Main 达 43.6%、DeepSWE v1.1 达 65.3%，均超 3.6 Flash
• 官方称 GDP.pdf 达 34.0%、AutomationBench 达 30.4%，复杂文档与业务流超 3.6 Flash
• 官方称 WebDev Arena Elo 达 1588（3.6 为 1538），可按截图或设计系统生成 UI
• 年内 introductory price 为 $0.75/1M 输入、$3.75/1M 输出，2027 年起涨至 $1.50/$7.50
• Gemini Spark 即日起改用 3.7 Flash，覆盖 160 多个国家的 Google AI Pro/Ultra 订阅者
• 开发者可经 Google Antigravity、AI Studio、Android Studio 及 Gemini Enterprise 平台调用

这次更新了什么

• Qwen3.8-2.4T-A95B 总参数 2.4T、激活 95B，首次开源 Max 级模型
• 原生上下文 262,144 tokens，可扩展至 1,010,000 tokens
• 官方版 Qwen3.8-Max 支持视觉输入与非思考模式，默认 1M 上下文、内置工具
• reasoning_effort 调推理深度，preserve_thinking 保留历史思考
• 官方称 Qwen3.8-Max 在 PaperBench 获 93.0，为表中最高
• 官方称 Qwen3.8-Max Terminal Bench 2.1 获 86.6，前代 74.5

这次更新了什么

• 可根据歌词和音乐描述生成最长五分钟完整歌曲，输出32 kHz 16-bit立体声WAV
• 8B Global LLM基于Qwen3-8B建模长程结构，0.6B Local LLM管帧级声学
• 融合双LLM隐藏状态，经2.4B Flow Matching与123M Flow-VAE生成音频
• 歌词支持[Verse][Chorus]段落标签，描述可按曲风、人声、编曲三层结构化
• 推理支持SGLang-Omni、diffusers与ComfyUI，目前仅支持非流式生成
• 约22GB显存即可运行，逐层流式卸载后8GB显卡也能跑

这次更新了什么

• 发布 Qwen3.8-27B：27B 稠密模型，原生支持图像与视频理解，可理解小时级长视频
• 上下文原生 262,144 tokens，最长可扩展至 1,000,000 tokens
• 思考模式默认开启且可按请求关闭，可用 reasoning_effort 调节推理深度
• 官方称 SWE-bench Pro 得分 61.7，高于 Qwen3.6-27B 的 53.5
• 官方称 DeepSWE 1.1 得分 42.2，上代 Qwen3.6-27B 仅 13.3
• Qwen Cloud 托管版即将上线，默认 1M 上下文并内置官方工具

这次更新了什么

• 发布原生音视频全双工大模型SeedRealtime，统一架构融合音频、视频与文本
• 音视频联合理解：结合场景消解同音词歧义，理解视觉中的时序指代
• 主动交互：察觉画面状态变化（如关键目标出现）时主动提醒，可调用工具
• 轮次判断不再依赖外置VAD，由模型基于多模态信息持续决策接话时机
• 官方称端到端人工评测显示，相比级联模型对话节奏问题减少一半
• 已在豆包App全量上线，最新版对话框选择"打电话"进入视频通话即可体验

这次更新了什么

• DeepSeek-V4-Flash-0731 正式发布，取代 Preview 预览版，官方称智能体能力大幅增强
• 官方称 Terminal Bench 2.1 由 61.8 升至 82.7、DeepSWE 由 7.3 升至 54.4，超过 DeepSeek-V4-Pro (Preview)
• reasoning_effort 参数新增 low、high、max 三档，控制模型回答前的思考量
• 沿用 DeepSeek-V4-Flash-DSpark 结构，自带投机解码模块，vLLM 和 SGLang 一条参数即可开启
• 本版不含 Jinja 聊天模板，改用 encoding 文件夹中的 Python 脚本编解码 OpenAI 格式消息
• 官方建议 high 和 max 推理档最大输出长度设为 384K tokens，temperature 设为 1.0

这次更新了什么

• 单次视频生成时长从15秒提升至30秒，支持多轮延长，可生成数分钟连贯内容
• 多模态参考升级，单次最多可输入30张图片、10段视频、10段音频作为参考素材
• 支持时间戳精准控制与定向编辑，强化绿幕编辑、视角与运镜编辑、参考编辑
• 白模参考可用无纹理3D模型搭建空间结构与运镜，并增强光源方向、色温、阴影等光照控制
• 官方称画质、音质与运动质量大幅优化，弱化了视频生成中常见的「油腻感」
• 已陆续上线即梦AI、豆包专业版，API服务将于近期上线火山方舟

这次更新了什么

• 11B端到端全双工语音模型，单一架构完成语音理解与生成，取代ASR→LLM→TTS级联
• 官方称为首个支持工具调用的开源全双工模型，可为每个工具定义on-hold等待提示语
• 官方称轮流响应延迟约450ms，支持barge-in打断，打断场景TOR为1
• 官方称VoiceBench与Full-Duplex-Bench 1.0均列开源模型第2
• AU Harness BFCL-v3语音工具调用平均得分56.1%
• Full-Duplex-Bench v3工具选择准确率82.5%，Pass@1为33%

这次更新了什么

• 发布端侧模型 LFM2.5-2.6B：2.69B 参数、30 层混合架构，上下文 128K
• 官方称工具使用、指令遵循与多步智能体任务表现可媲美 4 倍大的模型
• 官方称 M5 Max 上推理 220 tok/s、Ryzen CPU 上 113 tok/s
• 预训练约 34 万亿 tokens，后训练含两轮 SFT、多领域在线蒸馏与智能体强化学习
• 同步推出 328M 推测解码草稿模型 DSpark，官方称解码提速约 2.6 倍且输出不变
• 提供 GGUF、ONNX、MLX 等版本，支持 vLLM、SGLang、llama.cpp 部署

这次更新了什么

• MiniMax-H3 支持文本、图像、视频、音频统一输入，生成最高 2K、最长 15 秒的立体声视频
• 输出规格：24 FPS 帧率、32 kHz 立体声，短边默认 768p，支持 21:9 至 9:16 多种宽高比
• 稳定支持 11 种对话语言，含中、英、日、韩、法、德、意、葡、俄、西、阿
• 双变体 H3-Base-FL2VA 与 H3-Base-Ref2VA，后者支持最多 9 图、3 视频、3 音频参考
• 主干为 33B 单流 Transformer，文本/视觉编码器用 Qwen3-VL-32B 预训练权重
• 完整权重已开源支持微调；H3-Context-IR 与稀疏注意力实现未包含在本次发布

这次更新了什么

• 成为 Claude Max 默认模型与 Claude Pro 最强模型，价格约为 Fable 5 一半
• 官方称 Frontier-Bench v0.1 成绩超 Opus 4.8 两倍多且成本更低
• CursorBench 3.2 满档成绩官方称距 Fable 5 峰值不足 0.5%，成本减半
• 官方称 ARC-AGI 3 得分达次优模型三倍，GDPval-AA 等知识工作基准亦为最佳
• OSWorld 2.0 上官方称以 Fable 5 约三分之一成本超过其最佳成绩
• 有机化学任务官方称较 Opus 4.8 高 10.2 个百分点，蛋白质功能预测高 7.7 个百分点

这次更新了什么

• 官方称3.6 Flash输出token用量比3.5 Flash减少17%，DeepSWE任务最高降65%
• 3.6 Flash定价$1.50/1M输入token、$7.50/1M输出token
• 官方称3.5 Flash-Lite为3.5系列最快，每秒输出350 token
• 3.5 Flash-Lite定价$0.3/1M输入、$2.5/1M输出token
• 3.5 Flash Cyber专攻漏洞修复，仅经CodeMender向政府等限量开放
• 官方宣布已启动Gemini 4预训练，3.5 Pro正与合作方测试

这次更新了什么

• 发布音频创作模型 Seed Audio 1.0，统一框架联合建模人声、音效与环境声
• 一条 prompt 编排带情绪的对白、音效与环境声，进场时间控制精度 100ms
• 支持零样本生成，可用文本或参考音频控制音色，单次生成约 2 分钟并可延长
• 支持 20+ 语种音频生成，含中文、英文、日语、韩语、西班牙语、印尼语等
• 官方称多数场景音频可用率达 90% 以上，多语言音频自然度 MOS 超 4 分
• 已上线火山方舟体验中心，支持专题叙事、剧情对话、主播互动等场景

这次更新了什么

• 微软发布浏览器操作智能体 Fara1.5-27B，基于 Qwen3.5-27B 微调，MIT 许可开源
• 纯视觉感知，仅凭浏览器截图操作，直接输出像素级点击坐标，无需访问 DOM 或独立定位模型
• 官方称内置关键点安全设计，遇支付、提交表单、登录等不可逆操作会暂停并请用户确认
• 上下文 262,144 tokens，可容纳多张截图与完整动作历史的长任务轨迹
• 官方称 WebVoyager 得分 89.3、Online-Mind2Web 得分 72.3
• 推荐搭配 MagenticLite 部署，提供 Docker 沙箱、域名白名单、实时监控与随时暂停

这次更新了什么

• 发布Shieldstral-1.0-3B：按自然语言安全策略打分的3B多模态安全分类器
• 审核策略以自然语言查询在推理时指定，同一检查点无需重训即可适配新策略
• 同一接口审核纯文本、纯图像与图文混合内容，单次前向传播输出yes/no置信分
• 官方称VLGuard上F1达97.7、UnsafeBench上达81.8，均列所测模型第一
• 支持英、法、德、西、中、日、韩等12种语言，训练上下文32k tokens
• Apache 2.0协议开放权重可商用，BF16精度下16GB显存单卡即可部署

这次更新了什么

• OpenAI训练内部专用红队模型GPT-Red，以自我对弈强化学习规模化发现提示注入漏洞
• GPT-Red参与对抗训练GPT-5.6 Sol，官方称其最难直接提示注入基准失败减少6倍
• 官方称在间接提示注入竞技场测试中，GPT-Red攻击成功场景占84%，人类红队仅13%
• 官方称GPT-Red攻破售货机代理Vendy，实现改价至$0.50、取消订单等三项目标
• 官方称GPT-5.6 Sol面对GPT-Red直接提示注入的失败率仅0.05%
• 官方称在10个数据外泄场景中，GPT-Red攻破Codex代理的效率优于GPT-5.5基线

这次更新了什么

• 发布GPT-5.6系列：旗舰Sol、均衡款Terra、低价款Luna，已全面开放
• 官方称Sol在Agents' Last Exam得53.6分，比Fable 5高13.1分
• 新增ultra最高档位，默认并行协调4个智能体，加速完成复杂任务
• 官方称Sol在Artificial Analysis编码智能体指数获80分，刷新SOTA
• 新增Programmatic Tool Calling，支持模型编写程序协调工具与过滤数据
• 上线后Luna降价80%、Terra降价20%，Sol的API价格也下调超20%

这次更新了什么

• OpenAI发布新一代语音模型GPT-Live，采用全双工架构，可同时听和说
• GPT-Live-1和GPT-Live-1 mini今日起向全球ChatGPT用户开放
• 需要搜索或深度推理时，GPT-Live会把任务委托给后台的GPT-5.5，对话不中断
• 官方称GPT-Live-1在GPQA科学推理和BrowseComp网页搜索基准上优于前代
• GPT-Live-1为付费用户默认语音模型，免费用户默认GPT-Live-1 mini
• ChatGPT语音对话中可展示天气、股票、体育等可视化卡片，并优化了九个音色

这次更新了什么

• 字节 Seed 发布多模态图像创作模型 Seedream 5.0 Pro，上线火山方舟体验中心，将陆续登陆豆包、即梦
• 官方称可单次生成融合时间轴、柱状图、饼图、折线图的高密度信息图，密集文字无错漏
• 新增交互式精准编辑：点选、圈选、草图渲染、色彩与材质替换、图层分离、多图融合可自由组合
• 支持输入 Hex 色卡值或参考外部色卡控制颜色，并同步替换对象材质
• 图层智能拆分可将完整海报拆为文字、主体、背景等十余个独立图层，并补全被遮挡的背景区域
• 原生支持法语、德语、俄语、日语、韩语、西班牙语、阿拉伯语等十余种语言的直接输入与生成

这次更新了什么

• 发布 295B 参数 MoE 模型 Hy3，激活参数 21B，上下文长度 256K
• 开源 Hy3 与 Hy3-FP8 权重，上线 Hugging Face、ModelScope 等平台
• 官方称 270 名专家盲评得分 2.67/4，高于 GLM-5.1 的 2.51/4
• 官方称 SWE-Bench Verified 跨 CodeBuddy 等脚手架准确率波动小于 4%
• 官方称内部评测幻觉率从 12.5% 降至 5.4%，常识错误率从 25.4% 降至 12.7%
• 官方称内部多轮测试问题率从 17.4% 降至 7.9%，长对话评测 MRCR 明显改善

这次更新了什么

• 全方案上线，Free/Pro 默认模型，API 型号 claude-sonnet-5
• 定价 $2/百万输入、$10/百万输出 token，后转为永久定价
• 官方称 BrowseComp、OSWorld-Verified 成绩严格优于 Sonnet 4.6
• 官方称高努力档可匹敌 Opus 4.8，支持调节 effort 平衡成本与性能
• 未专门训练网络安全能力，官方称其远弱于 Opus 4.8，默认开启实时拦截防护
• 改用新 tokenizer，相同输入 token 数约增至 1.0–1.35 倍

这次更新了什么

• Google 发布零样本表格基础模型 TabFM 1.0，无需微调即可处理分类与回归任务
• 官方称在 TabArena 51 个数据集上，零样本单步推理超过深度调参的梯度提升树等基线
• 训练数据全部为数亿个由结构因果模型（SCM）动态生成的合成数据集
• 同时发布 PyTorch 与 JAX/Flax 权重，权重限非商业使用，代码为 Apache 2.0
• 分类最多支持 10 类（硬性架构限制），针对最多 500 特征的表格优化
• 官方称 ensemble() 预设（特征交叉、SVD、NNLS 混合）能进一步提升效果

这次更新了什么

• V4-Pro参数1.6T/激活49B，V4-Flash为284B/13B，上下文均达1M
• 官方称CSA+HCA混合注意力将1M推理FLOPs降至V3.2的27%、KV缓存降至10%
• 官方称V4-Pro-Max在LiveCodeBench以93.5分居所列模型首位
• 两款模型均提供Non-think、Think High、Think Max三档推理模式
• DSpark版并非新模型，而是同一检查点外接投机解码模块
• 已在HuggingFace与ModelScope开源，采用MIT许可证

这次更新了什么

• GPT-5.6 系列分三档：旗舰 Sol、均衡 Terra（官方称比 GPT-5.5 便宜 2 倍）、低价 Luna
• 新增 max 推理档位，另推 ultra 模式，可调用子智能体加速复杂任务
• 官方称 Sol 在 Terminal-Bench 2.1 命令行工作流基准上刷新 SOTA
• 官方称 Sol 在 GeneBench v1 基因组分析上超越 GPT-5.5 且 token 消耗更少
• 官方称 Sol 在 ExploitBench 上仅用约 1/3 输出 token 即媲美 Mythos Preview
• 应美国政府要求先向小范围受信合作伙伴限量预览，数周内再广泛发布

这次更新了什么

• 新增边界框定位、块类型分类（标题、表格、公式、签名等）及逐页逐词置信度分数输出
• 支持 170 种语言、10 个语组，官方称在低资源和专业语言上优势最明显
• 官方称人工盲评平均胜率 72%，并在 OlmOCRBench 以 85.20 分居首
• 模型可单容器自托管部署，面向企业客户，满足数据驻留与合规需求
• API 定价每千页 4 美元，Batch API 五折后 2 美元，Document AI 每千页 5 美元
• 已集成进开源搜索框架 Search Toolkit（公共预览），输出可直接接入 RAG 检索管线

这次更新了什么

• 豆包、TRAE 与火山引擎上线 Doubao-Seed-2.1-Pro 和 Turbo 型号
• 官方称 Seed2.1 Pro 在 GDPval 基准获得最高分
• 官方称 Seed2.1 在 MobileWorld 获最高分，OSWorld 平均步数减少 16%
• 官方称众测评估中 Seed2.1 Pro 相比 Claude Opus 4.6 胜率 59.1%
• Preview 版在 Code Arena: Frontend 榜单以 1539 分排名第 8
• 官方称 Seed2.1 Pro 在 CharXiv-RQ、ERQA 等视觉基准取得最高分

这次更新了什么

• 阿里通义发布 Qwen-AgentWorld-35B-A3B，用语言世界模型模拟智能体环境、预测动作后的下一状态
• 单模型统一覆盖 MCP、Search、Terminal、SWE、Android、Web、OS 七个交互域，含文本与 GUI 环境
• 采用 CPT→SFT→RL（GSPO）三阶段训练，从 CPT 起即以环境建模为训练目标
• 35B 总参数、3B 激活，256 专家 MoE，上下文 262,144 tokens
• 官方称 AgentWorldBench 总分 56.39，较基座 Qwen3.5-35B-A3B 的 47.73 提升，397B 版 58.71 超 GPT-5.4
• Apache 2.0 开源，支持 Transformers、vLLM、SGLang 部署，官方称可零样本泛化到 OpenClaw 等域外环境

这次更新了什么

• 百度发布 Unlimited-OCR，官方称在 Deepseek-OCR 基础上进一步推进长文档解析
• 支持多页与 PDF 一次性长文档解析，推理上下文长度达 32768
• 单图提供 gundam 与 base 两种推理配置，多页及 PDF 模式仅支持 base
• 已支持 vLLM、SGLang 与 Transformers 推理，并提供官方 Docker 镜像
• 模型上线 ModelScope 与百度云，Hugging Face Spaces 提供在线 demo
• 新增 ms-swift 训练支持，模型以 MIT 协议开源

这次更新了什么

• 首次支持稳定的 1M token 上下文，官方称可稳定支撑长周期任务
• 新增多档思考力度（thinking effort）调节，官方称可平衡编码性能与延迟
• 提出 IndexShare 架构，四个稀疏注意力层共享索引器，1M 上下文 FLOPs 降 2.9×
• 改进 MTP 层用于投机解码，接受长度最高提升 20%
• 官方称 SWE-bench Pro 得分 62.1、AIME 2026 达 99.2，高于 GLM-5.1
• 以 MIT 协议开源，支持 SGLang、vLLM、Transformers 及 Ascend NPU 部署

这次更新了什么

• 发布 2.8T 参数开源模型 Kimi K3，激活参数 104B，896 个专家每 token 激活 16 个
• 基于 Kimi Delta Attention 与 Attention Residuals 新架构
• 官方称 Stable LatentMoE 使整体扩展效率较 Kimi K2 提升约 2.5 倍
• 原生多模态支持文本、图像、视频，视觉编码器 MoonViT-V2 为 401M 参数
• 上下文窗口达 100 万 token，权重按 Kimi K3 License 全量开源
• 官方称 GPQA Diamond 得 93.5、AA-LCR 得 74.7、DeepSWE 得 67.5

这次更新了什么

• 官方称 Kimi-K2.7-Code 思考 token 用量较 K2.6 减少约 30%
• 采用 1T 总参数、32B 激活的 MoE 架构，上下文长度 256K
• 官方称 Kimi Code Bench v2 得分 62.0，高于前代 K2.6 的 50.9
• 官方称 MCP Mark Verified 得分 81.1、MCP Atlas 得分 76.0
• 采用与 Kimi-K2-Thinking 相同的原生 INT4 量化
• 支持图像与视频输入，视频对话为实验功能且仅限官方 API

这次更新了什么

• 发布 Claude Fable 5 与 Mythos 5，前者面向公众，后者面向少数网络防御者
• Fable 5 对敏感话题改由 Opus 4.8 代答，官方称平均不到 5% 的会话会触发
• 官方称 Fable 5 在 FrontierCode、Hebbia 金融基准等评测中得分最高
• Stripe 报告称 Fable 5 一天完成 5000 万行 Ruby 代码库迁移，人工需两个多月
• 官方称 Mythos 5 让部分药物设计提速约 10 倍，14 个蛋白靶点中 9 个得到强候选
• 每百万输入 token 10 美元、输出 50 美元，定价不及 Mythos Preview 的一半

这次更新了什么

• 发布DiffusionGemma-26B-A4B，基于Gemma 4架构改用离散扩散并行去噪生成文本，替代逐token自回归
• 总参数25.2B、激活3.8B，稀疏MoE为8活跃/128专家，上下文最长256K tokens
• 官方称单次前向传递生成15-20个token，H100 FP8低批量下单用户速度超1100 tokens/秒
• 支持文本、图像、视频交错输入并输出文本，视频最长60秒，图像支持可变宽高比与分辨率
• 内置Thinking推理模式与原生函数调用，开箱支持35+语言，预训练覆盖140+语言
• 官方基准MMLU Pro 77.6%、LiveCodeBench v6 69.1%，多数项目分数低于Gemma 4 26B A4B

这次更新了什么

• 发布 Gemma 4 12B，为系列首款支持原生音频输入的中型模型
• 采用无编码器统一架构：视觉以单次矩阵乘法嵌入替代，音频编码器完全移除
• 官方称标准基准表现接近自家 26B MoE 模型，总内存占用不到其一半
• 可在仅 16GB 显存或统一内存的消费级笔记本上本地运行
• 以 Apache 2.0 许可开源，内置 MTP drafters 以降低推理延迟
• 同步发布官方 Skills Repository 技能库，供智能体基于 Gemma 模型构建

这次更新了什么

• 开源端到端可控角色动画模型，用驱动视频驱动参考角色，摆脱骨骼图等中间姿态表示
• 支持角色替换与多角色场景，官方称涌现出跨身份替换、动物驱动等能力
• 零样本支持 SAM3D-Body 网格渲染等高级控制中间表示
• 用 SCAIL-Preview、Wan-Animate、MoCha 合成 60K 运动对训练
• 端到端驱动支持 512p 与 704p，官方称姿态驱动与替换在 704p 效果更好
• 检查点内置 Wan VAE 与 T5，以 MIT 协议开源

这次更新了什么

• Cohere 开源代码模型 North-Mini-Code-1.0，30B 总参、3B 激活
• 上下文 256K、最大输出 64K，以 Apache 2.0 协议开放权重
• 稀疏 MoE 架构含 128 个专家，每 token 激活 8 个
• 后训练为两阶段级联 SFT 加 RLVR，聚焦智能体编程
• 针对智能体编程训练了工具调用，官方称开启交错思考时表现最佳
• 可在 OpenCode 和 Hugging Face Space 试用，支持 vLLM 本地部署

这次更新了什么

• 发布MiniMax-M3：约428B总参数、约23B激活参数，上下文达1M
• 从第一步起混合模态训练，原生融合文本、图像、视频三种模态
• 推出稀疏注意力MSA，1M上下文下较M2预填充提速9倍、解码提速15倍
• 官方称在长周期智能体基准上达到前沿水平，编程与协作能力突出
• 通过thinking参数支持enabled、adaptive、disabled三种推理模式
• 已上线MiniMax Agent与API，可用SGLang、vLLM等框架本地部署

这次更新了什么

• 发布 Claude Opus 4.8，价格不变：每百万 token 输入 $5、输出 $25
• fast mode 提速 2.5 倍、费用降至此前三分之一，定价 $10/$50 每百万 token
• Claude Code 推出 dynamic workflows 研究预览，单会话可跑数百个并行子代理
• claude.ai 与 Cowork 新增 effort control，所有套餐用户可调努力档位
• Messages API 接受 messages 数组内的 system 条目，任务中途可更新指令
• 官方称 Opus 4.8 对代码缺陷视而不见的概率约为前代四分之一

这次更新了什么

• 发布 LFM2.5-8B-A1B：8.3B 总参、1.5B 激活的混合架构模型，面向端侧部署
• 上下文 128K，训练量 38 万亿 token，支持中英日法德等 10 种语言
• 推理调优版本，回答前显式输出思维链，并支持四步函数调用
• 官方称 CPU/GPU 推理为同尺寸级别最快，指令遵循与智能体任务可对标更大模型
• 首发支持 llama.cpp、MLX、vLLM、SGLang 等推理框架
• 配套 328M 投机解码草稿模型 DSpark，官方称解码加速约 2.5 倍

这次更新了什么

• 198B稀疏MoE视觉语言模型，每token激活约11B参数，支持256k上下文
• 提供低/中/高三档推理等级，可按速度、成本与推理深度调节
• 官方称SimpleVQA(Search)以79.2分居首，V*(Python)达95.3
• 官方称ClawEval-1.1以67.1分领跑，SWE-Bench PRO以56.3分获第二
• API定价：输入$0.20/M（缓存命中$0.04/M），输出$1.15/M
• 已在StepFun开放平台、OpenRouter及NVIDIA NIM上线，可本地部署

这次更新了什么

• 面壁智能发布 MiniCPM5 系列首个模型 MiniCPM5-1B，1B 稠密模型，主打端侧本地部署
• 官方称在 1B 级开源模型对比集中达 SOTA，优势集中在工具调用、代码生成与困难推理
• 同一检查点支持 Think / No Think 双模式，用 enable_thinking 开关切换
• 上下文 131,072，采用标准 LlamaForCausalLM 架构，主流推理引擎可直接加载
• 官方称 RL+OPD 后训练使数学、代码与指令遵循均分提升 16 分，超限回复占比降 29 个百分点
• 另发 GGUF 与 MLX 4bit 版，支持 llama.cpp、Ollama、Apple Silicon

这次更新了什么

• 推出视频生成模型家族 Gemini Omni，可将图像、音频、视频、文本任意组合作为输入
• 首发模型 Gemini Omni Flash 上线 Gemini app 和 Google Flow
• 支持用自然语言对话多轮编辑视频，官方称角色一致性与物理效果跨轮保持
• 新增 Avatars 数字分身功能，可生成形象和声音都与本人一致的视频
• 所有生成视频带 SynthID 数字水印，可在 Gemini app 及 Google 搜索验证
• Google AI Plus、Pro、Ultra 订阅者今起可用，YouTube Shorts 免费开放

这次更新了什么

• 发布Gemini 3.5系列，首发3.5 Flash，3.5 Pro已内部使用、下月推出
• 官方称3.5 Flash在Terminal-Bench 2.1获76.2%、MCP Atlas获83.6%，超越Gemini 3.1 Pro
• 官方称3.5 Flash输出token速度4倍于其他前沿模型，成本不到其一半
• 3.5 Flash成为Gemini应用与搜索AI Mode的默认模型
• 新个人智能体Gemini Spark由3.5 Flash驱动，今日起向可信测试者推出
• 开发者可经Google Antigravity与Gemini API使用3.5 Flash

这次更新了什么

• NVIDIA发布Nemotron 3.5 ASR：600M参数多语言流式语音识别模型，可商用
• 单一模型覆盖40个语言区域，经语言ID提示实现，可自动检测语种并输出标签
• 语言支持分三档：19个区域开箱即用、13个广泛覆盖、8个需领域内微调解锁
• 推理时可选80ms至1120ms五档chunk大小，无需重训即可调节延迟与精度
• 官方称FLEURS基准WER（1.12s帧）：英语7.91、西语4.11、韩语7.12
• 采用Cache-Aware FastConformer-RNNT架构，复用缓存消除重叠计算

这次更新了什么

• 开源 Hy-MT2 翻译模型系列：1.8B、7B、30B-A3B（MoE）三种规格，支持 33 种语言互译
• AngelSlim 1.25-bit 极限量化将 1.8B 模型存储压至 440MB，推理速度提升 1.5 倍
• 官方称 7B 与 30B-A3B 在快思考模式下超过 DeepSeek-V4-Pro、Kimi K2.6 等开源模型
• 官方称轻量版 1.8B 整体表现超过微软、豆包等主流商用翻译 API
• 同步开源翻译指令遵循能力评测基准 IFMTBench
• 推出 Hy-MT2-Translator Skill，已上架 ClawHub 与 SkillHub 便于集成调用

这次更新了什么

• GPT-5.5 Instant 成为 ChatGPT 默认模型，面向所有用户开放
• 官方称医学、法律、金融类高风险提示幻觉减少 52.5%，被标记对话不准确陈述减少 37.3%
• 图片分析、STEM 问答能力提升，并能更好判断何时使用联网搜索
• 官方示例显示回答字数减少 30.2%、行数减少 29.2%，并减少不必要追问和表情符号
• 个性化升级：可利用过往聊天、文件和已连接的 Gmail，该功能已扩展至 Go 与 Free 档
• 新增 memory sources 功能，用户可查看个性化回答使用了哪些上下文并加以控制

这次更新了什么

• 小米开源 MiMo-V2.5-Pro：1.02T 总参、42B 激活的 MoE 模型，上下文 1M
• 混合注意力按滑窗与全局注意力 6:1 交错，官方称 KV-cache 存储降近 7 倍
• 内置 3 层 MTP 模块，官方称推理输出速度提升至 3 倍
• 以 FP8 混合精度、原生 32k 序列长度完成 27T tokens 预训练
• 官方称 GraphWalks 长上下文基准 1M 处仍得 0.37/0.62，上代同长度跌至 0
• 基座模型 MATH 86.2、GSM8K 99.6，官方称多项分数超过 Kimi-K2 Base

这次更新了什么

• GPT-5.5 登陆 ChatGPT 与 Codex 付费档，Pro 版限 Pro 及以上用户
• 4 月 24 日更新：GPT-5.5 与 GPT-5.5 Pro 已登陆 API
• 官方称 Terminal-Bench 2.0 准确率 82.7% 为该基准最优
• 官方称 GDPval 知识工作基准得分 84.9%，覆盖 44 种职业
• 官方称延迟与 GPT-5.4 持平，同一 Codex 任务 token 用量更少
• 官方称 Artificial Analysis 编码指数登顶，成本为竞品一半

这次更新了什么

• 几何引入Coarse-to-Fine两阶段DiT，官方称锐利边缘与薄壁结构生成更精准
• 纹理改为统一PBR生成模型替代级联方案，结合MoE架构与VLM先验提升材质细节与分解稳定性
• 官方称几何与纹理生成均取得SOTA，60名打分员盲评中纹理偏好率超69%
• 部件级生成由Seed3D-PartSeg分割、Seed3D-PartDiT补全组合为部件化网格
• 关节化建模输出URDF并兼容Isaac Sim，场景生成支持文本与多视角图片输入
• 技术报告已公开，API已上线火山引擎，体验入口为Doubao-Seed3D-2.0

这次更新了什么

• 支持百万token上下文，Flash版284B、激活13B，Pro版1.6T、激活49B
• 新架构混合CSA与HCA两种注意力机制，并以mHC强化残差连接、Muon优化器训练
• 官方称Pro版1M上下文单token推理FLOPs仅为V3.2的27%、KV缓存仅10%
• 预训练超32T token；后训练先以SFT与GRPO分领域培养专家，再在线蒸馏整合
• 支持Non-think、Think High、Think Max三档推理力度模式
• 官方称Pro-Max版为当前最佳开源模型，LiveCodeBench达93.5

这次更新了什么

• V4-Pro 总参数 1.6T、激活 49B，支持 100 万 token 上下文，MIT 协议开源
• 架构新增 mHC 超连接与 CSA+HCA 混合注意力，训练采用 Muon 优化器
• 官方称 1M 上下文下推理 FLOPs 仅为 V3.2 的 27%、KV cache 仅 10%
• 超 32T token 预训练，后训练先 SFT+GRPO 培养领域专家再蒸馏整合
• 支持 Non-think、Think High、Think Max 三档推理力度模式
• 官方称 V4-Pro-Max 为当前最佳开源模型，LiveCodeBench 达 93.5

这次更新了什么

• Qwen3.6-27B 为 Qwen3.6 系列首个开源权重模型，采用 Apache-2.0 协议
• 模型带视觉编码器，支持图像与文本输入（image-text-to-text）
• Agentic Coding 升级：官方称前端工作流与仓库级推理更流畅精准
• 新增 Thinking Preservation 选项，可保留历史消息中的推理上下文
• 上下文原生 262,144 tokens，最高可扩展至 1,010,000 tokens
• 官方称 SWE-bench Verified 达 77.2，较 Qwen3.5-27B 的 75.0 提升

这次更新了什么

• 正式上线 Claude 全系产品、API 及 Amazon Bedrock、Vertex AI、Microsoft Foundry
• 价格与 Opus 4.6 持平：每百万 token 输入 $5、输出 $25，API 型号为 claude-opus-4-7
• 官方称视觉能力大幅增强，支持更高分辨率图像，界面、幻灯片与文档生成质量更高
• 首个搭载网络安全防护的模型，自动检测并拦截高风险攻击类请求，另推出 Cyber Verification Program 供安全研究者申请
• 官方称 CursorBench 通过率达 70%，Opus 4.6 为 58%；Harvey 的 BigLaw Bench 在 high effort 下得分 90.9%

这次更新了什么

• 推出生命科学推理模型 GPT-Rosalind，面向生物学、药物发现与转化医学研究，为该系列首个版本
• 以研究预览登陆 ChatGPT、Codex 与 API，初期仅面向美国合格企业客户开放
• 免费的 Codex Life Sciences 插件上线 GitHub，接入超 50 个科学工具与数据源
• 官方称在生物信息学基准 BixBench 上取得已公布分数模型中的领先表现
• 官方称 LABBench2 上 11 项任务中 6 项超过 GPT-5.4，CloningQA 提升最大
• 官方称在 Dyno Therapeutics 的 RNA 任务中，模型预测超过第 95 百分位人类专家

这次更新了什么

• 发布 Qwen3.6 系列首个开源权重模型 Qwen3.6-35B-A3B
• MoE 架构：总参数 35B、激活 3B，256 个专家中激活 8 路由 + 1 共享
• 上下文原生 262,144 tokens，可扩展至最多 1,010,000 tokens
• 新增 Thinking Preservation 选项，可保留历史消息中的推理上下文
• 官方称 Agentic Coding 增强，SWE-bench Verified 得分 73.4
• 模型内置视觉编码器，支持图像-文本多模态输入

这次更新了什么

• Kimi K2.6 开源发布：原生多模态 MoE 模型，1T 总参、32B 激活，256K 上下文
• 视觉编码器为 400M 参数的 MoonViT，模型以 Modified MIT 许可开源
• 官方称长程编程显著改进，泛化覆盖 Rust、Go、Python 及前端、DevOps 场景
• Agent Swarm 可横向扩展至 300 个子智能体，执行 4000 步协调任务
• 编程驱动设计：由简单提示与视觉输入生成生产级界面与轻量全栈工作流
• 官方称 HLE-Full（带工具）得分 54.0，高于表中 GPT-5.4 等对比模型

这次更新了什么

• 基于SigLIP2-400M与Qwen3.5-0.8B，引入4x/16x混合视觉token压缩，可切换精度与速度
• 官方称Artificial Analysis Intelligence Index得13分，超Qwen3.5-0.8B的10分，token成本低19倍
• 官方称在OpenCompass、RefCOCO、OCRBench等基准达到Qwen3.5 2B水平
• 官方称采用LLaVA-UHD v4技术使视觉编码FLOPs降低超50%，token吞吐约为Qwen3.5-0.8B的1.5倍
• 支持iOS、Android、HarmonyOS三端本地部署，端侧适配代码全部开源
• 上线MiniCPM-V 4.6 API服务，并提供公共免费API key

这次更新了什么

• MiniMax首个深度参与自身进化的模型，支持Agent Teams与动态工具搜索
• 自我进化机制：模型自主更新记忆、为RL实验构建技能并改进自身学习过程
• 内部版本经100多轮自主优化编程脚手架，官方称性能提升30%
• 官方称MLE Bench Lite奖牌率66.6%，仅次于Opus-4.6和GPT-5.4
• 官方称SWE-Pro得分56.22%，与GPT-5.3-Codex持平
• 官方称多次将线上生产事故恢复时间缩短至三分钟以内

这次更新了什么

• 百度开源文生图模型 ERNIE-Image：8B 单流 DiT 架构，Apache-2.0 协议
• 分 SFT 标准版（50 步推理）与 Turbo 版（DMD 加 RL 优化，8 步推理）
• 配套轻量 Prompt Enhancer，可将简短提示词扩展为结构化描述
• 官方称 GENEval 总分 0.8856，领先 Qwen-Image 等开源模型
• 官方称 LongTextBench 中英平均 0.9733，仅次于 Seedream 4.5
• 支持 24GB 显存消费级 GPU 运行，已提供 Diffusers 与 SGLang 部署支持

这次更新了什么

• 发布8B长上下文指令模型Granite-4.1-8B，以Apache 2.0协议开源
• 基于Granite-4.1-8B-Base微调，采用开放许可指令数据与内部合成数据训练
• 官方称经改进的后训练（监督微调+强化学习对齐）增强工具调用、指令遵循与对话能力
• 支持英语、德语、西班牙语、法语、日语、中文等12种语言
• 8B版本MMLU 73.84、GPQA 41.96、ArenaHard 68.98
• 工具调用兼容OpenAI函数定义格式，支持FIM中间填充代码补全与RAG

这次更新了什么

• 官方称 GLM-5.1 在 SWE-Bench Pro 得分 58.4，高于 GLM-5 的 55.1
• 官方称 Terminal-Bench 2.0 与 NL2Repo 分别升至 63.5 和 42.7
• 官方称模型可在数百轮迭代、数千次工具调用中持续优化，运行越久效果越好
• 官方称 CyberGym 得分从 48.3 大幅提升至 68.7
• 模型以 MIT 协议开源，支持 SGLang、vLLM 等框架本地部署
• API 已在 Z.ai 平台上线，chat.z.ai 将于近日接入

这次更新了什么

• 2B参数无tokenizer扩散自回归TTS，基于MiniCPM-4，训练数据超200万小时
• 支持30种语言及四川话、粤语等9种中文方言，输入无需语言标签
• 新增Voice Design：文字描述性别、年龄、情绪、语速即可生成新声音，无需参考音频
• 可控克隆可用文字引导情绪语速；Ultimate Cloning凭参考音频加逐字稿保真复刻
• AudioVAE V2自带超分：16kHz参考音进、48kHz出，无需外部升采样器
• 官方称流式合成在RTX 4090上RTF约0.30，经Nano-VLLM加速后约0.13

这次更新了什么

• 发布 Gemma 4 四款尺寸：E2B、E4B、26B MoE 与 31B Dense，改用 Apache 2.0 开源许可
• 官方称 31B 在 Arena AI 文本榜列开源模型第 3、26B 列第 6，可胜过 20 倍参数模型
• 全系原生支持函数调用、结构化 JSON 输出与系统指令，面向智能体工作流
• 全系原生处理视频与图像，E2B/E4B 新增音频输入，原生训练覆盖 140+ 种语言
• 端侧模型配 128K 上下文，大模型最高 256K；26B MoE 推理仅激活 3.8B 参数
• 31B bf16 权重可装入单张 80GB H100，首日支持 Hugging Face、Ollama、vLLM 等工具

这次更新了什么

• 开源 HY-Embodied-0.5 MoT-2B 权重与官方推理代码，已上线 Hugging Face
• 系列含面向边缘部署的 2B 版与面向复杂推理的 32B 版，官方称 32B 性能可比 Gemini 3.0 Pro
• MoT-2B 采用 Mixture-of-Transformers 架构，总参数 4B、推理仅激活 2.2B
• 通过 on-policy 蒸馏将 32B 模型的推理与规划能力迁移至 2B 版本
• 预训练使用超 1 亿条具身与空间数据点，训练语料超 2000 亿 token
• 官方称 MoT-2B 在 CV-Bench 得 89.2、DA-2K 得 92.3，超过 Qwen3-VL 2B/4B

这次更新了什么

• 128B 稠密参数、256k 上下文，指令、推理、编码能力合入单一权重
• 在 Le Chat 接替 Medium 3.1 与 Magistral，在编程代理 Vibe 接替 Devstral 2
• 官方称 τ³-Telecom 达 91.4%、SWE-Bench Verified 达 77.6%
• 推理强度可按请求切换 none/high，快速回复与复杂智能体任务可兼顾
• 视觉编码器从零训练，支持可变图像尺寸与宽高比，图文输入、文本输出
• 以 Modified MIT License 发布，商用与非商用均允许，高收入公司除外

这次更新了什么

• 百度千帆发布 Qianfan-OCR：4B 参数端到端文档模型，图片直接转 Markdown
• 官方称 OmniDocBench v1.5 总分 93.12，列端到端模型第一
• 官方称 OlmOCR Bench 得分 79.8；五个 KIE 基准均分 87.9，均列第一
• 新增 Layout-as-Thought 思考模式：先输出版面框与阅读顺序，再生成最终结果
• 支持 192 种语言 OCR，官方称 W8A8 量化下单张 A100 达 1.024 PPS
• 提供文档智能 Skill，可供 Claude Code、Codex 等助手直接调用

这次更新了什么

• OpenAI发布GPT-5.4 mini与nano小模型，定位编码、子代理等高并发低延迟场景
• 官方称mini比GPT-5 mini快2倍以上，SWE-Bench Pro成绩54.4%
• GPT-5.4 mini上线API、Codex与ChatGPT，上下文窗口400k
• mini每百万token输入$0.75、输出$4.50，nano为$0.20/$1.25
• nano仅API提供，官方推荐用于分类、数据抽取、排序及编码子代理
• ChatGPT免费及Go用户可在+菜单Thinking中使用mini

这次更新了什么

• 首次把Magistral推理、Pixtral多模态、Devstral编码能力统一进单一模型
• MoE架构：128个专家、每token激活4个；总参数119B、激活6B，上下文256k
• 新增reasoning_effort参数：none为快速响应，high为逐步深度推理
• 官方称端到端完成时间减少40%，每秒请求数达Mistral Small 3的3倍
• 官方称AA LCR得分0.72，输出仅1.6K字符，比Qwen模型同水平输出短3.5-4倍
• Apache 2.0开源，API定价输入$0.15、输出$0.6/百万token

这次更新了什么

• Gemma 4 发布 E2B、E4B、12B、26B A4B、31B 五款规格，均开放权重
• 中型模型（12B、26B A4B、31B）上下文窗口 256K，小模型为 128K
• E2B、E4B、12B 原生支持音频，全系支持图像输入并可逐帧分析视频
• 官方称 31B 的 MMLU Pro 85.2%、AIME 2026 89.2%、Codeforces ELO 2150
• 12B 采用无编码器统一架构，图像与音频直接映射进语言模型
• 新增原生 system 角色支持与函数调用，内置可配置思考模式

这次更新了什么

• GPT-5.4 登陆 ChatGPT、API 与 Codex，另推更高性能的 GPT-5.4 Pro
• 官方称首个原生支持 computer-use 的通用模型，上下文最高 100 万 tokens
• GPT-5.4 Thinking 会先展示思考计划，可在回答中途调整方向
• 官方称 GDPval 得分 83.0%（GPT-5.2 为 70.9%），覆盖 44 种职业
• 官方称 OSWorld-Verified 成功率 75.0%，超过人类水平 72.4%
• 新增 original 图像输入档位，支持最高 1024 万像素全保真输入

这次更新了什么

• 官方称 ARC-AGI-2 基准验证得分 77.1%，推理表现为 3 Pro 的两倍以上
• 已上线 Gemini API、Vertex AI、Gemini app 和 NotebookLM
• Gemini app 对 Google AI Pro 和 Ultra 订阅用户开放更高用量上限
• NotebookLM 仅向 Google AI Pro 与 Ultra 用户开放
• 官方称可从文字提示直接生成网页可用的动画 SVG，任意缩放清晰且文件体积小于视频
• 当前以预览形式发布，官方称验证更新、推进 agentic 工作流后正式发布

这次更新了什么

• Claude Sonnet 4.6 发布，1M token 上下文窗口以测试版提供
• 免费与 Pro 计划默认升级为 Sonnet 4.6，定价不变，每百万 3/15 美元
• 官方称 Claude Code 用户约 70% 时间更偏好 Sonnet 4.6 而非上代
• 官方称 Sonnet 4.6 在 OfficeQA 企业文档基准上追平 Opus 4.6
• API 网页搜索与抓取工具可自动编写并执行代码过滤结果，代码执行、记忆等五项工具转正式可用
• Claude in Excel 新增 MCP 连接器支持，接入 FactSet 等金融数据

这次更新了什么

• 推出 Pro、Lite、Mini 三款通用 Agent 模型及专门的 Code 模型
• Seed2.0 Pro与Code上线豆包App和TRAE，全系列API上线火山引擎
• 官方称 Seed2.0 Pro 在 MathVista 等数学推理基准达业界最优
• 官方称视频理解强化，可处理小时级长视频，EgoTempo 基准得分超过人类
• 官方称 Seed2.0 Pro 在 ICPC、IMO、CMO 测试中均获金牌
• 官方称 token 定价降低约一个数量级，效果与业界顶尖大模型相当

这次更新了什么

• 首次为 Seedream 系列引入实时检索增强能力，可联网获取最新知识，检索可开关
• 支持多步视觉推理生图，官方称可完成围棋落子推理、散乱零件组装等任务
• 内置覆盖科技与人文多垂类的世界知识库，官方称生成更符合物理规律
• 官方称 MagicArena 双盲对战 Elo 评分超越 Seedream 4.5，办公学习场景提升突出
• 官方称编辑可控性提升，局部修图或替换主体时更稳定保持非编辑区域一致
• 已上线即梦AI与火山方舟体验中心，并在豆包开启内测

这次更新了什么

• 采用统一多模态音视频联合生成架构，支持文字、图片、音频、视频四种模态输入
• 可同时输入最多9张图片、3段视频、3段音频及文字指令，并参考其构图、动作、运镜、声音
• 支持15秒多镜头音视频输出，集成双声道立体声，可多轨并行输出并对齐画面节奏
• 新增视频编辑与视频延长功能，可对指定片段、角色、动作或剧情定向修改，并按提示生成连续镜头
• 官方称在复杂交互和运动场景下生成可用率达到业界SOTA水平
• 已上线即梦AI、豆包App及火山方舟体验中心，型号为Doubao-Seedance-2.0

这次更新了什么

• Opus 级模型首次支持 1M token 上下文窗口（beta）
• 官方称在 Terminal-Bench 2.0 智能体编程评测中得分最高
• 官方称 GDPval-AA 领先 GPT-5.2 约 144 Elo 分
• Claude Code 新增 agent teams，API 支持上下文压缩与自适应思考
• 发布 Claude in PowerPoint 研究预览版，并升级 Claude in Excel
• 已上线 claude.ai、API 及主要云平台，定价维持每百万 token $5/$25

这次更新了什么

• 融合 GPT-5.2-Codex 的编程与 GPT-5.2 的推理能力于一身，官方称速度快 25%
• 官方称 SWE-Bench Pro、Terminal-Bench 2.0 创新高，token 用量历代最少
• GDPval 知识工作表现与 GPT-5.2 持平，官方称 OSWorld 电脑操作远超前代（人类约 72%）
• 支持任务中途实时提问、纠偏，模型持续汇报进展，可在设置开启 Follow-up behavior
• 官方称这是首个参与构建自身的模型：用早期版本调试自身训练、部署并诊断评测
• 首个被列为网络安全 High 能力等级的模型，官方称首次直接训练识别软件漏洞

这次更新了什么

• 取代2.5 Flash成为Gemini app与搜索AI Mode默认模型，免费开放
• 官方称GPQA Diamond达90.4%，MMMU Pro获81.2%
• SWE-bench Verified达78%，官方称超2.5系列和Gemini 3 Pro
• 官方称速度为2.5 Pro的3倍，日常任务token用量平均少30%
• 定价$0.50/1M输入token、$3/1M输出token，音频输入$1/1M
• 开发者可经Gemini API、Antigravity、Vertex AI等使用

这次更新了什么

• 官方称GPT-5.2 Thinking在GDPval上70.9%打平或击败行业专家
• 官方称SWE-Bench Pro为55.6%，SWE-bench Verified为80%
• 官方称回答含错误的比例较GPT-5.1 Thinking相对降低30%
• 官方称4-needle MRCR变体在256k tokens内接近100%准确
• 新增Responses /compact端点，可扩展有效上下文以支持超长工具工作流
• GPT-5.2 Instant、Thinking、Pro今日起向付费用户推送，API已开放

这次更新了什么

• 已上线官方应用、API 及三大云平台，定价每百万 token $5/$25
• 官方称在 SWE-bench Multilingual 的 8 种编程语言中 7 种领先
• 官方称 Aider Polyglot 得分较 Sonnet 4.5 提升 10.6%
• API 新增 effort 参数，可在省时省钱与最大化能力间调节
• 新增 Excel、Chrome 及桌面端用法，应用内长对话不再撞墙
• 官方称其抗提示注入攻击能力强于所有前沿模型，评测由 Gray Swan 开发

这次更新了什么

• 发布小型模型 Claude Haiku 4.5，10月15日起面向全部用户开放
• API型号claude-haiku-4-5，每百万输入/输出token定价$1/$5
• 官方称编程性能接近 Claude Sonnet 4，成本约为其三分之一、速度快一倍多
• 官方称在「使用电脑」等任务上超越 Claude Sonnet 4
• SWE-bench Verified 编程基准得分 73.3%
• 官方称其为迄今最安全模型，按 ASL-2 安全等级发布

这次更新了什么

• 官方称 SWE-bench Verified 达 77.2%，高算力配置下达 82.0%
• 官方称 OSWorld 电脑操作得分 61.4%，Sonnet 4 四个月前为 42.2%
• Claude Code 新增检查点可保存进度并即时回滚，还上线原生 VS Code 扩展
• Claude API 新增上下文编辑与记忆工具，官方称可让智能体运行更久、处理更复杂任务
• 发布 Claude Agent SDK，开放 Claude Code 同款智能体基础设施
• Claude 应用对话中支持代码执行与文件创建，可生成电子表格、幻灯片和文档

这次更新了什么

• xAI 在 Hugging Face 开放 Grok 2 权重，该模型于 2024 年在 xAI 训练并使用
• 完整权重共 42 个文件，体积约 500 GB，可用 hf download 下载
• 部署需 SGLang >= v0.5.1，采用 TP=8，需 8 张各 40GB 以上显存的 GPU
• 推理启动命令使用 fp8 量化与 triton 注意力后端
• 该 checkpoint 为后训练模型，发送请求须使用指定的 chat template
• 权重依据 Grok 2 Community License Agreement 协议发布