Google 升级 Gemini 3.5 Flash：内置电脑操作工具，跨桌面与移动端可用
Google 宣布在 Gemini 3.5 Flash 中原生内置「computer use」工具。此前该能力仅以独立的 2.5 模型提供，现在开发者能直接让智能体跨浏览器、移动与桌面环境看懂并操作界面。官方同时引入了针对提示注入的对抗训练，并提供敏感操作需用户确认的安全防线。
大模型
GPT、Claude、Gemini、DeepSeek、通义千问等大模型的新版本发布、跑分对比、价格和 API 变化，每天更新。
查看更新的新闻
阿里发布 Wan Streamer：单一模型实时音视频通话，延迟仅 200 毫秒
阿里巴巴公布端到端交互模型 Wan Streamer，让 AI 在视频通话中实时看、听并同步回应。它用单一 Transformer 统一处理音视频和文本，支持全双工通信，模型端延迟约 200 毫秒。目前 v0.1 仍为 192p 概念验证，未开放实时体验。
字节发布 Doubao Seed 2.1：定位工作智能体，真实任务对标顶流
字节跳动发布 Doubao Seed 2.1 系列模型，包含 Pro 与 Turbo 版本。模型主打生产力智能体与多模态能力，在科学图表解析、PPT 模板精确修改及前端开发上表现抢眼，真实工作基准逼近 GPT 5.5。目前可通过豆包桌面版或在线 Studio 体验。
百度推出 Unlimited OCR：固定 KV Cache，长文档解析匀速吃下 40 页
百度推出端到端文档解析模型 Unlimited OCR，基于 DeepSeek-OCR 微调，激活参数仅 5 亿。它采用 R-SWA 机制固定文本 KV cache，无论输出多少 token 显存均保持恒定，支持单次前向匀速解析 40 页以上长文档。
Sakana AI 推出 Fugu：把多智能体系统包装成单一模型 API
Sakana AI 推出多智能体编排系统 Sakana Fugu 及其高阶版 Fugu Ultra。它本身是一个学习调度的语言模型，内部动态调用并整合专家模型处理多步任务，对外只暴露一个兼容 OpenAI 的单一 API，既省去了搭建智能体系统的复杂性，也能规避单一厂商依赖与限制风险。
GPT-5.6 Pro 细节曝光：推理预算拉高至 960，单提示词直接做网站
据多方泄露信息，OpenAI 即将推出 GPT-5.6 Pro。新模型的推理预算从 768 提升至 960 点，知识库更新至 2025 年 12 月，并支持 Playwright 浏览器自动化与高精度 SVG 生成。最值得关注的是，其视觉复刻能力让单提示词做完整网站成为可能。不过传闻指出其前端综合表现仍弱于竞品。
OpenAI 升级 ChatGPT 健康问答：免费用上 GPT-5.5 Instant，事实错误降 71%
OpenAI 宣布用 GPT-5.5 Instant 升级 ChatGPT 的健康问答能力，面向全体免费用户开放。在 60 个国家逾 260 名医生参与评估下，新模型在专业评测中追平前沿思考模型，近两个月健康回答的事实错误率下降了 71%。
xAI 旗舰模型 Grok 4.3 上线 Amazon Bedrock：主打低幻觉率与工具调用
xAI 宣布 Grok 4.3 正式上线 Amazon Bedrock。官方称该模型在幻觉率控制和工具调用性能上处于行业领先水平。这意味着 AWS 开发者无需脱离现有的云生态，即可借助 Bedrock 的安全推理架构直接调用 Grok 构建应用。
Z.ai 发布开源模型 GLM-5.2：稳定 1M 上下文主打长程编程
Z.ai 发布针对长程任务的旗舰模型 GLM-5.2，支持稳定 1M 上下文并以 MIT 协议完全开源。新架构 IndexShare 将 1M 上下文下的单 token 计算量降低了 2.9 倍；在 FrontierSWE 评测中击败 GPT-5.5，成为当前表现最出色的开源模型。
Cartesia 发布 Sonic-3.5 与 Ink-2：包揽流式语音「听说」双榜首
Cartesia 推出语音合成模型 Sonic-3.5 与转录模型 Ink-2，登顶 Artificial Analysis 流式榜单。两款模型基于状态空间架构，首包延迟压至 300 毫秒内并自带轮次检测，旨在解决语音智能体的对话卡顿。目前已全面开放 API。
Moonshot AI 推出 Kimi K2.7-Code 高速模式：速度飙升 6 倍，每秒最高 260 token
Moonshot AI 宣布为代码模型 Kimi K2.7-Code 推出 HighSpeed 模式，吞吐速度提升最高 6 倍，短文本可达每秒 260 token。该模型减少约 30% 推理 token 消耗，已上线 Hugging Face 与 API，但尚未提交第三方独立基准评测。
Google 发布 Gemini 3.5 Live Translate：70 种语言准实时同传，保留原声音调
Google 发布实时语音翻译模型 Gemini 3.5 Live Translate。它不同于说完才翻的旧模式，仅落后说话人数秒即可连续翻译 70 多种语言，并保留原声音调与节奏。开发者即日起可调用 API，移动端 Google 翻译和 Google Meet 也同步接入。
Anthropic 发布 Claude Fable 5：性能大幅跃升，敏感提问降级处理
Anthropic 正式推出面向公众的 Mythos 级模型 Claude Fable 5。新模型在编程、视觉与前沿科研等基准上均刷新纪录；为防范网络攻击等滥用风险，系统内置严格防护机制，会将不到 5% 的高危查询自动分流给 Claude Opus 4.8 回答。
阿里发布 Qwen 3.7 Plus：主打多模态 Agent，连续 11 小时自主写 App
阿里 Qwen 团队发布多模态模型 Qwen 3.7 Plus，主打图形界面操作与工具调用的混合 Agent 能力。实测可自主连续运行 11 小时构建完整 App，并在 AndroidWorld 等屏幕操作评测上领先竞品。该模型不开源权重，支持 Anthropic API 协议，仅通过阿里云百炼提供商用 API。
Google 推出 Agentic RAG：搜不够就继续搜，让 Gemini 事实准确率提升 34%
Google 推出面向 Gemini 企业平台的 Agentic RAG 框架。传统 RAG 只检索一次就听天由命，这项技术通过「充分上下文代理」审查初稿和片段，明确找出缺失信息并定向补充搜索，把事实准确率拉高了 34%，且几乎没有增加额外延迟。
NVIDIA 推出 Nemotron 3 Ultra：混合架构吞吐提 5 倍，专攻长程智能体
NVIDIA 发布开源模型 Nemotron 3 Ultra。该模型总参数 550B、激活参数 55B，采用 Mamba 与 Transformer 混合架构，吞吐量达同类开源模型 5 倍，能将智能体任务成本降低最高 30%。官方同步推出了 4B 安全护栏模型及低延迟多语言语音模型。
OpenAI 更新提示词工程指南：建议在代码中管版本，关停 API 提示词对象
OpenAI 更新官方提示词工程指南，系统梳理了基于 Responses API 的结构化提示技巧与角色优先级机制。官方明确建议将提示词写入代码进行版本管理与测试，并宣布 API 中的可复用 prompt 对象将于 2026 年 11 月正式下线。
微软发布 7 款自研 MAI 模型：从零训练不靠蒸馏，成立超级智能实验室
Microsoft AI 发布 7 款涵盖推理、编程、多模态的自研 MAI 模型。旗舰推理模型 MAI-Thinking-1 从零训练且未用第三方蒸馏；团队还推出企业自调优功能 Frontier Tuning，并宣布成立超级智能实验室以及与 Mayo Clinic 联合研发临床医疗大模型。
Anthropic 安全模型 Mythos 成本极高：Token 单价据称为 Opus 六倍
The Information 报道 Anthropic 专攻网络安全的新模型 Mythos 虽然找漏洞极快，但成本惊人。其 Token 单价据称为 Opus 的 6 倍左右，Palo Alto Networks 极快便消耗了 100 万美元 Token。不过多位安全主管表示，相比泄密造成的巨额损失，这笔账依然划算。
MiniMax 发布 M3 模型：支持 100 万上下文与原生多模态，解码快 15 倍
MiniMax 发布开源权重模型 M3，支持 100 万 token 上下文与原生多模态，可直接操作桌面电脑。模型采用自研稀疏注意力架构 MSA，解码速度比前代提升 15 倍，并在 SWE-Bench Pro 等基准测试中达到前沿水平。目前已通过 MiniMax Code 与 API 开放体验。