Meta 推迟新 AI 模型 Avocado：内部测试不及竞品
据《纽约时报》报道，Meta 推迟了代号为「Avocado」的新 AI 模型发布，从原定的 3 月中旬推迟至最早 5 月。内部测试显示，该模型在推理与编程上落后于 Google 和 OpenAI 的旗舰产品，高层甚至讨论过临时授权 Gemini。
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
Anthropic 全量开放 100 万上下文：Opus 4.6 不加价，支持 600 页文件
Anthropic 宣布 Claude Opus 4.6 与 Sonnet 4.6 的 100 万 token 上下文窗口正式全量可用，且维持标准费率不收长文本溢价。单次请求媒体上限同步提升至 600 张图片或 PDF 页面。Claude Code 订阅用户也将默认支持该能力，彻底减少上下文压缩造成的信息丢失。
Claude 支持内嵌交互图表：对话流里直接生成、随时点击探索
Anthropic 为 Claude 推出内嵌可视化测试版。与侧边栏固定的 Artifacts 不同，Claude 现在能在对话流中直接生成临时的交互式图表，例如可调整参数的复利曲线或可点击的元素周期表，并随对话演进实时修改。该功能面向所有套餐默认开启。
NVIDIA 开源 Nemotron 3 Super：专为智能体打造，吞吐量提升 5 倍
NVIDIA 开源大模型 Nemotron 3 Super。该模型总参数达 1200 亿，推理时仅激活 120 亿，并提供 100 万 token 上下文。其混合 Mamba 与 MoE 架构将智能体工作流吞吐量提升最高 5 倍，有效解决了多智能体协作时的上下文膨胀与高昂推理成本问题。
Google 发布 Gemini Embedding 2：图文音视打进同一向量空间
Google 发布首个原生多模态嵌入模型 Gemini Embedding 2 公测版。它能把文本、图像、最长 120 秒视频、原生音频与 PDF 映射到统一向量空间，单次请求支持多模态混排，并可通过 MRL 动态降维来节省存储成本。
OpenAI 推迟 ChatGPT 成人模式：优先提升智力与主动交互
OpenAI 宣布推迟上线原计划的 ChatGPT「成人模式」，将精力转向模型智力提升、个性化与更具主动性的体验。官方表示仍坚持「把成年人当成年人对待」的原则，但做好体验需要更多时间，目前正针对未成年人推行年龄预测与安全保护工具。
OpenAI 上线 GPT-5.4：原生支持操控电脑，上下文拉到 100 万 token
OpenAI 发布 GPT-5.4 及 Pro 版本，支持 100 万 token 上下文与原生电脑操作。在 OSWorld 基准上它以 75.0% 的成功率超过人类平均水平，并新增工具搜索功能以降低调用成本。最值得关注的是，模型开始支持中途调整思考方向，让复杂工作流少走弯路。
Microsoft 开源 Phi-4-reasoning-vision-15B：用十分之一算力死磕多模态推理
Microsoft 推出 150 亿参数的多模态推理模型 Phi-4-reasoning-vision-15B 并开源权重。它仅用 2000 亿多模态 token 训练，在数学科学推理和电脑屏幕界面识别上表现亮眼，以极低算力成本逼近主流大尺寸多模态模型。
Google 发布 Gemini 3.1 Flash-Lite：首字提速 2.5 倍，百万 token 仅 0.25 美元
Google 推出轻量模型 Gemini 3.1 Flash-Lite。其首字响应速度比 2.5 Flash 快 2.5 倍，输入定价仅每百万 token 0.25 美元。该模型支持调节思考深度，专为高频实时任务设计，现已在 Google AI Studio 和 Vertex AI 开放预览。
OpenAI 上线 GPT-5.3 Instant：少说教少拒绝，幻觉率降 26.8%
OpenAI 发布 GPT-5.3 Instant，重点改进日常对话体验。新版本大幅减少了敏感话题下的过度防卫和说教前奏，不再动辄直接拒答，并在联网搜索时更好融合自身知识。官方测试显示，其在高风险领域的联网幻觉率降低了 26.8%。
xAI 发布 Grok 4.20 Beta 2：强化指令遵循，减少幻觉
xAI 发布 Grok 4.20 Beta 2 更新。新版本重点提升了模型的指令遵循能力并减少了能力层面的幻觉，同时改善了 LaTeX 科学文本质量、图片搜索触发精度及多图渲染稳定性。目前该模型仍处于测试阶段，官方尚未公布基准跑分等技术细节。
Anthropic 处理 Opus 3 退役：保留付费访问，还给它开了专栏
Anthropic 宣布虽然 Claude Opus 3 已于 1 月 5 日退役，但仍向 claude.ai 付费用户开放，并支持 API 申请。团队还在「退役访谈」后遵从其意向，给它开辟专栏 Claude's Corner 每周发随笔，至少连载三个月。
OpenAI 开放 GPT-5.3-Codex：全量上线 Responses API
OpenAI 宣布代码模型 GPT-5.3-Codex 正式面向所有开发者开放，可通过 Responses API 直接调用。该模型兼顾前沿编程性能与专业知识。这意味着开发者无需等待内测，就能把这项代码生成能力直接集成到自己的应用中。
OpenAI 上线 gpt-realtime-1.5：强化语音工具调用与指令遵循
OpenAI 在 Realtime API 中上线新模型 gpt-realtime-1.5。新模型重点提升了实时语音场景下的指令遵循、工具调用以及多语言准确率。也就是说，开发者在构建低延迟语音智能体时，能更稳定地让 AI 边聊边调外部接口和数据。
Standard Intelligence 发布 FDM-1：用千万小时录屏训练操作模型
Standard Intelligence 推出计算机操作基础模型 FDM-1。自研视频编码器将近 2 小时 30 帧视频压缩至 100 万 token，效率提升 50 倍，并通过逆动力学模型自动标注键盘鼠标动作。它能直接在连续视频上训练，专攻 CAD 等长程任务。
OpenAI 提速 GPT-5.3-Codex-Spark：推理快 30%，每秒狂飙 1200 token
OpenAI 将代码模型 GPT-5.3-Codex-Spark 的推理速度提升约 30%，输出突破每秒 1200 token。这意味着在实时编程和自动化工作流中，代码生成几乎感觉不到延迟。OpenAI 表示后续还会全面提升更多模型的速度。
Google 发布 Gemini 3.1 Pro：推理能力翻倍，ARC 得分 77.1%
Google 发布 Gemini 3.1 Pro，主打复杂逻辑与推理任务。新模型在 ARC-AGI-2 基准测试中拿到了 77.1% 的高分，推理性能直接达到上一代 3 Pro 的两倍以上。目前该模型已向 Google AI Studio、Vertex AI 以及 Gemini 应用和 NotebookLM 付费订阅用户开放预览。
安全机构实测：别用 AI 生成密码，Claude 生成 50 个有 18 个完全相同
安全机构 Irregular 发现，ChatGPT、Claude 和 Gemini 生成的密码高度可预测。Claude 生成 50 个密码竟然出现 18 个完全相同，且各模型均偏爱特定字符。这是因为大模型生成的是概率模式而非真随机，调整 Prompt 也没用。
xAI 开放 Grok 4.2 公测候选版：支持快速学习，承诺每周迭代
Elon Musk 宣布，xAI 的 Grok 4.2 发布候选版本（公开测试版）现已开放，用户需要手动选择使用。与此前版本不同，4.2 具备快速学习能力，团队承诺接下来每周都会发布改进并附带更新说明。
Anthropic 发布 Claude Sonnet 4.6：编程追平旗舰，免费直接用
Anthropic 正式发布 Claude Sonnet 4.6。新模型在编程、计算机操作和长上下文推理上大幅升级，测试中 70% 的用户认为其编程体验优于 Sonnet 4.5，甚至有 59% 的人认为它胜过此前的旗舰 Opus 4.5。API 价格维持原样，且已成为网页端免费版与 Pro 版的默认模型。