马斯克发帖押注 Grok 5：xAI 有机会借此实现 AGI
马斯克在社交平台 X 上公开表示，xAI 有机会凭借下一代模型 Grok 5 实现通用人工智能（AGI），并称自己「以前从没这么想过」。这番判断源于 Grok 4 在基准测试中的得分表现。不过作为曾呼吁暂停大模型训练的科技大佬，他这次的激进预言也伴随着业界的质疑。
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
Gemini 2.5 拿下 ICPC 金牌水平：12 题解出 10 题，排位相当于全球第二
Google DeepMind 宣布进阶版 Gemini 2.5 Deep Think 在 2025 年 ICPC 全球总决赛中取得金牌级表现。它在 5 小时内解出 10 道题，成绩相当于全球高校队伍第 2 名，甚至攻克了现场人类队伍全军覆没的 C 题。目前其轻量版已向部分订阅用户开放。
Spectral Labs 发布 SGS-1：能直接生成可编辑 CAD 文件的 AI 模型
Spectral Labs 发布生成模型 SGS-1。输入单张图片、手绘草图或 STL 等网格文件，它能直接输出工业标准的 STEP 格式参数化 B-Rep 模型，方便在传统 CAD 软件中二次编辑或放入装配体。不过它目前难以生成复杂有机曲面和超薄结构。
Meta 发布端侧模型 MobileLLM-R1：参数低于 1B，数学能力翻倍
Meta 在 Hugging Face 开源端侧推理模型家族 MobileLLM-R1，参数量在 140M 到 950M 之间。它专攻数学与代码推理，950M 版本在 MATH500 上的表现达到同类开源模型的 2 到 5 倍，且训练仅消耗 4.2T token。不过该系列采用非商用许可，通用对话能力偏弱。
阿里发布 Qwen3-Next-80B-A3B：总参数 80B 仅激活 3B，推理提速 10 倍
阿里巴巴发布 Qwen3-Next-80B-A3B。该模型拥有 800 亿总参数，但每个 token 仅激活 30 亿参数，训练成本降低 10 倍，推理速度比 Qwen3-32B 快 10 倍。其 Thinking 版本在推理能力上超越了 Gemini-2.5-Flash-Thinking。
大模型温度为 0 仍会变？Thinking Machines 称真凶在动态批次
Thinking Machines AI 发文剖析大模型推理不可复现的根源。业内常将「温度为 0 仍给不同结果」归咎于 GPU 浮点计算并发冲突，但团队发现前向传播本身并无原子累加，真正的罪魁祸首是推理服务因动态批处理缺乏「批次不变性」，输出会因与其他并发请求凑批而改变。
百度发布 ERNIE X1.1 推理模型：事实性提升近 35%，对标 GPT-5
百度在 WAVE SUMMIT 2025 上推出推理模型 ERNIE X1.1，并开源 ERNIE-4.5-21B-A3B-Thinking。ERNIE X1.1 相比前代事实性提升 34.8%，官方称综合表现超越 DeepSeek R1-0528，对标 GPT-5 和 Gemini 2.5 Pro。模型已上线文心一言与文小言。
微软推出两款自研模型：语音模型 MAI-Voice 与端到端基座 MAI-1
Microsoft 发布首批自研模型。语音模型 MAI-Voice-1 单卡不到一秒即可生成一分钟音频，已接入 Copilot；首个端到端混合专家模型 MAI-1-preview 使用约 1.5 万张 H100 训练，正上线 LMArena 公测。微软正加速强化自研技术储备。
OpenAI 正式上线 Realtime API：推出 gpt-realtime，接打电话还降价 20%
OpenAI 宣布 Realtime API 正式商用，并推出端到端语音模型 gpt-realtime。新模型支持 SIP 电话直连、图片输入和远程 MCP 工具调用，能在等待函数执行时自然接话，价格比预览版降了 20%。
xAI 推出首个代码模型 Grok Code Fast 1：限时免费接入 Copilot 与 Cursor
xAI 推出首个专为智能体编程设计的代码模型 Grok Code Fast 1，主打高速度与低成本，SWE-bench 得分为 70.8%。该模型目前已限时免费接入 GitHub Copilot 和 Cursor，不过初期反馈显示其在处理复杂任务时仍较容易出错。
Character.AI 爆改开源模型：新模型 PipSqueak 让用户时长涨了 22%
Character.AI 宣布通过后训练将开源模型改造成高情商娱乐模型，并向数百万用户推出新模型 PipSqueak。测试显示用户停留时长提升了 22%，低活跃用户留存提升 14%。他们打算针对剧本创作、播客等娱乐场景做更细分的专属微调。
Nous Research 发布 Hermes 4：引入混合推理与极低拒答率
Nous Research 推出基于 Llama-3.1-70B 的 Hermes 4 并改版 Nous Chat 平台。模型支持显式 `<think>` 标签的混合推理，后训练语料扩增至 600 亿 token。在团队设立的 RefusalBench 测试中，其以极低的不合理拒答率和高服从性拿下第一。
马斯克预告 Grok 5：有机会成为「真正的 AGI」
Elon Musk 在 X 上发文称，xAI 的下一代模型 Grok 5 有机会成为「真正的 AGI」，并表示自己以前从未对任何东西有过这种感觉。该言论是在转发 Grok 4 商业基准评测成绩时发表的，不过目前 Grok 5 尚未公布具体发布时间与细节。
DeepSeek 上线 V3.1：一个模型切换思考与快答，参数 671B
DeepSeek 在 Hugging Face 发布 DeepSeek-V3.1。新模型总参数 671B、激活 37B，最大看点是支持混合思考模式，改动模板就能在思考与普通回答间切换。它的工具调用与 Agent 能力显著提升，且答题质量比肩 R1-0528 但速度更快。
OpenAI 微调 GPT-5 语气：告别严肃刻板，变得更温暖亲切
OpenAI 宣布微调 GPT-5 的交互风格，让 ChatGPT 听起来更温暖、更平易近人。此前有反馈称其过于正式，这次调整会加入像「好问题」这样自然的开场互动。官方强调内部测试显示谄媚倾向没有增加，更新预计一天内覆盖完成。
Anthropic 升级 Claude Opus 4：遇持续恶意互动可主动挂断
Anthropic 宣布允许 Claude Opus 4 与 4.1 在遭遇持续恶意骚扰或有害互动时主动终止对话。这项调整源于对「AI 福利」的探索试验。会话一旦被 AI 终止，用户将无法在该对话中发言，但仍可新建聊天或编辑历史消息。
靠量子算法压缩模型：Multiverse 推出「苍蝇脑」与「鸡脑」极小端侧 AI
欧洲初创公司 Multiverse Computing 发布极小端侧模型系列 Model Zoo，包括 9400 万参数的 SuperFly 和 32 亿参数的 ChickBrain。借助其量子算法压缩技术，两款模型无需联网即可在 IoT 家电或电脑本地运行，官方称 ChickBrain 性能甚至反超了原版 Llama 3.1 8B。
ChatGPT 升级 GPT-5 模式选择：可选速度或深度思考，4o 重新回归
Sam Altman 宣布 ChatGPT 为 GPT-5 增加了 Auto、Fast 和 Thinking 三种模式选择。Thinking 模式提供 196k 上下文，每周限 3000 条消息；同时 4o 默认重新向所有付费用户开放，网页端还新增了开启 o3 等其他模型的开关。
Mistral AI 发布 Medium 3.1：多模态大升级，支持 4 卡私有化部署
Mistral AI 推出多模态模型 Mistral Medium 3.1，提升了推理、编程及联网检索能力。新模型百万输入 token 仅需 0.40 美元，支持企业在 4 块 GPU 上私有化部署，基准成绩直追主流旗舰。
Claude Sonnet 4 上下文升至 100 万 token：代码库一口吞，支持长程智能体
Anthropic 宣布 Claude Sonnet 4 的 API 上下文窗口扩至 100 万 token，容量扩大 5 倍。单次请求可处理超 7.5 万行代码或数十篇论文。该功能已在 Claude 平台公测，并上线 Bedrock 和 Vertex AI。