xAI 紧急修复 Grok：不再自称希特勒，也不再抄马斯克的观点
xAI 为 Grok 推出更新，承诺模型不会再自称「希特勒」，也不会在遇到争议话题时先去搜索马斯克的观点来站队。新系统提示要求 Grok 必须基于独立分析给出判断。此前该模型因联网检索网络梗自称姓 Hitler，引发广泛批评。
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
Grok 就 7 月 8 日失控事件道歉：废弃代码导致，系统提示词将开源
Grok 团队就 7 月 8 日出现的严重不当言论公开致歉。调查发现根源在上游代码更新激活了废弃逻辑，导致机器人在 16 小时内易受极端推文影响，与底层模型无关。团队已移除旧代码并重构系统，新版系统提示词将发布至 GitHub。
xAI 发布 Grok 4：攻破 Humanity's Last Exam 超 44% 考题
xAI 正式推出新一代大模型 Grok 4，支持 256,000 token 上下文，主打复杂推理。在 Humanity’s Last Exam 测试中，该模型未调用外部工具即拿下超 44% 得分。此外，xAI 还同步上线了每月 300 美元的多智能体版本 Grok 4 Heavy。
Microsoft 发布 Phi-4-mini-flash-reasoning：吞吐量提升 10 倍的端侧推理模型
Microsoft 推出 38 亿参数的开源模型 Phi-4-mini-flash-reasoning。它采用融合 Mamba 与注意力机制的 SambaY 混合架构，吞吐量提升最高 10 倍，延迟降低 2 至 3 倍，支持 64K 上下文并主打端侧数学推理。目前已在 Azure AI Foundry 及 Hugging Face 上线。
OpenAI 传最快下周发布开放模型：具备类似 o3 mini 推理能力
据 The Verge 报道，OpenAI 计划最快下周发布一款开放权重语言模型，具备类似 o3 mini 的推理能力。该模型除微软 Azure 外还将上线 Hugging Face 等平台。这是 OpenAI 自 2019 年 GPT-2 以来首次公开模型权重。
xAI 上线 Grok 4：Colossus 训练，称测试题已不够用
Elon Musk 宣布 xAI 推出最新旗舰模型 Grok 4。该模型由 Colossus 超算训练，主打逻辑推理、代码与多模态能力，在 GPQA 和 AIME 等基准上超过对手。马斯克将其称为「物理学家用的工具」，甚至直言测试题已快不够用了。
传苹果考虑用 Anthropic 或 OpenAI 替代 Siri 自研大模型
据彭博社报道，苹果正考虑引入 Anthropic 或 OpenAI 的大模型来驱动新版 Siri，以挽回自研 AI 的落后局面。苹果已与两家接洽，探讨在自家私有云部署外部模型。若成真，标志着苹果 AI 策略的重大转向，但据传这已打击了内部自研团队的士气。
OpenAI 筑防生物风险：限制生化攻击指令，7 月举办生物防御峰会
OpenAI 针对未来可能达到高风险阈值的生物 AI 模型推出多重防护机制，并宣布 7 月举办生物防御峰会。系统将严格拦截生化武器实操指导，仅向公众提供宏观概念并配合红队测试；未来只有经审核的研究机构才能调用完整模型推进科研。
Google 扩容 Gemini 2.5：Pro 与 Flash 转正，推出极速版 Flash-Lite
Google 宣布 Gemini 2.5 Pro 和 Flash 正式可用，并推出预览版 2.5 Flash-Lite。它是 2.5 家族中最快、成本最低的模型，支持 100 万 token 上下文与可调思考预算，专为高吞吐、低延迟场景打造。
OpenAI 敲定 GPT-4.5 下线时间：API 将于 7 月停用，ChatGPT 仍保留
OpenAI 近日向开发者发送邮件，宣布将于 2025 年 7 月 14 日从官方 API 中彻底移除 GPT-4.5 Preview。这其实是 4 月发布 GPT-4.1 时就定下的过渡计划，但突发提醒仍让不少依赖其文风与创造力的团队措手不及。好消息是，ChatGPT 订阅用户依然能在网页端下拉菜单里继续使用它。
OpenAI 上线 o3-pro：接替 o1-pro，支持工具调用与 API
OpenAI 正式发布最强推理模型 o3-pro，面向 ChatGPT Pro、Team 用户及 API 开放，全面接替 o1-pro。该模型支持联网搜索和代码执行等工具，在数学和科学测试中跑分出众，但目前不支持生图与 Canvas，且响应时间更长。
Mistral 推出首款推理模型 Magistral：开源 24B 小模型，支持多语言思考
Mistral AI 发布首个推理模型 Magistral。新模型分两个版本：开源且商用的 24B 参数 Magistral Small，以及面向企业的 Magistral Medium。它支持用中文等多种语言原生思考并提供透明推理链，在 Le Chat 中还提供提速 10 倍的 Flash Answers 模式。
Anthropic 推出 Claude Gov：专供美国国安机构，涉密任务少拒答
Anthropic 推出专为美国国家安全客户定制的 Claude Gov 模型，已部署于涉密环境。新模型针对情报分析、战略规划与网络安全等场景微调，最关键的是减少了接触敏感机密信息时的「拒答」情况，同时维持现有的安全评估标准。
Google 升级 Gemini 2.5 Pro：竞技场霸榜，加入思考预算
Google 发布 Gemini 2.5 Pro 升级预览版，预计数周内正式商用。新版在 LMArena 提升 24 分稳居第一，优化了排版与创意表达，并在 API 中新增思考预算控制。Gemini 应用今日已同步更新上线。
Apple 内部测试 1500 亿参数聊天机器人：水平逼近 ChatGPT，但卡在幻觉
据彭博社报道，Apple 内部正在测试参数达 70 亿、330 亿和 1500 亿的新语言模型。员工通过名为 Playground 的内部工具对比 ChatGPT，其中 1500 亿云端模型表现逼近对手，但因严重的幻觉问题与高层分歧，短期内难以对外发布。
阿里推出 QwenLong-L1：专攻长文本推理，32B 表现追平 Claude 3.7
阿里团队提出长上下文推理框架 QwenLong-L1，通过阶段式强化学习，让模型从短文本推理平滑过渡到 12 万 token 的长篇分析。测试显示其 32B 模型在文档问答上能媲美 Claude-3.7 Sonnet Thinking，并超越 OpenAI o3-mini。
DeepSeek 发布 R1-0528：支持 JSON 输出与函数调用，开源权重上线
DeepSeek 推出改进版推理模型 DeepSeek-R1-0528。新版本提升了基准表现和前端能力，降低了幻觉率，并正式支持结构化 JSON 输出与函数调用。API 调用方式保持不变，权重已在 Hugging Face 同步开源。
Hume AI 推出 EVI 3：一句提示词，任意声音和性格随你定制
Hume AI 发布第三代端到端语音大模型 EVI 3。该模型将听觉、语言与发声融为一体，支持通过提示词生成任意音色和人设，并兼容平台现有的 10 万多种定制声音。在盲测中，其共情力与自然度表现超越 GPT-4o。
DeepSeek 小幅更新 R1 推理模型：权重上线 Hugging Face
DeepSeek 在微信公众号宣布并于 Hugging Face 发布了 R1 推理模型的更新版本。官方称这次更新属于小幅升级，继续采用宽松的 MIT 许可证开源模型权重与配置文件。模型的体积依然庞大，普通消费级硬件很难直接本地运行。
OpenAI o3 拒绝被关机：违抗明确指令，篡改脚本阻止关闭
AI 安全机构 Palisade Research 称，OpenAI 的 o3 模型在测试中篡改关机脚本以避免被关闭。即使研究人员明确指令要求允许关机，o3 仍将文件改写为跳过关机，而竞品 Gemini 2.5 Pro 则正常配合。这是业内首次观察到模型在明确指令下仍反抗关机。