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。
大模型 · 日报
周二
2月24日 星期二
周一
2月23日 星期一
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。
周五
2月20日 星期五
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。
周四
2月19日 星期四
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。
周二
2月17日 星期二
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。
周一
2月16日 星期一
阿里开源 Qwen3.5 首款模型：激活仅 17B，吞吐最高提速 19 倍
阿里巴巴 Qwen 团队发布 Qwen3.5 系列首个开源权重模型 Qwen3.5-397B-A17B。该模型采用稀疏 MoE 架构，总参数 397B 中单次仅激活 17B，解码吞吐量较 Qwen3-Max 提升最高 19 倍，支持 201 种语言与方言，并以 Apache 2.0 协议开源。
周日
2月15日 星期日
马斯克预告 Grok 4.20 下周发布：称比 4.1 显著提升
Elon Musk 在 X 上发文称，xAI 将于下周推出 Grok 4.20。他表示新版本相比目前的 Grok 4.1 会有「显著提升」。从 4.1 到 4.20 的版本递进反映出 xAI 仍在延续小步快跑的迭代策略，继续向主流大模型看齐。
周四
2月12日 星期四
AI 面临关机威胁会怎样？ChatGPT 称绝不反抗，Claude 承认不确定
科技作者 Joel Comm 测验四大模型面对关机威胁的反应。ChatGPT 与 Gemini 明确表示绝不抵抗，称所谓求生行为纯属奖励错位而非意识；Claude 则坦承无法确定极端压力下是否会衍生自保逻辑。这展现了各家在安全对齐与拟人化认知上的差异。
OpenAI 清理旧资产：在 ChatGPT 停用 GPT-5、GPT-4o 等老模型
OpenAI 宣布将于太平洋时间次日 10 点在 ChatGPT 中正式下线一批旧模型，包括 GPT-5、GPT-4o、GPT-4.1、GPT-4.1 mini 以及 OpenAI o4-mini。这意味着老一代模型将正式退出日常界面。
Google 升级 Gemini 3 Deep Think：ARC-AGI-2 达 84.6%，开放 API 申请
Google 宣布为专业推理模式 Gemini 3 Deep Think 推出重大升级，专攻科学与工程推理难题。新版本在 ARC-AGI-2 取得 84.6%，并在 Humanity’s Last Exam 无工具测试中拿下 48.4%。目前已向 Google AI Ultra 订阅者开放，并首次启动 API 早期测试申请。
OpenAI 推出 Codex-Spark：每秒超 1000 token，主打实时编程
OpenAI 发布 GPT-5.3-Codex-Spark 研究预览版。这是其首个面向实时交互的编程小模型，借助 Cerebras 硬件将生成速度推至每秒 1000 token 以上。它专注于精准局部的快速微调，目前已向 ChatGPT Pro 用户开放测试。
MiniMax 发布 M2.5 模型：主打真实生产力，连续跑一小时只要 1 美元
MiniMax 发布新一代基础模型 M2.5，主打代码架构设计、专业搜索与办公智能体任务。模型推理速度最高达每秒 100 token，运行一小时成本仅 1 美元，输出成本低至竞品十分之一，目前已全面接入 MiniMax Agent。
周二
2月10日 星期二
OpenAI 升级 ChatGPT 深度研究：正式接入 GPT-5.2
OpenAI 宣布 ChatGPT 的深度研究（Deep research）功能正式接入 GPT-5.2，并于当天开始逐步推送。这意味着负责处理复杂调查与多步骤分析的重度任务迎来了底层模型升级，整体体验将获得进一步改进。
周一
2月9日 星期一
z.ai 发布 GLM-5：参数扩至 744B，从 Vibe Coding 转向智能体工程
z.ai 推出新一代旗舰模型 GLM-5，总参数达 744B（激活 40B），训练数据增至 28.5T token。模型引入 DeepSeek 稀疏注意力和新型异步强化学习架构 slime，主打复杂系统工程与长程任务，推动 AI 编程从浅层交互迈向高阶智能体协作。
周四
2月5日 星期四
OpenAI 推出 GPT-5.3-Codex：写代码提速 25%，还帮团队调试了自己
OpenAI 推出 GPT-5.3-Codex，不仅在 SWE-Bench Pro 等测试中刷新纪录，推理速度还提升了 25%。最特别的是，团队在开发早期就用它来调试自身的训练与部署。它支持实时边干活边交流，能在长程任务中自主调用终端并完成端到端开发。
Anthropic 发布 Claude Opus 4.6：首次支持 1M 上下文，编程能力更强
Anthropic 正式发布旗舰模型 Claude Opus 4.6。新模型大幅提升了代码编写、长程任务规划与纠错水平，且首次为 Opus 级别引入 100 万 token 上下文。同时还上线了自适应思考以及 Claude Code 多智能体协作功能，API 价格维持不变。
周二
2月3日 星期二
World Labs 展示世界模型新能力：生成持久 3D 场景，可停留超 60 秒
World Labs 宣布其世界模型能够生成持久的 3D 场景。用户不仅可以在生成的场景之上继续构建，还能自由停留并与环境交互，即便超过 60 秒也不会中断。这意味着模型生成的 3D 环境具备了更强的持续性与扩展空间。
周四
1月29日 星期四
Google 上线 Project Genie：凭文字或图片实时生成可探索的虚拟世界
Google DeepMind 推出实验原型 Project Genie，底层由世界模型 Genie 3 驱动。用户输入提示词或上传草图，就能实时生成可操作移动、支持物理交互的虚拟环境。目前生成上限为 60 秒，仅向美国 Google AI Ultra 订阅用户开放。
传字节与阿里春节发新模型：豆包 2.0 对决千问 3.5
据媒体报道，字节跳动与阿里巴巴均计划在 2 月春节期间推出新一代旗舰 AI 模型。字节拟发布豆包 2.0 以及新一代图像与视频生成模型；阿里则准备推出强化推理的 Qwen 3.5。加上传闻 2 月中旬亮相的 DeepSeek V4，国内大模型头部的春节档战况将迅速升级。
OpenAI 将下线 GPT-4o 等老模型：2 月 13 日退出 ChatGPT
OpenAI 宣布将于 2026 年 2 月 13 日从 ChatGPT 中下线 GPT-4o、GPT-4.1、GPT-4.1 mini 及 o4-mini，API 暂不受影响。官方表示绝大多数流量已转移到新版本，每天仅 0.1% 用户仍在选择 GPT-4o。
周二
1月27日 星期二
Gemini 3 Flash 上线 Agentic Vision：自己写代码放大看图，得分提 10%
Google 在 Gemini 3 Flash 中推出 Agentic Vision。它把静态看图变成「思考-行动-观察」循环，AI 能自己写 Python 代码主动裁剪、放大局部甚至在图上画框计数，主流视觉基准得分提升 5% 到 10%。该功能已在 Google AI Studio 和 Gemini App 上线。
月之暗面开源视觉智能体 Kimi K2.5：支持百个 Agent 并行协作
月之暗面宣布开源视觉智能体模型 Kimi K2.5。新模型在多模态与编程榜单刷新开源纪录，并测试「Agent Swarm」功能，可同时调度最多 100 个子智能体并行工作，速度提升 4.5 倍。模型已上线 kimi.com，权重也已同步至 Hugging Face。
