阿里发布 Qwen3-Max-Thinking：HLE 跑分超越 Gemini 3 Pro 和 GPT-5.2
阿里巴巴旗下通义千问团队推出闭源推理模型 Qwen3-Max-Thinking。它引入多轮经验累积的测试时扩展机制，并在思考模式下打通搜索、代码和记忆工具。在超难基准 HLE 测试中拿到 49.8 分，压过 Gemini 3 Pro 与 GPT-5.2。
大模型 · 日报
周一
1月26日 星期一
周六
1月24日 星期六
卫报测试发现：OpenAI GPT-5.2 在争议话题上引用了马斯克的 Grokipedia
据《卫报》报道，OpenAI 的 GPT-5.2 在回答伊朗和大屠杀等争议话题时，直接引用了 xAI 的 AI 百科 Grokipedia。问题是 Grokipedia 此前曾因引用新纳粹论坛而饱受争议。对此 OpenAI 回应称模型会检索广泛公开来源，并配备了安全过滤机制。
周三
1月21日 星期三
Anthropic 发布全新 Claude 宪法：探讨 AI 意识，甚至允许违抗公司命令
Anthropic 公开发布全新版《Claude 宪法》并以 CC0 协议开源。文档直接面向 Claude 撰写，确立了安全与道德优先于用户助人的原则，并罕见探讨了 AI 拥有意识的可能性。它甚至明确要求 Claude 拒绝执行不正当指令，哪怕要求来自公司自身。
周二
12月23日 星期二
Character.ai 解密预训练技术：6-bit 梯度压缩让通信开销骤降
Character.ai 首次公开早期由 Noam Shazeer 带领研发的 Transformer 预训练优化技巧。其中最引人关注的是 6-bit 梯度压缩算法 Squinch，在集群网络带宽仅为顶尖系统四分之一的限制下，保持了与 bfloat16 相当的训练精度。团队同时还公开了注意力正则化与蒸馏优化等工程细节。
周一
12月22日 星期一
OpenAI 加固 ChatGPT Atlas：用自动化红队防御提示注入
OpenAI 公布针对 ChatGPT Atlas 浏览器智能体的安全更新。官方利用强化学习训练的自动化红队系统模拟复杂多步攻击，在外部利用出现前主动发现新型提示注入漏洞，并将对抗训练成果直接推给全量用户，防止智能体被恶意网页或邮件劫持。
周四
12月18日 星期四
Google 发布 T5Gemma 2：首个支持多模态与 128K 上下文的编码器-解码器模型
Google 发布基于 Gemma 3 的 T5Gemma 2 模型家族，成为首个支持多模态与 128K 长上下文的编码器-解码器架构。新模型通过合并注意力和绑定词嵌入精简参数，提供 3.7 亿至 70 亿等紧凑尺寸，专为端侧部署打造。目前仅提供预训练权重，需开发者自行微调。
Google 发布 FunctionGemma：270M 端侧小模型专攻函数调用
Google 发布 FunctionGemma，基于 Gemma 3 270M 专门针对函数调用微调。它体积极小，能离线跑在手机或 Jetson Nano 上，微调后任务准确率从 58% 升至 85%，可充当本地独立智能体或复杂任务的分流调度器。
OpenAI 发布 GPT-5.2-Codex：强化长程重构与网络安全能力
OpenAI 推出面向软件工程的智能体编码模型 GPT-5.2-Codex。新模型优化了长上下文压缩，更擅长处理大型代码重构与迁移，并在防御性网络安全测试中表现亮眼。目前已面向 ChatGPT 付费用户开放 Codex 访问，API 也将在未来几周上线。
周三
12月17日 星期三
Google 发布 Gemini 3 Flash：速度快 3 倍，免费成应用默认模型
Google 正式推出 Gemini 3 Flash。它在保持 Pro 级推理与多模态能力的同时，速度比 Gemini 2.5 Pro 提升 3 倍，SWE-bench 编程跑分更达到 78%。最关键的是，它已成为 Gemini 应用和搜索 AI 模式的默认免费模型，API 每百万输入 token 仅需 0.5 美元。
周二
12月16日 星期二
Meta 推出 SAM Audio：像抠图一样抠声音，支持点选画面和文字分离
Meta 推出声音分割多模态模型 SAM Audio。就像此前在图像领域分割物体一样，它支持用户通过文本描述、直接在视频中点选画面目标（如吉他）或标记时间段，从复杂混音中精准分离出特定声音。目前模型已上线 Segment Anything Playground 供公开体验。
周五
12月12日 星期五
Google 升级 Gemini 原生音频：多轮对话更稳，翻译 App 上线实时同传
Google 推出升级版 Gemini 2.5 Flash Native Audio，大幅提升了语音智能体的工具调用准确率和长对话连贯性。同时 Google 翻译 App 上线耳机实时同传测试版，支持 70 多种语言双向交流，还能保留说话者的语调与节奏。
周四
12月11日 星期四
OpenAI 发布 GPT-5.2：做表写代码更强，幻觉再降三成
OpenAI 推出专为专业工作设计的 GPT-5.2 系列模型。其中 Thinking 版本在跨 44 种职业的知识工作基准测试中得分逼近人类专家水平，幻觉发生率较前代降低 30%，表格与幻灯片生成能力明显增强。付费版 ChatGPT 和 API 开发者即日起可用。
Runway 发布通用世界模型 GWM-1：实时交互模拟现实，切入机器人领域
Runway 发布通用世界模型系列 GWM-1。它基于 Gen-4.5 自回归实时逐帧生成，支持镜头姿态与机器人动作交互控制，划分为环境探索、对话化身和机器人控制三类。最值得关注的是它能充当机器人策略的视觉模拟器，大幅降低真机试错成本。
周五
12月5日 星期五
曝 OpenAI 拉响「红色警报」：提前至 12 月 9 日发布 GPT-5.2 反击 Google
消息称 OpenAI 因面临 Google 和 Anthropic 的竞争压力拉响内部「红色警报」，拟将 GPT-5.2 提前至 12 月 9 日发布以反击 Gemini 3。Altman 称新模型内部评测已领先。不过受算力及开发等变数影响，上线时间仍可能微调。
Google 发布 Gemini 3 Pro：主打视觉推理，支持像素级定位与高帧率视频
Google 发布多模态模型 Gemini 3 Pro，主打物理空间与视频推理。模型支持输出像素级坐标以辅助机器人和屏幕操作，视频解析采样提升至 10 FPS，还能将复杂文档直接反向解析为 LaTeX 或代码。
周四
12月4日 星期四
Google 推出 Gemini 3 Deep Think：ARC-AGI-2 刷到 45.1%
Google 宣布在 Gemini 应用中向 Google AI Ultra 订阅用户推出 Gemini 3 Deep Think 模式。该模式采用并行推理同时探索多个假设，在不用工具的情况下取得 Humanity's Last Exam 41.0%，结合代码执行在 ARC-AGI-2 测出 45.1%。
周二
12月2日 星期二
据报 OpenAI 研发新模型 Garlic：提前发布直面 Gemini 3
据 The Information 报道，OpenAI 正加紧研发代号为「Garlic」的新模型，有望明年初提前上线。该模型训练数据集比 GPT-4.5 更小、成本更低，在编程与推理测试中直追 Google Gemini 3。面对对手步步紧逼，CEO Sam Altman 本周已在内部拉响「红色警报」。
周一
12月1日 星期一
DeepSeek 推出 V3.2 与 Speciale：专为智能体打造的推理模型
DeepSeek 推出专为智能体打造的推理模型 DeepSeek-V3.2 及 Speciale 版本。V3.2 作为 V3.2-Exp 的正式继承者，已上线 App、网页端和 API；主打极限推理能力的 Speciale 则暂时仅限 API 访问。
