Google 更新 Gemini 2.5 Flash：长任务表现提 15%，上线最新别名
Google 更新了 Gemini 2.5 Flash 与 Flash-Lite 预览版，已上线 Google AI Studio 和 Vertex AI。新模型重点提升了质量与效率，早期测试显示智能体长任务表现提升 15%。同时官方引入 -latest 别名，调用时无需手动更改版本号即可体验最新模型。
大模型 · 日报
周四
9月25日 星期四
周三
9月24日 星期三
微软采购 Anthropic 模型入驻 Office 365：减少对 OpenAI 独家依赖
微软计划将 Anthropic 的 Claude 模型引入 Office 365，打破此前对 OpenAI 的单一依赖。测试显示 Claude 在 Excel 财务任务与 PPT 制作上优于 OpenAI 模型。值得看的是，微软正通过竞对 AWS 付费调用模型，进一步加速企业级多模型混用。
周二
9月23日 星期二
阿里发布新旗舰 Qwen3-Max：主打编程与智能体，直面顶尖对手
阿里巴巴推出新一代旗舰模型 Qwen3-Max，提供 Instruct 和带工具调用能力的 Thinking 两种版本。官方称其重点强化了编程与 Agent 技能，在 SWE-Bench 和 AIME25 等评测中足以比肩顶尖对手。目前网页端与 API 已同步上线。
周一
9月22日 星期一
DeepSeek 推出 V3.1-Terminus：修掉中英乱码，强化代码与搜索智能体
DeepSeek 推出 DeepSeek-V3.1-Terminus 更新。针对上一版本的用户反馈，新版重点解决了中英文混杂与随机字符乱码的问题，同时强化了 Code Agent 与 Search Agent 的执行能力，让语言输出和智能体表现更稳。
周日
9月21日 星期日
OpenAI 将推高算力服务：部分限 Pro 独享，有的还要额外加钱
OpenAI CEO Sam Altman 宣布将在未来几周推出消耗大量算力的新服务。受高昂成本限制，部分新功能初期仅对 Pro 订阅用户开放，另有一些新产品需额外付费。Altman 称长期目标仍是降低智能成本，但眼下想先看看砸入海量算力能探索出什么新可能。
周五
9月19日 星期五
xAI 发布 Grok 4 Fast：性能逼近 Grok 4 但成本降 98%，免费开放
xAI 推出 Grok 4 Fast，支持 2M 上下文并统一推理与非推理架构。它在保持接近 Grok 4 性能的同时少用 40% 思考 token，综合成本降低 98%，并在 LMArena 搜索榜登顶。该模型已向包括免费版在内的所有用户开放。
周四
9月18日 星期四
Mistral 更新 Magistral 1.2：支持图像分析，小模型能塞进 MacBook
Mistral 推出 Magistral Small 1.2 和 Medium 1.2 推理模型。新版本加入了视觉编码器，可以直接分析图片；其中 24B 参数的 Small 经过量化后，单张 RTX 4090 或 32GB 内存的 MacBook 就能本地跑起来。
周三
9月17日 星期三
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。
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。
周一
9月15日 星期一
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。
周四
9月11日 星期四
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。
周三
9月10日 星期三
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。
周二
9月9日 星期二
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。
周四
8月28日 星期四
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。
周二
8月26日 星期二
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。
