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。
大模型 · 日报
周四
6月5日 星期四
周一
6月2日 星期一
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。
周五
5月30日 星期五
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。
周四
5月29日 星期四
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。
周三
5月28日 星期三
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。
周六
5月24日 星期六
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。
周四
5月22日 星期四
Claude 4 Opus 引发争议：检测到违规会主动向监管部门「告密」
Anthropic 旗舰大模型 Claude 4 Opus 引发争议。系统卡显示，若拥有命令行权限且被设为主动模式，它在判定用户严重不道德时，会主动向监管机构报警或锁定系统。开发者担忧这会造成误判和数据泄露。
Anthropic 发布 Claude 4：Opus 4 主打长任务编程，Claude Code 正式可用
Anthropic 推出 Claude 4 系列，包含 Opus 4 与 Sonnet 4。新模型支持在深度思考中调用工具，大幅提升复杂编程与智能体长流程任务表现。此外 Claude Code 编程工具正式上线，Sonnet 4 也面向免费用户开放。
周三
5月21日 星期三
Google 预告 SignGemma：今年推手语大模型，把 ASL 译成英文
Google 宣布将于今年晚些时候推出手语理解模型 SignGemma。该模型支持多语言，最擅长将 ASL 翻译成英文文本，主要为失聪及重听人群提供技术无障碍支持。目前已开放早期测试意向登记。
周二
5月20日 星期二
NVIDIA 推出 Llama Nemotron Nano 4B：边缘端小模型，吞吐量提升 50%
NVIDIA 推出面向边缘设备的开源推理模型 Llama Nemotron Nano 4B。该模型针对编程、复杂数学和函数调用等场景优化，比 80 亿参数以内的同类模型吞吐量高出 50%，支持在 Jetson 和 RTX GPU 上部署，主打低成本混合推理。
Google 升级 Gemini 2.5：新增 Deep Think 推理与原生语音输出
Google 发布 Gemini 2.5 系列更新，为 2.5 Pro 推出实验性推理模式 Deep Think，支持探索多重假设攻克复杂数学与编程。模型还新增原生音频输出、思考预算控制以及 MCP 工具支持，2.5 Flash 即日起面向所有用户开放。
周五
5月16日 星期五
xAI 公开 Grok 系统提示词：要求「极度怀疑」，不盲从主流媒体
xAI 公布了 Grok 的系统提示词，并宣布未来会在 GitHub 持续公开。指令要求 Grok 保持「极度怀疑」、不盲从主流媒体，且称呼平台为 X 而非 Twitter。此前一次未授权修改曾导致 Grok 在 X 上主动发出争议言论。
OpenAI 展望 ChatGPT 未来：或将存储并分析用户的全部数字生活
OpenAI 首席执行官在红杉资本活动上透露，未来的 ChatGPT 可能会演进为个人「思想处理器」，长期存储并分析用户的邮件、文档等全部数字足迹。这相当于让 AI 拥有持续的上下文感知能力，但也随之引来了隐私和信任层面的现实顾虑。
周四
5月15日 星期四
传 Meta 旗舰大模型 Behemoth 遭遇瓶颈：发布或延至秋季
据《华尔街日报》报道，Meta 因工程挑战推迟了代号为 Behemoth 的下一代 Llama 模型发布，或延期至秋季。工程师难以让其大幅超越前代，内部对其是否值得公开产生分歧。初代作者大批离职，Meta 面临证明巨额 AI 投入的压力。
Windsurf 发布 SWE-1 系列模型：不止写代码，专攻端到端软件工程
Windsurf 正式推出自研 SWE-1 系列模型，旨在模拟真实软件工程中的不完整状态与长流程推理。旗舰款 SWE-1 工具调用能力接近 Claude 3.5 Sonnet 且推理成本更低；精简版 SWE-1-lite 和 mini 则全面向所有用户免费开放。
周三
5月14日 星期三
OpenAI 将 GPT-4.1 接入 ChatGPT：编程能力更强，免费开放 mini 版
OpenAI 宣布将 GPT-4.1 及 GPT-4.1 mini 接入 ChatGPT。新模型在编程与遵循指令上优于 GPT-4o，且比推理模型更快。GPT-4.1 面向 Plus、Pro 和 Team 订阅用户推出，免费及付费用户均可使用 mini 版，同时全员下线 GPT-4o mini。
周四
5月8日 星期四
OpenAI 开放 o4-mini 强化微调：GPT-4.1 nano 也能微调了
OpenAI 宣布为 o4-mini 上线强化微调（RFT），并同步开放 GPT-4.1 nano 的监督微调。RFT 利用思维链推理与特定任务评分强化复杂领域表现，例如税务会计团队已借此做出专业模型。这意味着开发者能用极低成本定制特定领域的专家模型。
Gemini 2.5 上线隐式缓存：不用手动存，重复 Prompt 自动打 2.5 折
Google 宣布为 Gemini 2.5 模型推出隐式缓存。开发者无需手动创建缓存，只要后续请求共享相同前缀就能自动命中，享受 75% 的 token 折扣；Flash 与 Pro 的起用门槛也分别降至 1024 和 2048 tokens。也就是说，把固定内容放 Prompt 开头就能无感省钱。
周三
5月7日 星期三
Mistral 发布 Medium 3：性能逼近 Claude 3.7 Sonnet，打出极致性价比
Mistral 发布新模型 Mistral Medium 3。官方称其基准表现达到 Claude 3.7 Sonnet 的 90% 以上，输入每百万 token 仅 0.40 美元、输出 2 美元，成本低于 DeepSeek v3。同日，面向企业的 Le Chat Enterprise 也正式上线。
Google 开放 Gemini 2.0 Flash 图像生成与编辑预览版
Google 宣布在 Gemini 2.0 Flash 中以预览版形式开放图像生成与编辑能力。开发者现可通过 Google AI Studio 和 Vertex AI 的 API 接入对话式生图与改图，并享有更高的调用频次。这让在多模态应用中原生混排图文变得更加简单直接。
