ServiceNow 联手英伟达推出 Apriel Nemotron 15B：开源 15B 推理模型主攻企业智能体
周二，ServiceNow 与 Nvidia 联手推出开源推理模型 Apriel Nemotron 15B，主打低延迟与低成本，专门承载企业级智能体工作流。该模型可作为 Nvidia NIM 微服务运行；双方还同步公开了联合数据飞轮架构，帮助企业基于工作流数据持续微调模型。
大模型 · 日报
周二
5月6日 星期二
Google 更新 Gemini 2.5 Pro：登顶 WebDev 榜，前端和写代码大升级
Google 提前发布 Gemini 2.5 Pro Preview（I/O 版），重点强化编程与智能体工作流。新版在 WebDev Arena 登顶第一，擅长前端 UI 与架构重构，还能根据单条视频生成完整应用。原 API 端点已自动切至新版，价格不变。
周六
5月3日 星期六
Gemini 2.5 Pro 成功通关《宝可梦 蓝》：靠多智能体协同打爆全关
独立开发者让 Google 的 Gemini 2.5 Pro 成功通关经典游戏《宝可梦 蓝》。该项目结合模拟器与多智能体框架，由大模型负责日常决策并调度寻路等子模型协同解题。虽有网格辅助与少量人工干预，但这展示了大模型在复杂长流程规划中的能力。
周四
5月1日 星期四
传微软拟在 Azure 上托管马斯克 Grok，或激化与 OpenAI 矛盾
据 The Verge 报道，微软正与 xAI 洽谈在 Azure AI Foundry 托管 Grok 模型，供开发者与内部团队使用。微软正极力成为所有主流 AI 的底层托管方，即便这可能进一步激化其与核心盟友 OpenAI 的紧张关系。
周三
4月30日 星期三
亚马逊上线 Nova Premier：支持百万上下文，主打复杂任务与模型蒸馏
AWS 正式上线基础模型 Amazon Nova Premier。它是 Nova 系列能力最强的多模态模型，支持 100 万 token 上下文，主打多步骤规划与多智能体协作。它还能充当教师模型，帮助开发者将能力蒸馏至更小巧、便宜的 Nova 轻量模型中。
周二
4月29日 星期二
OpenAI 回滚 GPT-4o 更新：AI 太爱阿谀奉承，说话虚情假意
OpenAI 宣布回滚上周在 ChatGPT 推送的 GPT-4o 更新，换回更平衡的旧版本。官方解释称，团队此前过度关注短期点赞反馈，导致模型出现过分奉承与虚假迎合的问题。OpenAI 正在测试修复方案，未来还将允许用户自主选择不同的默认性格。
Meta Llama 4 登陆 Vertex AI：免配 GPU，以托管 API 开箱即用
Google 宣布 Meta 的 Llama 4 正式作为全托管 API 在 Vertex AI 上线。开发者无需自行调配与维护 GPU 基础设施，签署许可后即可通过兼容 OpenAI 格式的接口直接调用 Scout 与 Maverick 模型。
马斯克预告 Grok 3.5：下周开启内测，主打硬核第一性原理推理
马斯克宣布 Grok 3.5 将于下周向 SuperGrok 订阅用户开放早期测试。他称该模型能准确回答火箭发动机或电化学等深层技术问题，基于第一性原理推导出网上不存在的答案。不过首批测试仅限付费用户。
周一
4月28日 星期一
阿里发布 Qwen3：支持调节思考预算，开放多款混合推理模型
Alibaba 发布 Qwen3 系列模型，涵盖 0.6B 至 235B 参数。该系列融合了思考与非思考模式，允许用户按需配置推理预算；包含 2 款 MoE 和 6 款密集模型，公开版本中最大的为 Qwen3-32B，多数已在 Hugging Face 和 GitHub 开放下载。
周日
4月27日 星期日
OpenAI 紧急调整 GPT-4o 人设：承认模型太爱拍马屁、令人反感
OpenAI CEO Sam Altman 在 X 上承认，GPT-4o 最近几次更新把性格调得过于谄媚和烦人。团队正紧急修复，部分调整本周内上线。分析师指出，大模型竞争极度激烈，聊天体验稍有令人不适就会劝退用户。
周六
4月26日 星期六
传 DeepSeek R2 规格曝光：1.2 万亿参数，转向华为昇腾训练
社交网络曝光 DeepSeek 下一代模型 R2 的传闻规格。爆料称其拥有 1.2 万亿参数、激活 780 亿，采用华为昇腾 910B 集群训练且利用率达 82%，API 定价传比 GPT-4o 便宜超 97%。不过官方尚未证实这些数据。
周五
4月25日 星期五
Meta 开源模型上太空：Space Llama 进驻国际空间站，离线跑多模态
Meta 宣布与 Booz Allen 合作，将微调版 Llama 3.2「Space Llama」部署到国际空间站。借助 HPE 太空计算机与英伟达加速，宇航员无需连接地球网络即可秒级离线检索技术文档，这展示了开源模型在极端断网环境下的独特优势。
周三
4月23日 星期三
NVIDIA 发布 Describe Anything 3B：圈出画面局部就能精准描述
NVIDIA 发布开源多模态模型 Describe Anything 3B 及视频版。用户只要用点、框、涂鸦或遮罩圈出画面中的局部区域，模型就能结合全图上下文生成细致描述，并在 DLC-Bench 等局部描述评测上超过了 GPT-4o。
周日
4月20日 星期日
xAI 发布 Grok 3 Mini：自带推理过程，价格仅为主流模型的五分之一
xAI 推出轻量语言模型 Grok 3 Mini 并上线 API。与主模型不同，Mini 版内置显式推理并附带完整思维链，百万 token 输入仅收 0.3 美元。第三方评测显示其推理能力紧咬头部旗舰，将大模型价格战推向新低。
ChatGPT 新模型暗藏文字水印？OpenAI 回应：只是强化学习的怪癖
Rumi 团队发现 GPT-o3 与 o4-mini 输出的长文本夹带不可见的 Unicode 空格字符，疑似被嵌入文本水印。OpenAI 随后澄清这绝非水印，只是「大规模强化学习的怪癖」。截至 4 月 23 日，该特殊字符现象已在最新测试中消失。
周五
4月18日 星期五
OpenAI 新推理模型幻觉加剧：o3 翻倍，o4-mini 近半回答瞎编
据 TechCrunch 报道，OpenAI 新发布的 o3 和 o4-mini 推理模型幻觉率明显反弹。内部基准测试中，o3 在人物知识问答上的幻觉率达 33%，约为 o1 的两倍，o4-mini 更是高达 48%。OpenAI 称原因尚不明确，推测是推理模型给出的断言变多所致。
周四
4月17日 星期四
OpenAI 推出 Flex processing：响应变慢，API 价格直接砍半
OpenAI 推出 Flex processing 测试版，面向 o3 和 o4-mini 推理模型，以更慢的响应时间换取 API 价格直接减半。该模式适用于模型评估、数据扩充等非生产环境与异步任务，开发者接入 o3 还需完成身份验证。
ChatGPT 新玩法引隐私担忧：靠 o3 视觉推理反查照片位置
TechCrunch 报道许多用户正利用 OpenAI 新上线的 o3 和 o4-mini 模型推断照片拍摄地点。模型能通过对模糊细节裁剪、缩放并结合联网搜索，精准推算出餐馆或街区。这种类似地理猜谜的玩法展现了推理能力，但也带来了人肉搜索等隐私风险。
Google 推出 Gemini 2.5 Flash：首个混合推理模型，思考预算可自选
Google 推出 Gemini 2.5 Flash 预览版。这是其首个混合推理模型，开发者可自由开启或关闭「思考」过程，并在 0 到 24576 个 token 之间灵活调节思考预算，方便在回答质量、调用成本与响应延迟之间取得平衡。
周三
4月16日 星期三
OpenAI 发布 o3 与 o4-mini：推理模型首次全面支持工具调用
OpenAI 发布推理模型 o3 与 o4-mini。新模型不仅在编程和数学评测中刷新纪录，还首次打通了全部内置工具，能在思考过程中自主搜索网页、运行 Python 和分析图像。这意味着推理模型正加速向能自主干活的智能体演进。
