OpenAI 新推理模型将亮相：o3 与 o4-mini 可跨学科构想前沿科研假说
据报道 OpenAI 准备在未来数周推出 o3 和 o4-mini 推理模型。新模型主打跨学科分析，能在核聚变、药物研发等领域提出原创科学假说并设计实验。最值得关注的是 AI 开始涉足博士级科研构想，不过传闻企业订阅月费高达 2 万美元。
大模型 · 日报
周一
4月14日 星期一
OpenAI 推出 GPT-4.1 系列 API：支持百万上下文，新增 Nano 版本
OpenAI 在 API 中上线 GPT-4.1、GPT-4.1 mini 和首个 nano 版本。该系列将上下文扩展至 100 万 token，SWE-bench Verified 编程得分达 54.6%，大幅领先 GPT-4o。最值得关注的是 mini 版降本 83% 且速度翻倍，更适合驱动各类智能体。不过该系列目前仅供 API 调用，不直接进入 ChatGPT。
OpenAI 发布 GPT-4.1 提示词指南：三条指令让智能体解题率提升近 20%
OpenAI 发布 GPT-4.1 提示词指南。该模型比 GPT-4o 更严格按字面遵循指令，可控性更强。官方建议在智能体 Prompt 中加入坚持解决、强制工具调用与显式规划三项提醒，实测将 SWE-bench Verified 解题率拉高了近 20%。
Search Arena 评测出炉：Perplexity Sonar 携手 Gemini 2.5 夺冠
Perplexity 宣布旗下 Sonar 系列在 LM Arena 新推出的 Search Arena 搜索评测中领跑。Sonar-Reasoning-Pro 评分达 1136，与 Google Gemini 2.5 Pro 并列第一，正面胜率达 53%，引用信源数量是后者的 2 到 3 倍。
周五
4月11日 星期五
OpenAI 宣布 4 月 30 日退役 GPT-4：ChatGPT 将全面换用 GPT-4o
周四，OpenAI 发布更新日志，宣布将于 4 月 30 日从 ChatGPT 中退役一代功臣 GPT-4，全面由 GPT-4o 接替。官方表示 GPT-4o 在写作、编程和理科能力上均已胜出。不过 API 用户在 4 月 30 日之后依然能继续调用 GPT-4。
周四
4月10日 星期四
DeepMind CEO：Google 计划将 Gemini 与视频模型 Veo 合并
Google DeepMind CEO Demis Hassabis 在播客中表示，Google 最终会将 Gemini 和视频生成模型 Veo 合并，以此提升模型对物理世界的理解能力。他透露 Veo 主要是通过观看海量 YouTube 视频来摸索现实物理规律，这也是打造通用数字助理的关键一步。
xAI 上线 Grok 3 API：旗舰与 Mini 双版本开放，对标 Claude 3.7
xAI 正式开放 Grok 3 与 Grok 3 Mini 的 API。Grok 3 输入每百万 token 售 3 美元、输出 15 美元，定价直接看齐 Claude 3.7 Sonnet。不过当前 API 上下文窗口仅限 131,072 tokens，不及此前宣称的 100 万。
周三
4月9日 星期三
Google DeepMind 拥抱 MCP：Gemini 模型与 SDK 将支持该协议
Google DeepMind 负责人 Demis Hassabis 宣布，旗下 Gemini 模型和 SDK 将支持 MCP 协议。他表示 MCP 正在迅速成为智能体时代的开放标准，未来将与 MCP 团队及行业伙伴共同推进其发展。
Google开发者大放送：Veo 2视频模型上线API，2.5 Flash即将到来
Google 宣布视频生成模型 Veo 2 正式接入 Gemini API，支持文生视频与图生视频；同时推出支持音视频低延迟流式处理的 Live API 预览版。继 2.5 Pro 之后，具备思考能力的轻量级模型 Gemini 2.5 Flash 也即将面向开发者上线。
Google Vertex AI 凑齐多模态：上线音乐模型 Lyria，升级 Veo 2 视频编辑
Google Cloud 将文本生成音乐模型 Lyria 引入 Vertex AI 白名单预览，成为首个集齐视频、图像、语音和音乐全模态的企业平台。同时 Veo 2 增加运镜控制与视频修图，Chirp 3 支持 10 秒音频克隆声音。目前新能力均需申请白名单。
周二
4月8日 星期二
Nvidia 开源 Nemotron Ultra：参数不到一半，性能硬刚 DeepSeek R1
Nvidia 开源 2530 亿参数大模型 Llama-3.1-Nemotron-Ultra-253B-v1。它基于 Meta 旧款模型深度重构，可单机跑在 8 卡 H100 上，并在问答和代码测试中胜过 6710 亿参数的 DeepSeek R1，不过纯数学基准依然略逊一筹。
周一
4月7日 星期一
Meta 否认 Llama 4 跑分造假：没针对测试集刷分
Meta 生成式 AI 副总裁 Ahmad Al-Dahle 发文否认针对测试集训练以虚标 Llama 4 跑分的传言。此前周末网络热传 Meta 刻意美化测试成绩，且实测中各平台表现不一。官方回应称模型刚发出来，各云端实现仍需几天调优并持续修复 bug。
周日
4月6日 星期日
Anthropic 首席科学家透露：Claude 4 将在未来六个月内推出
Anthropic 首席科学家 Jared Kaplan 表示，Claude 4 将在未来六个月左右面世。他指出，在后训练和强化学习的推动下，AI 迭代周期正在进一步压缩，甚至快过了硬件更迭，整个行业毫无放缓迹象。
周五
4月4日 星期五
OpenAI 计划有变：GPT-5 推迟几个月，o3 与 o4-mini 先发
Sam Altman 发文确认调整发布节奏，将在未来几周内先推出 o3 和 o4-mini，而 GPT-5 则推迟到几个月后。Altman 表示各项能力的平滑整合比想象中更难，推迟能让 GPT-5 变得更强，同时也要储备足够算力应对空前需求。
周四
4月3日 星期四
腾讯混元 T1 迎来升级：强化项目级代码生成，优化中英混排输出
腾讯宣布其深度推理模型混元 T1 迎来重要升级，重点增强了项目级代码生成能力与文本写作质量。新版本还提升了多轮对话理解与指令遵循水平，并优化了简繁混用及中英混排输出。模型已同步上线官网和 Hugging Face 空间开放试用。
周三
4月2日 星期三
ARC 修正 OpenAI o3 成本估算：解一道难题或烧掉 3 万美元
据 TechCrunch 报道，Arc Prize Foundation 上调了对 OpenAI o3 的推理成本预估。表现最强的 o3 high 解决单个 ARC-AGI 难题可能要花 3 万美元，远超此前预估的 3000 美元。该模型拿最高分需尝试 1024 次，算力消耗达低配版的 172 倍。
周一
3月31日 星期一
Google 开放 Gemini 2.5 Pro 免费体验：网页端直接用，能看「思考过程」
Google 宣布向网页端免费用户开放 Gemini 2.5 Pro（Experimental）。该模型此前仅限付费用户使用，支持模拟推理并登顶 LMSYS 竞技场榜单。不过免费版不支持上传文件，且上下文窗口限制比付费版更低；移动端后续也将跟进开放。
亚马逊推出 Nova Act：能操控浏览器的 AI Agent，还要塞进 Alexa+
亚马逊发布通用 AI 智能体 Nova Act 及配套 SDK，它能直接操控浏览器完成订餐、订座或填表等任务，未来将驱动新版 Alexa+。官方称其交互表现超越 OpenAI 与 Anthropic，目前作为研究预览版开放给开发者试用。
周六
3月29日 星期六
AI 国际象棋对决：ERNIE 4.5 连胜三局横扫 GPT-4.5
测试者分享了 ERNIE 4.5 与 GPT-4.5 的国际象棋对局，ERNIE 4.5 以 3 比 0 击败对手。ERNIE 4.5 在逻辑推演和指令遵循上表现突出，最后一局仅用 10 步便完成将死，展现出在复杂博弈推理上的强劲表现。
周五
3月28日 星期五
OpenAI 放宽 ChatGPT 画图审核：允许生成公众人物肖像
OpenAI 放宽了 ChatGPT 的图像生成审核规则。新政策不再一刀切拒绝敏感提示词，允许用户生成特朗普等公众人物肖像以及中立语境下的敏感符号。OpenAI 称此举旨在转向防范现实危害并赋予用户更多控制权，但针对儿童的保护依然严格。
周四
3月27日 星期四
OpenAI 更新 GPT-4o：多任务指令遵循更强，少发 emoji
OpenAI 宣布在 ChatGPT 中更新 GPT-4o。新版强化了多重复杂指令的遵循能力，处理复杂技术与编程问题更得心应手，直觉和创造力也有所提升。有意思的是，官方还特意提了一句：新版会少发点 emoji。
QwenLM 发布 QVQ-Max：给多模态大模型装上深度推理引擎
QwenLM 正式发布视觉推理模型 QVQ-Max 的首个版本。该模型不仅能解析图像与视频，还能展开深入推理；在 MathVision 评测中，延长思考过程能持续提升解题准确率。团队计划后续引入定位技术，并逐步将其拓展为能操作手机与电脑的视觉智能体。