NVIDIA 发布 Nemotron 模型家族：专为 AI 智能体打造，涵盖 Nano 到 Ultra
NVIDIA 推出面向智能体 AI 的 Llama Nemotron 语言模型与 Cosmos Nemotron 视觉模型家族。新模型分 Nano、Super 与 Ultra 三种尺寸，基于 Llama 架构并经剪枝和蒸馏，兼顾边缘与云端部署，大幅降低企业构建多智能体协同的门槛。
大模型 · 日报
周二
1月7日 星期二
NVIDIA 发布 Cosmos 世界模型：把千里路测放大成数十亿虚拟里程
NVIDIA 在 CES 上推出生成式世界基础模型平台 Cosmos。它被接入自动驾驶三计算方案，包含模型、分词器与视频管线，能将数千英里人类驾驶数据扩增为数十亿英里虚拟里程，帮开发者以极低成本生成极端驾驶场景。模型已在 Hugging Face 开源。
周六
1月4日 星期六
马斯克宣布 Grok 3 预训练完成：算力是 Grok 2 的 10 倍
马斯克在 X 上宣布，xAI 旗下 Grok 3 的预训练已经完成，即将正式推出。据他透露，本次训练消耗的算力达到了 Grok 2 的 10 倍。这意味着 xAI 正全力扩充算力集群，准备正面迎战顶尖大模型。
周三
1月1日 星期三
Sonus AI 发布 Sonus-1 系列模型：推理版 MATH 跑分达 91.8%
Sonus AI 推出 Sonus-1 系列大模型，提供 Mini、Air 及支持思维链推理的 Pro 版本。其中旗舰推理版在 MATH-500 拿到 91.8%，HumanEval 代码评测达 90.0%。全系列模型已上线网页端供用户试用。
周五
12月20日 星期五
OpenAI 压轴公布 o3 推理模型：性能超越 o1，跳过 o2
OpenAI 在「12 天」年终活动收官日公布下一代推理模型 o3 和 o3 mini。新模型在数学竞赛、博士级科学问答与 ARC-AGI 基准上大幅超越 o1。不过普通用户目前还用不上，o3 mini 预计 1 月底上线，完整版 o3 随后推出。
周五
12月13日 星期五
微软发布 14B 小模型 Phi-4：强化数学推理，开启研究预览
微软推出最新小语言模型 Phi-4，参数量为 140 亿。新模型依靠高质量合成数据与后训练优化，重点提升了数学推理能力，对标 GPT-4o mini 等竞品。目前仅在 Azure AI Foundry 平台面向研究用途限量开放。
周四
12月12日 星期四
Anthropic 上线 Claude 3.5 Haiku：网页与移动端可用，性能直逼 Opus
Anthropic 宣布 Claude 网页端和移动端正式上线 Claude 3.5 Haiku。新模型在多项基准测试中比肩甚至超过此前的旗舰 3 Opus，输出长度更长且知识库更新，尤其擅长编程与数据处理。不过，该版本暂不支持图像分析。
新版 Grok-2 向 𝕏 全员免费开放：速度提升 3 倍，支持联网搜索
新版 Grok-2 开始面向 𝕏 平台全体用户免费推送，速度提升 3 倍，多语言与指令遵循能力同步增强。新版整合了联网搜索、引用来源与 Aurora 图像生成功能，并在主页时间线加入 Grok 快捷按钮。开发者 API 亦同步上线新模型并降低价格。
周三
12月11日 星期三
Google 发布 Gemini 2.0：原生输出图音，全面杀入智能体时代
Google 正式推出新一代大模型 Gemini 2.0，首发上线实验版 Gemini 2.0 Flash。新模型不仅速度翻倍、基准测试超过 1.5 Pro，更支持原生图像生成、多语言语音输出和原生工具调用，同时还带来了长篇深度调研功能 Deep Research。
周五
12月6日 星期五
OpenAI 扩大强化微调研究项目：让模型在特定复杂领域变身专家
OpenAI 宣布扩大强化微调（Reinforcement Fine-Tuning）研究项目，开放 Alpha 阶段 API 申请。该技术利用数十到数千个高质量任务及参考答案打分，强化模型推理路径，特别适合法律、医疗、金融等有客观标准答案的领域，预计 2025 年初公开发布。
周四
12月5日 星期四
OpenAI 发布 o1 系统安全卡：靠慢思考把防越狱拉到新高
OpenAI 发布 o1 及 o1-mini 的系统安全卡。报告显示，o1 在思考链中融入了审慎对齐，在应对越狱攻击、违规内容拒绝和幻觉控制上均显著优于 GPT-4o。不过更高的推理能力也带来了新的对齐挑战，比如需要防范链上欺骗。
周二
12月3日 星期二
Tow 中心评测：ChatGPT 搜索新闻常犯错，语气却过度自信
哥伦比亚大学 Tow 中心发布测试报告，指出 ChatGPT 搜索在核实新闻出处时表现不可预测，绝大多数请求都给出了部分或完全错误的回答，却极少承认不确定。OpenAI 回应称该测试属于非典型场景，将持续优化结果。
Amazon 推出 Nova 系列大模型：主打极速与性价比，价格直降 75%
Amazon 发布新一代基础模型家族 Amazon Nova，涵盖 Micro、Lite、Pro 以及图像生成 Canvas 和视频生成 Reel。最值得关注的是，其在 Amazon Bedrock 上不仅响应速度最快，成本还比同级别顶尖模型直接砍掉至少 75%。
周一
12月2日 星期一
ChatGPT 遇到特定人名直接罢工：为防诽谤诉讼硬编码拦截
测试发现 ChatGPT 存在硬编码拦截名单，在任何语境下输入 Brian Hood、Jonathan Turley 等人名都会报错并中断对话。这套过滤机制旨在防止模型胡编事实引发名誉侵权纠纷，不过 API 和开发者平台不受影响。
Cohere 推出 Rerank 3.5：强化复杂推理搜索，支持超百种语言
Cohere 推出企业级重排模型 Rerank 3.5，重点提升了复杂数据推理与多语言检索能力。模型支持中文等 100 多种语言，在金融和电商基准测试中表现亮眼。最值得关注的是，它能有效降低 RAG 系统的幻觉率，目前已同步接入 Amazon Bedrock。
周四
11月28日 星期四
亚马逊研发多模态大模型 Olympus：能读懂视频，减少对 Anthropic 依赖
据 The Information 周三报道，Amazon 研发了代号为 Olympus 的多模态大模型，能处理文本、图像和视频，支持用文字搜索视频中的特定瞬间。尽管亚马逊刚向 Anthropic 追加了 40 亿美元投资，但自研模型显然是为了减少对 Claude 的依赖。该模型最早可能在下周的 AWS re:Invent 上公布。
周三
11月27日 星期三
阿里开源推理模型 QwQ-32B-Preview：对标 OpenAI o1
阿里通义团队发布推理模型 QwQ-32B-Preview。该模型拥有 325 亿参数，在 AIME 和 MATH 测试中跑赢 OpenAI o1-preview。模型采用 Apache 2.0 协议开源，不过阿里也指出它可能出现意外切换语言或陷入循环等问题。
周二
11月26日 星期二
Orange 联手 OpenAI 与 Meta：训练大模型支持西非本土语言
周二，Orange 宣布联手 OpenAI 与 Meta 微调大模型，首期重点攻克西非的沃洛夫语和普拉尔语。三方将训练 Whisper 和 Llama 3.1，成果拟免费开放非商业用途，用于当地公共卫生与教育，让不会读写的群体也能用母语与 AI 交流。
