阿里釋出 Qwen3-Max-Thinking：HLE 跑分超越 Gemini 3 Pro 和 GPT-5.2
阿里巴巴旗下通義千問團隊推出閉源推理模型 Qwen3-Max-Thinking。它引入多輪經驗累積的測試時擴充套件機制，並在思考模式下打通搜尋、程式碼和記憶工具。在超難基準 HLE 測試中拿到 49.8 分，壓過 Gemini 3 Pro 與 GPT-5.2。
大模型 · 日報
週一
1月26日 星期一
週六
1月24日 星期六
衛報測試發現：OpenAI GPT-5.2 在爭議話題上引用了馬斯克的 Grokipedia
據《衛報》報道，OpenAI 的 GPT-5.2 在回答伊朗和大屠殺等爭議話題時，直接引用了 xAI 的 AI 百科 Grokipedia。問題是 Grokipedia 此前曾因引用新納粹論壇而飽受爭議。對此 OpenAI 回應稱模型會檢索廣泛公開來源，並配備了安全過濾機制。
週三
1月21日 星期三
Anthropic 釋出全新 Claude 憲法：探討 AI 意識，甚至允許違抗公司命令
Anthropic 公開發布全新版《Claude 憲法》並以 CC0 協議開源。文件直接面向 Claude 撰寫，確立了安全與道德優先於使用者助人的原則，並罕見探討了 AI 擁有意識的可能性。它甚至明確要求 Claude 拒絕執行不正當指令，哪怕要求來自公司自身。
週二
12月23日 星期二
Character.ai 解密預訓練技術：6-bit 梯度壓縮讓通訊開銷驟降
Character.ai 首次公開早期由 Noam Shazeer 帶領研發的 Transformer 預訓練最佳化技巧。其中最引人關注的是 6-bit 梯度壓縮演算法 Squinch，在叢集網路頻寬僅為頂尖系統四分之一的限制下，保持了與 bfloat16 相當的訓練精度。團隊同時還公開了注意力正則化與蒸餾最佳化等工程細節。
週一
12月22日 星期一
OpenAI 加固 ChatGPT Atlas：用自動化紅隊防禦提示注入
OpenAI 公佈針對 ChatGPT Atlas 瀏覽器智慧體的安全更新。官方利用強化學習訓練的自動化紅隊系統模擬複雜多步攻擊，在外部利用出現前主動發現新型提示注入漏洞，並將對抗訓練成果直接推給全量使用者，防止智慧體被惡意網頁或郵件劫持。
週四
12月18日 星期四
Google 釋出 T5Gemma 2：首個支援多模態與 128K 上下文的編碼器-解碼器模型
Google 釋出基於 Gemma 3 的 T5Gemma 2 模型家族，成為首個支援多模態與 128K 長上下文的編碼器-解碼器架構。新模型通過合併注意力和繫結詞嵌入精簡引數，提供 3.7 億至 70 億等緊湊尺寸，專為端側部署打造。目前僅提供預訓練權重，需開發者自行微調。
Google 釋出 FunctionGemma：270M 端側小模型專攻函式呼叫
Google 釋出 FunctionGemma，基於 Gemma 3 270M 專門針對函式呼叫微調。它體積極小，能離線跑在手機或 Jetson Nano 上，微調後任務準確率從 58% 升至 85%，可充當本地獨立智慧體或複雜任務的分流排程器。
OpenAI 釋出 GPT-5.2-Codex：強化長程重構與網路安全能力
OpenAI 推出面向軟體工程的智慧體編碼模型 GPT-5.2-Codex。新模型優化了長上下文壓縮，更擅長處理大型程式碼重構與遷移，並在防禦性網路安全測試中表現亮眼。目前已面向 ChatGPT 付費使用者開放 Codex 訪問，API 也將在未來幾週上線。
週三
12月17日 星期三
Google 釋出 Gemini 3 Flash：速度快 3 倍，免費成應用預設模型
Google 正式推出 Gemini 3 Flash。它在保持 Pro 級推理與多模態能力的同時，速度比 Gemini 2.5 Pro 提升 3 倍，SWE-bench 程式設計跑分更達到 78%。最關鍵的是，它已成為 Gemini 應用和搜尋 AI 模式的預設免費模型，API 每百萬輸入 token 僅需 0.5 美元。
週二
12月16日 星期二
Meta 推出 SAM Audio：像摳圖一樣摳聲音，支援點選畫面和文字分離
Meta 推出聲音分割多模態模型 SAM Audio。就像此前在影像領域分割物體一樣，它支援使用者通過文本描述、直接在影片中點選畫面目標（如吉他）或標記時間段，從複雜混音中精準分離出特定聲音。目前模型已上線 Segment Anything Playground 供公開體驗。
週五
12月12日 星期五
Google 升級 Gemini 原生音訊：多輪對話更穩，翻譯 App 上線即時同傳
Google 推出升級版 Gemini 2.5 Flash Native Audio，大幅提升了語音智慧體的工具呼叫準確率和長對話連貫性。同時 Google 翻譯 App 上線耳機即時同傳測試版，支援 70 多種語言雙向交流，還能保留說話者的語調與節奏。
週四
12月11日 星期四
OpenAI 釋出 GPT-5.2：做表寫程式碼更強，幻覺再降三成
OpenAI 推出專為專業工作設計的 GPT-5.2 系列模型。其中 Thinking 版本在跨 44 種職業的知識工作基準測試中得分逼近人類專家水平，幻覺發生率較前代降低 30%，表格與幻燈片生成能力明顯增強。付費版 ChatGPT 和 API 開發者即日起可用。
Runway 釋出通用世界模型 GWM-1：即時互動模擬現實，切入機器人領域
Runway 釋出通用世界模型系列 GWM-1。它基於 Gen-4.5 自迴歸即時逐幀生成，支援鏡頭姿態與機器人動作互動控制，劃分為環境探索、對話化身和機器人控制三類。最值得關注的是它能充當機器人策略的視覺模擬器，大幅降低真機試錯成本。
週五
12月5日 星期五
曝 OpenAI 拉響「紅色警報」：提前至 12 月 9 日釋出 GPT-5.2 反擊 Google
訊息稱 OpenAI 因面臨 Google 和 Anthropic 的競爭壓力拉響內部「紅色警報」，擬將 GPT-5.2 提前至 12 月 9 日釋出以反擊 Gemini 3。Altman 稱新模型內部評測已領先。不過受算力及開發等變數影響，上線時間仍可能微調。
Google 釋出 Gemini 3 Pro：主打視覺推理，支援畫素級定位與高幀率影片
Google 釋出多模態模型 Gemini 3 Pro，主打物理空間與影片推理。模型支援輸出畫素級座標以輔助機器人和螢幕操作，影片解析取樣提升至 10 FPS，還能將複雜文件直接反向解析為 LaTeX 或程式碼。
週四
12月4日 星期四
Google 推出 Gemini 3 Deep Think：ARC-AGI-2 刷到 45.1%
Google 宣佈在 Gemini 應用中向 Google AI Ultra 訂閱使用者推出 Gemini 3 Deep Think 模式。該模式採用並行推理同時探索多個假設，在不用工具的情況下取得 Humanity's Last Exam 41.0%，結合程式碼執行在 ARC-AGI-2 測出 45.1%。
週二
12月2日 星期二
據報 OpenAI 研發新模型 Garlic：提前釋出直面 Gemini 3
據 The Information 報道，OpenAI 正加緊研發代號為「Garlic」的新模型，有望明年初提前上線。該模型訓練資料集比 GPT-4.5 更小、成本更低，在程式設計與推理測試中直追 Google Gemini 3。面對對手步步緊逼，CEO Sam Altman 本週已在內部拉響「紅色警報」。
週一
12月1日 星期一
DeepSeek 推出 V3.2 與 Speciale：專為智慧體打造的推理模型
DeepSeek 推出專為智慧體打造的推理模型 DeepSeek-V3.2 及 Speciale 版本。V3.2 作為 V3.2-Exp 的正式繼承者，已上線 App、網頁端和 API；主打極限推理能力的 Speciale 則暫時僅限 API 訪問。
