Google 更新 Gemini 2.5 Flash：長任務表現提 15%，上線最新別名
Google 更新了 Gemini 2.5 Flash 與 Flash-Lite 預覽版，已上線 Google AI Studio 和 Vertex AI。新模型重點提升了質量與效率，早期測試顯示智慧體長任務表現提升 15%。同時官方引入 -latest 別名，呼叫時無需手動更改版本號即可體驗最新模型。
大模型 · 日報
週四
9月25日 星期四
週三
9月24日 星期三
微軟採購 Anthropic 模型入駐 Office 365：減少對 OpenAI 獨家依賴
微軟計劃將 Anthropic 的 Claude 模型引入 Office 365，打破此前對 OpenAI 的單一依賴。測試顯示 Claude 在 Excel 財務任務與 PPT 製作上優於 OpenAI 模型。值得看的是，微軟正通過競對 AWS 付費呼叫模型，進一步加速企業級多模型混用。
週二
9月23日 星期二
阿里釋出新旗艦 Qwen3-Max：主打程式設計與智慧體，直面頂尖對手
阿里巴巴推出新一代旗艦模型 Qwen3-Max，提供 Instruct 和帶工具呼叫能力的 Thinking 兩種版本。官方稱其重點強化了程式設計與 Agent 技能，在 SWE-Bench 和 AIME25 等評測中足以比肩頂尖對手。目前網頁端與 API 已同步上線。
週一
9月22日 星期一
DeepSeek 推出 V3.1-Terminus：修掉中英亂碼，強化程式碼與搜尋智慧體
DeepSeek 推出 DeepSeek-V3.1-Terminus 更新。針對上一版本的使用者反饋，新版重點解決了中英文混雜與隨機字元亂碼的問題，同時強化了 Code Agent 與 Search Agent 的執行能力，讓語言輸出和智慧體表現更穩。
週日
9月21日 星期日
OpenAI 將推高算力服務：部分限 Pro 獨享，有的還要額外加錢
OpenAI CEO Sam Altman 宣佈將在未來幾週推出消耗大量算力的新服務。受高昂成本限制，部分新功能初期僅對 Pro 訂閱使用者開放，另有一些新產品需額外付費。Altman 稱長期目標仍是降低智慧成本，但眼下想先看看砸入海量算力能探索出什麼新可能。
週五
9月19日 星期五
xAI 釋出 Grok 4 Fast：效能逼近 Grok 4 但成本降 98%，免費開放
xAI 推出 Grok 4 Fast，支援 2M 上下文並統一推理與非推理架構。它在保持接近 Grok 4 效能的同時少用 40% 思考 token，綜合成本降低 98%，並在 LMArena 搜尋榜登頂。該模型已向包括免費版在內的所有使用者開放。
週四
9月18日 星期四
Mistral 更新 Magistral 1.2：支援影像分析，小模型能塞進 MacBook
Mistral 推出 Magistral Small 1.2 和 Medium 1.2 推理模型。新版本加入了視覺編碼器，可以直接分析圖片；其中 24B 引數的 Small 經過量化後，單張 RTX 4090 或 32GB 記憶體的 MacBook 就能本地跑起來。
週三
9月17日 星期三
馬斯克發帖押注 Grok 5：xAI 有機會藉此實現 AGI
馬斯克在社交平臺 X 上公開表示，xAI 有機會憑藉下一代模型 Grok 5 實現通用人工智慧（AGI），並稱自己「以前從沒這麼想過」。這番判斷源於 Grok 4 在基準測試中的得分表現。不過作為曾呼籲暫停大模型訓練的科技大佬，他這次的激進預言也伴隨著業界的質疑。
Gemini 2.5 拿下 ICPC 金牌水平：12 題解出 10 題，排位相當於全球第二
Google DeepMind 宣佈進階版 Gemini 2.5 Deep Think 在 2025 年 ICPC 全球總決賽中取得金牌級表現。它在 5 小時內解出 10 道題，成績相當於全球高校隊伍第 2 名，甚至攻克了現場人類隊伍全軍覆沒的 C 題。目前其輕量版已向部分訂閱使用者開放。
週一
9月15日 星期一
Spectral Labs 釋出 SGS-1：能直接生成可編輯 CAD 檔案的 AI 模型
Spectral Labs 釋出生成模型 SGS-1。輸入單張圖片、手繪草圖或 STL 等網格檔案，它能直接輸出工業標準的 STEP 格式引數化 B-Rep 模型，方便在傳統 CAD 軟體中二次編輯或放入裝配體。不過它目前難以生成複雜有機曲面和超薄結構。
Meta 釋出端側模型 MobileLLM-R1：引數低於 1B，數學能力翻倍
Meta 在 Hugging Face 開源端側推理模型家族 MobileLLM-R1，引數量在 140M 到 950M 之間。它專攻數學與程式碼推理，950M 版本在 MATH500 上的表現達到同類開源模型的 2 到 5 倍，且訓練僅消耗 4.2T token。不過該系列採用非商用許可，通用對話能力偏弱。
週四
9月11日 星期四
阿里釋出 Qwen3-Next-80B-A3B：總引數 80B 僅啟用 3B，推理提速 10 倍
阿里巴巴釋出 Qwen3-Next-80B-A3B。該模型擁有 800 億總引數，但每個 token 僅啟用 30 億引數，訓練成本降低 10 倍，推理速度比 Qwen3-32B 快 10 倍。其 Thinking 版本在推理能力上超越了 Gemini-2.5-Flash-Thinking。
週三
9月10日 星期三
大模型溫度為 0 仍會變？Thinking Machines 稱真兇在動態批次
Thinking Machines AI 發文剖析大模型推理不可復現的根源。業內常將「溫度為 0 仍給不同結果」歸咎於 GPU 浮點計算併發衝突，但團隊發現前向傳播本身並無原子累加，真正的罪魁禍首是推理服務因動態批處理缺乏「批次不變性」，輸出會因與其他併發請求湊批而改變。
週二
9月9日 星期二
百度釋出 ERNIE X1.1 推理模型：事實性提升近 35%，對標 GPT-5
百度在 WAVE SUMMIT 2025 上推出推理模型 ERNIE X1.1，並開源 ERNIE-4.5-21B-A3B-Thinking。ERNIE X1.1 相比前代事實性提升 34.8%，官方稱綜合表現超越 DeepSeek R1-0528，對標 GPT-5 和 Gemini 2.5 Pro。模型已上線文心一言與文小言。
週四
8月28日 星期四
微軟推出兩款自研模型：語音模型 MAI-Voice 與端到端基座 MAI-1
Microsoft 釋出首批自研模型。語音模型 MAI-Voice-1 單卡不到一秒即可生成一分鐘音訊，已接入 Copilot；首個端到端混合專家模型 MAI-1-preview 使用約 1.5 萬張 H100 訓練，正上線 LMArena 公測。微軟正加速強化自研技術儲備。
OpenAI 正式上線 Realtime API：推出 gpt-realtime，接打電話還降價 20%
OpenAI 宣佈 Realtime API 正式商用，並推出端到端語音模型 gpt-realtime。新模型支援 SIP 電話直連、圖片輸入和遠端 MCP 工具呼叫，能在等待函式執行時自然接話，價格比預覽版降了 20%。
xAI 推出首個程式碼模型 Grok Code Fast 1：限時免費接入 Copilot 與 Cursor
xAI 推出首個專為智慧體程式設計設計的程式碼模型 Grok Code Fast 1，主打高速度與低成本，SWE-bench 得分為 70.8%。該模型目前已限時免費接入 GitHub Copilot 和 Cursor，不過初期反饋顯示其在處理複雜任務時仍較容易出錯。
週二
8月26日 星期二
Character.AI 爆改開源模型：新模型 PipSqueak 讓使用者時長漲了 22%
Character.AI 宣佈通過後訓練將開源模型改造成高情商娛樂模型，並向數百萬使用者推出新模型 PipSqueak。測試顯示使用者停留時長提升了 22%，低活躍使用者留存提升 14%。他們打算針對劇本創作、播客等娛樂場景做更細分的專屬微調。
Nous Research 釋出 Hermes 4：引入混合推理與極低拒答率
Nous Research 推出基於 Llama-3.1-70B 的 Hermes 4 並改版 Nous Chat 平臺。模型支援顯式 `<think>` 標籤的混合推理，後訓練語料擴增至 600 億 token。在團隊設立的 RefusalBench 測試中，其以極低的不合理拒答率和高服從性拿下第一。
