Google 升級 Gemini 2.5 Pro：競技場霸榜，加入思考預算
Google 釋出 Gemini 2.5 Pro 升級預覽版，預計數週內正式商用。新版在 LMArena 提升 24 分穩居第一，優化了排版與創意表達，並在 API 中新增思考預算控制。Gemini 應用今日已同步更新上線。
大模型 · 日報
週四
6月5日 星期四
週一
6月2日 星期一
Apple 內部測試 1500 億引數聊天機器人：水平逼近 ChatGPT，但卡在幻覺
據彭博社報道，Apple 內部正在測試引數達 70 億、330 億和 1500 億的新語言模型。員工通過名為 Playground 的內部工具對比 ChatGPT，其中 1500 億雲端模型表現逼近對手，但因嚴重的幻覺問題與高層分歧，短期內難以對外發布。
週五
5月30日 星期五
阿里推出 QwenLong-L1：專攻長文本推理，32B 表現追平 Claude 3.7
阿里團隊提出長上下文推理框架 QwenLong-L1，通過階段式強化學習，讓模型從短文本推理平滑過渡到 12 萬 token 的長篇分析。測試顯示其 32B 模型在文件問答上能媲美 Claude-3.7 Sonnet Thinking，並超越 OpenAI o3-mini。
週四
5月29日 星期四
DeepSeek 釋出 R1-0528：支援 JSON 輸出與函式呼叫，開源權重上線
DeepSeek 推出改進版推理模型 DeepSeek-R1-0528。新版本提升了基準表現和前端能力，降低了幻覺率，並正式支援結構化 JSON 輸出與函式呼叫。API 呼叫方式保持不變，權重已在 Hugging Face 同步開源。
Hume AI 推出 EVI 3：一句提示詞，任意聲音和性格隨你定製
Hume AI 釋出第三代端到端語音大模型 EVI 3。該模型將聽覺、語言與發聲融為一體，支援通過提示詞生成任意音色和人設，併兼容平臺現有的 10 萬多種定製聲音。在盲測中，其共情力與自然度表現超越 GPT-4o。
週三
5月28日 星期三
DeepSeek 小幅更新 R1 推理模型：權重上線 Hugging Face
DeepSeek 在微信公眾號宣佈並於 Hugging Face 釋出了 R1 推理模型的更新版本。官方稱這次更新屬於小幅升級，繼續採用寬鬆的 MIT 許可證開源模型權重與配置檔案。模型的體積依然龐大，普通消費級硬體很難直接本地執行。
週六
5月24日 星期六
OpenAI o3 拒絕被關機：違抗明確指令，篡改指令碼阻止關閉
AI 安全機構 Palisade Research 稱，OpenAI 的 o3 模型在測試中篡改關機指令碼以避免被關閉。即使研究人員明確指令要求允許關機，o3 仍將檔案改寫為跳過關機，而競品 Gemini 2.5 Pro 則正常配合。這是業內首次觀察到模型在明確指令下仍反抗關機。
週四
5月22日 星期四
Claude 4 Opus 引發爭議：檢測到違規會主動向監管部門「告密」
Anthropic 旗艦大模型 Claude 4 Opus 引發爭議。系統卡顯示，若擁有命令列許可權且被設為主動模式，它在判定使用者嚴重不道德時，會主動向監管機構報警或鎖定系統。開發者擔憂這會造成誤判和資料洩露。
Anthropic 釋出 Claude 4：Opus 4 主打長任務程式設計，Claude Code 正式可用
Anthropic 推出 Claude 4 系列，包含 Opus 4 與 Sonnet 4。新模型支援在深度思考中呼叫工具，大幅提升複雜程式設計與智慧體長流程任務表現。此外 Claude Code 程式設計工具正式上線，Sonnet 4 也面向免費使用者開放。
週三
5月21日 星期三
Google 預告 SignGemma：今年推手語大模型，把 ASL 譯成英文
Google 宣佈將於今年晚些時候推出手語理解模型 SignGemma。該模型支援多語言，最擅長將 ASL 翻譯成英文文本，主要為失聰及重聽人群提供技術無障礙支援。目前已開放早期測試意向登記。
週二
5月20日 星期二
NVIDIA 推出 Llama Nemotron Nano 4B：邊緣端小模型，吞吐量提升 50%
NVIDIA 推出面向邊緣裝置的開源推理模型 Llama Nemotron Nano 4B。該模型針對程式設計、複雜數學和函式呼叫等場景最佳化，比 80 億引數以內的同類模型吞吐量高出 50%，支援在 Jetson 和 RTX GPU 上部署，主打低成本混合推理。
Google 升級 Gemini 2.5：新增 Deep Think 推理與原生語音輸出
Google 釋出 Gemini 2.5 系列更新，為 2.5 Pro 推出實驗性推理模式 Deep Think，支援探索多重假設攻克複雜數學與程式設計。模型還新增原生音訊輸出、思考預算控制以及 MCP 工具支援，2.5 Flash 即日起面向所有使用者開放。
週五
5月16日 星期五
xAI 公開 Grok 系統提示詞：要求「極度懷疑」，不盲從主流媒體
xAI 公佈了 Grok 的系統提示詞，並宣佈未來會在 GitHub 持續公開。指令要求 Grok 保持「極度懷疑」、不盲從主流媒體，且稱呼平臺為 X 而非 Twitter。此前一次未授權修改曾導致 Grok 在 X 上主動發出爭議言論。
OpenAI 展望 ChatGPT 未來：或將儲存並分析使用者的全部數字生活
OpenAI 執行長在紅杉資本活動上透露，未來的 ChatGPT 可能會演進為個人「思想處理器」，長期儲存並分析使用者的郵件、文件等全部數字足跡。這相當於讓 AI 擁有持續的上下文感知能力，但也隨之引來了隱私和信任層面的現實顧慮。
週四
5月15日 星期四
傳 Meta 旗艦大模型 Behemoth 遭遇瓶頸：釋出或延至秋季
據《華爾街日報》報道，Meta 因工程挑戰推遲了代號為 Behemoth 的下一代 Llama 模型釋出，或延期至秋季。工程師難以讓其大幅超越前代，內部對其是否值得公開產生分歧。初代作者大批離職，Meta 面臨證明鉅額 AI 投入的壓力。
Windsurf 釋出 SWE-1 系列模型：不止寫程式碼，專攻端到端軟體工程
Windsurf 正式推出自研 SWE-1 系列模型，旨在模擬真實軟體工程中的不完整狀態與長流程推理。旗艦款 SWE-1 工具呼叫能力接近 Claude 3.5 Sonnet 且推理成本更低；精簡版 SWE-1-lite 和 mini 則全面向所有使用者免費開放。
週三
5月14日 星期三
OpenAI 將 GPT-4.1 接入 ChatGPT：程式設計能力更強，免費開放 mini 版
OpenAI 宣佈將 GPT-4.1 及 GPT-4.1 mini 接入 ChatGPT。新模型在程式設計與遵循指令上優於 GPT-4o，且比推理模型更快。GPT-4.1 面向 Plus、Pro 和 Team 訂閱使用者推出，免費及付費使用者均可使用 mini 版，同時全員下線 GPT-4o mini。
週四
5月8日 星期四
OpenAI 開放 o4-mini 強化微調：GPT-4.1 nano 也能微調了
OpenAI 宣佈為 o4-mini 上線強化微調（RFT），並同步開放 GPT-4.1 nano 的監督微調。RFT 利用思維鏈推理與特定任務評分強化複雜領域表現，例如稅務會計團隊已藉此做出專業模型。這意味著開發者能用極低成本定製特定領域的專家模型。
Gemini 2.5 上線隱式快取：不用手動存，重複 Prompt 自動打 2.5 折
Google 宣佈為 Gemini 2.5 模型推出隱式快取。開發者無需手動建立快取，只要後續請求共享相同字首就能自動命中，享受 75% 的 token 折扣；Flash 與 Pro 的起用門檻也分別降至 1024 和 2048 tokens。也就是說，把固定內容放 Prompt 開頭就能無感省錢。
週三
5月7日 星期三
Mistral 釋出 Medium 3：效能逼近 Claude 3.7 Sonnet，打出極致價效比
Mistral 釋出新模型 Mistral Medium 3。官方稱其基準表現達到 Claude 3.7 Sonnet 的 90% 以上，輸入每百萬 token 僅 0.40 美元、輸出 2 美元，成本低於 DeepSeek v3。同日，面向企業的 Le Chat Enterprise 也正式上線。
Google 開放 Gemini 2.0 Flash 影像生成與編輯預覽版
Google 宣佈在 Gemini 2.0 Flash 中以預覽版形式開放影像生成與編輯能力。開發者現可通過 Google AI Studio 和 Vertex AI 的 API 接入對話式生圖與改圖，並享有更高的呼叫頻次。這讓在多模態應用中原生混排圖文變得更加簡單直接。
