跳到正文

#模型发布

今日 5 条
3月4日周三
  1. Google DeepMind66

    Google DeepMind 发布 Gemini 3.1 Flash-Lite

    Google DeepMind 推出 Gemini 3.1 Flash-Lite，定位 Gemini 3 系列中速度最快、成本最低的模型，即日起通过 Gemini API 在 Google AI Studio 和 Vertex AI 面向开发者预览。

    推荐理由：官方给出定价、速度与基准数据，读者可据此判断高并发场景下是否值得替换现有模型。

3月3日周二
2月27日周五
2月20日周五
2月13日周五
2月12日周四
  1. OpenAI News60

    OpenAI 发布 GPT-5.3-Codex-Spark 实时编码模型

    OpenAI 发布 GPT-5.3-Codex-Spark，称其为首个实时编码模型，生成速度提升 15x，上下文窗口为 128k。该模型目前面向 ChatGPT Pro 用户开放研究预览。

    推荐理由：OpenAI 公布首个实时编码模型的生成速度与上下文规格，可据此了解编码模型在低延迟方向上的进展。

2月5日周四
  1. OpenAI News78

    OpenAI 发布 GPT-5.3-Codex

    OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生的智能体，将前沿编码能力与通用推理结合，用于支持长周期、真实世界的技术工作。

    推荐理由：OpenAI 发布 Codex 原生的 GPT-5.3-Codex，读者可据此了解其编码能力与通用推理结合后的定位。

  2. OpenAI News67

    OpenAI 发布 GPT-5.3-Codex 系统卡

    OpenAI 发布 GPT-5.3-Codex 系统卡，称其为目前能力最强的智能体编码模型。该模型结合了 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业领域知识能力。

    推荐理由：官方系统卡给出 GPT-5.3-Codex 的能力定位，读者可据此了解它在编码与推理上的组合方式。

2月4日周三
1月20日周二
  1. Hugging Face Blog66

    Overworld 发布实时交互视频扩散模型 Waypoint-1

    Overworld 发布实时交互式视频扩散模型 Waypoint-1，可通过文本、鼠标和键盘控制，权重已上传 Hugging Face Hub，先开放 Waypoint-1-Small，Medium 版本即将推出。

    推荐理由：Waypoint-1 把实时交互式视频扩散模型和推理库一并开源，读者可据此了解世界模型从控制输入到消费级硬件落地的路径。

1月16日周五
  1. Google DeepMind62

    Google DeepMind 发布 D4RT 模型，统一 4D 场景重建与追踪

    Google DeepMind 发布 D4RT（Dynamic 4D Reconstruction and Tracking），一个统一 4D 场景重建与追踪的 AI 模型，采用编码器-解码器 Transformer 架构和查询机制，可同时完成点追踪、点云重建和相机位姿估计。

    推荐理由：D4RT 把动态场景重建统一进单一查询式框架，读者可了解其速度提升与机器人、AR 等落地方向。

1月15日周四
1月14日周三
1月6日周二
  1. Hugging Face Blog62

    NVIDIA 发布 Cosmos Reason 2 推理视觉语言模型

    NVIDIA 发布面向物理 AI 的开源推理视觉语言模型 Cosmos Reason 2，提供 2B 和 8B 两种参数规模，并在 Physical AI Bench 与 Physical Reasoning 榜单上成为排名第一的开源模型。

    推荐理由：Cosmos Reason 2 把上下文从 16K 扩到 256K 并新增轨迹与 2D/3D 定位能力，可据此判断物理 AI 智能体的视频理解边界。

1月5日周一
12月24日周三
12月23日周二
  1. Hugging Face Blog50

    Hugging Face 推出 AprielGuard：面向现代 LLM 系统的 8B 安全护栏模型

    Hugging Face 发布 8B 参数安全护栏模型 AprielGuard，可检测 16 类安全风险及提示注入、越狱、思维链污染、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用与推理轨迹等智能体工作流。模型提供推理与非推理两种模式，兼顾可解释分类与低延迟生产部署。训练数据由 Mixtral-8x7B 等合成生成，并借助 NVIDIA NeMo Curator 构建多轮对话攻击数据集。

12月18日周四
  1. OpenAI News68

    OpenAI 发布 GPT-5.2-Codex 编码模型

    OpenAI 发布 GPT-5.2-Codex，称其为自家最先进的编码模型。该模型主打长程推理、大规模代码转换和增强的网络安全能力。

    推荐理由：OpenAI 官方给出 GPT-5.2-Codex 的定位与三项能力方向，可据此了解其编码模型的最新迭代重点。

12月17日周三
12月16日周二
12月13日周六
  1. Google DeepMind71

    Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，并推出实时语音翻译

    Google DeepMind 发布升级版 Gemini 2.5 Flash Native Audio，面向实时语音智能体，在函数调用、指令遵循和多轮对话三方面做了改进。

    推荐理由：官方给出 Gemini 2.5 Flash Native Audio 在函数调用、指令遵循和多轮对话上的具体提升数据，可据此判断语音智能体的可用性变化。

12月11日周四
  1. OpenAI News70

    OpenAI 发布 GPT-5.2，在数学与科学基准上刷新成绩

    OpenAI 发布 GPT-5.2，称其为目前数学与科学能力最强的模型，在 GPQA Diamond 和 FrontierMath 等基准上取得新的 SOTA 结果。官方表示这些提升已转化为实际研究进展，包括解决一个开放理论问题并生成可靠的数学证明。

    推荐理由：原文给出 GPT-5.2 在 GPQA Diamond 与 FrontierMath 上的新结果，读者可据此了解其在数学与科研任务上的能力边界。

  2. OpenAI News66

    OpenAI 更新 GPT-5 系统卡，纳入 GPT-5.2

    OpenAI 发布 GPT-5 系统卡更新，将 GPT-5.2 纳入 GPT-5 系列，成为该系列最新模型家族。GPT-5.2 的综合安全缓解方案与 GPT-5 系统卡、GPT-5.1 系统卡中描述的基本一致。与 OpenAI 其他模型一样，GPT-5.2 的训练数据包括互联网公开信息、通过第三方合作获取的信息，以及用户或人类训练师与研究人员提供或生成的信息。

    推荐理由：GPT-5.2 系统卡更新说明其安全缓解方案延续 GPT-5 与 GPT-5.1 的框架，可对照前代了解安全策略的连续性。

  3. OpenAI News82

    OpenAI 发布 GPT-5.2 前沿模型

    OpenAI 发布 GPT-5.2，称其为面向日常专业工作最先进的前沿模型，具备最先进的推理、长上下文理解、编码和视觉能力。该模型可在 ChatGPT 和 OpenAI API 中使用，用于支撑更快、更可靠的智能体工作流。

    推荐理由：OpenAI 公布 GPT-5.2 在推理、长上下文、编码与视觉上的定位，读者可据此判断日常专业工作与智能体流程的升级方向。

12月9日周二
  1. Mistral AI78

    Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI

    Mistral AI 发布新一代编码模型家族 Devstral 2，包含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均为开源模型，分别采用修改版 MIT 和 Apache 2.0 许可。

    推荐理由：官方给出两款开源编码模型的参数、许可与 SWE-bench 成绩，并附与闭源模型的对比，便于判断开源编码模型的当前水位。

12月3日周三
11月24日周一
11月20日周四
  1. Google DeepMind74

    Google DeepMind 发布 Gemini 3 Pro Image（Nano Banana Pro）图像模型

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），这是基于 Gemini 3 Pro 构建的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 面向企业以付费预览形式逐步开放。

    推荐理由：Google DeepMind 发布 Gemini 3 Pro Image，开发者可据此了解其分辨率、文本渲染与 Google 搜索接地等能力边界。

  2. Google DeepMind84

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型

    Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 构建，主打更强推理与世界知识、图像内多语言文字渲染，以及最多融合 14 张图像、保持 5 人一致性的编辑能力，支持 2K 和 4K 分辨率与多种画幅。

    推荐理由：官方给出 Nano Banana Pro 的能力边界与各产品上线节奏，读者可据此判断图像生成在自身工作流中的可用性。

11月19日周三
  2. OpenAI News74

    OpenAI 发布 GPT-5.1-Codex-Max 智能体编码模型

    OpenAI 发布 GPT-5.1-Codex-Max，一款面向 Codex 的更快、更智能的智能体编码模型。该模型面向长时间、项目级任务设计，具备更强的推理能力和 token 效率。

    推荐理由：OpenAI 发布面向 Codex 的智能体编码模型，读者可了解其在长时任务与 token 效率上的定位。

  4. Google DeepMind92

    Google DeepMind 发布 Gemini 3 Pro，并推出 Gemini 3 Deep Think 与 Antigravity 平台

    Google DeepMind 发布 Gemini 3，首发 Gemini 3 Pro 预览版，同步上线 Gemini app、Search 的 AI Mode、AI Studio、Vertex AI、Gemini CLI 及新智能体开发平台 Google Antigravity。

    推荐理由：官方给出 Gemini 3 Pro 在推理、多模态与编码基准上的具体分数和上线渠道，可据此判断能力代际变化。

11月17日周一
11月13日周四
  1. OpenAI News78

    OpenAI 在 API 上线 GPT-5.1

    OpenAI 在 API 中上线 GPT-5.1，带来更快的自适应推理、扩展的提示词缓存和改进的编码表现。该版本还新增 apply_patch 和 shell 工具。

    推荐理由：GPT-5.1 在 API 上线，给出推理速度、缓存与编码能力变化，开发者可据此评估迁移。