跳到正文
只看模型#Agent
10月8日周四
  2. The Decoder82

    Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%

    Anthropic 发布 Claude Haiku 5.5，这是其迄今最快、最便宜的小模型，平均价格比 Haiku 4.5 低约 75%，10 万 token 以内提示词的价格降幅最高达 90%，超过 10 万 token 则贵 5 倍。

    推荐理由：对比 Haiku 4.5 与 GPT-6 Luna 的基准和分档定价，可看清小模型在成本敏感任务上的取舍。

10月6日周二
  1. Latent Space76

    Reflection 发布 Beam：501B-A23B 美国开源 MoE 模型

    Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月放出。

    推荐理由：Reflection 从隐身状态发布 501B 开源权重模型，并给出预训练与 RL 的算力、数据细节，可对照同期中美开源模型格局。

  2. Mistral AI84

    Mistral 发布 Mistral Large 4 公开预览，1 万亿参数原生多模态

    Mistral AI 发布 Mistral Large 4 公开预览，可在 Mistral Studio 试用预览 API，权重将于本月底开放。该模型为 1 万亿参数、49B 激活参数的原生多模态模型，官方称其在编码、智能体工作流和多模态理解上表现突出，并在网络安全、金融、法律等企业场景中达到开源模型领先水平。

    推荐理由：官方给出 1 万亿参数、49B 激活与多项基准对比，可据此判断开源权重模型在编码与智能体任务上的位置。

  4. AWS Machine Learning Blog62

    GLM 5.3 上线 Amazon Bedrock

    Z.ai 的 GLM 5.3 现已在 Amazon Bedrock 上线，这是一个 753B 参数的 MoE 模型，面向编码和长周期智能体任务，通过全托管 API 提供跨区域推理、提示词缓存和服务层级，目前面向符合条件的企业客户开放。

    推荐理由：GLM 5.3 在 Bedrock 上线，文中给出提示词缓存与 Strix 安全测试的完整调用示例，可据此评估迁移成本。

  5. TechCrunch · AI71

    Reflection 发布开源权重模型 Beam，对标中国开源模型

    Reflection AI 正式发布其首个前沿开源权重模型 Beam，称在高级推理基准上匹配领先中国开源模型的性能，且推理成本大幅更低。Beam 是文本 MoE 模型，总参数 5010 亿、激活 230 亿，预训练使用 23.8 万亿 token，上下文窗口 100 万 token；公司称其得分与 Z.ai 的 GLM-5.2 持平，并使用少 3-4 倍的推理算力。

10月1日周四
  2. Google DeepMind82

    Google DeepMind 发布 Gemini 4 Argon 前沿模型

    Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步扩展至开发者、企业和消费者，起步价每百万输入 token 2 美元、输出 token 10 美元，缓存输入按输入价 95% 折扣计费。

    推荐理由：官方给出 Argon 在编码、企业知识与网络安全上的基准表现和分阶段开放路径，可据此判断前沿模型的能力边界与发布节奏。

9月30日周三
  2. TechCrunch · AI82

    OpenAI 发布 GPT-6.1 Sol，称能力接近 GPT-6 Astra 且价格更低

    OpenAI 在 DevDay 上发布 GPT-6.1 Sol，称其在智能体编码、计算机使用和专业工作上接近 GPT-6 Astra 的智能水平，标准输入输出 token 价格仅为后者的五分之一。

    推荐理由：OpenAI 在 DevDay 发布 GPT-6.1 Sol，并披露 GPT-6.1 Astra 因内部测试的安全问题被搁置，读者可据此了解其能力定位与定价策略。

9月29日周二
  1. OpenAI News80

    OpenAI 发布 GPT-6.1 Sol

    OpenAI 发布 GPT-6.1 Sol，定位为面向编码、电脑操作和专业工作的接近 Astra 的智能水平，标准 API 输入与输出 token 价格均为 Astra 的五分之一。

    推荐理由：OpenAI 发布 GPT-6.1 Sol，给出与 Astra 的价格对比和面向编码、电脑操作的能力定位。

  3. Latent Space78

    AINews：Opus 5.5 擅长生成解说视频

    AINews 汇总 9/24-9/25 的 AI 动态，指出 Opus 5.5 本周发布后社区反馈积极，尤其在用代码生成解说视频上表现突出。Opus 5.5 在 SimpleBench 上以 88.4% 领先，Terminal-Bench-Science 上从低推理档的 24% 升至 xhigh 档的 62%，但 max 档回落到 59%。

    推荐理由：汇总 Opus 5.5 在视频生成与 Agent 任务上的社区反馈，并给出 Jev、Photon 等基础设施的实测数字。

9月28日周一
  2. Hugging Face Blog66

    H 公司发布 Holo4 系列智能体模型，含 27B 稠密与 35B-A3B MoE 两个版本

    H 公司发布 Holo4 系列智能体模型，包含 27B 稠密版和 35B-A3B MoE 版，两者均已在 H Models API 上线，权重以 BF16、FP8、NVFP4 和 4-bit GGUF 格式开源在 Hugging Face。

    推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，读者可据此判断通用计算机操作智能体的成本与能力边界。

9月25日周五
9月23日周三
  1. Latent Space88

    Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna 并降价 40-50%

    Anthropic 发布 Claude Opus 5.5，称其为新 Claude 5.5 系列首个模型，多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，并成为 Claude Code 与 Claude 应用的默认模型。

    推荐理由：同一天两家实验室分别发布新模型并大幅下调 API 价格，读者可据此比较能力与成本取舍。

9月22日周二
9月16日周三
9月9日周三
9月3日周四
  1. Google DeepMind80

    Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber

    Google DeepMind 发布 Gemini 3.8 Flash 和 Gemini 3.8 Flash Cyber 两款模型，前者面向长时程编码与自主智能体，后者面向漏洞发现与自动修补。

    推荐理由：官方给出两款 Flash 新模型的基准表现、定价与开放渠道，可据此判断长时程编码与网络安全任务的成本取舍。

8月27日周四
8月25日周二
8月14日周五
8月10日周一
7月30日周四
  1. Google DeepMind71

    Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型

    Google DeepMind 发布 Gemini Robotics ER 2，称其为面向机器人最强大的具身推理模型，可作为高层大脑让机器人对话、理解物理世界并规划多步任务，再把动作执行交给底层 VLA 模型，还能原生调用 Google Search 等工具。

    推荐理由：官方给出 ER 2 在进度分类、时刻定位与多机器人协作上的具体指标和开放入口，可据此判断机器人大脑的能力边界。

7月28日周二
7月21日周二
7月17日周五
6月23日周二
  1. Mistral AI62

    Mistral 发布 OCR 4 文档解析模型

    Mistral 发布 OCR 4，在提取文本之外返回边界框、块类型分类和逐页逐词置信度分数，支持 170 种语言、可单容器自托管部署。官方称独立标注者在 600 多份文档的盲评中平均 72% 更偏好 OCR 4，并在 OlmOCRBench 上取得 85.20 的最高总分。

    推荐理由：官方给出 OCR 4 的边界框、块分类与置信度输出，以及自托管和按页计价方案，可据此判断文档解析管线的选型。

5月22日周五
  1. Mistral AI82

    Mistral 发布 Mistral Medium 3.5 与 Vibe 云端远程智能体

    Mistral 发布 Mistral Medium 3.5，这是其首个合并指令遵循、推理与编码的 128B 稠密旗舰模型，采用修改版 MIT 许可开放权重，支持 256k 上下文窗口，最少四块 GPU 即可自托管，在 SWE-Bench Verified 上得分 77.6%，超过 Devstral 2 和 Qwen3.5 397B A17B。

    推荐理由：Mistral 把编码智能体搬到云端并同步开源 128B 旗舰模型，读者可据此判断自托管与异步编码的可行边界。

5月16日周六
  1. Google DeepMind87

    Google DeepMind 发布 Gemini 3.5 Flash，主打智能体与编码

    Google DeepMind 发布 Gemini 3.5 模型系列，首发的 3.5 Flash 面向智能体与编码任务，在 Terminal-Bench 2.1 取得 76.2%、GDPval-AA 取得 1656 Elo、MCP Atlas 取得 83.6%，多模态理解在 CharXiv Reasoning 上为 84.2%，输出速度是其他前沿模型的 4 倍。

    推荐理由：官方给出 3.5 Flash 在编码与智能体基准上的具体分数和速度对比，可据此判断其能力定位。

4月3日周五
12月9日周二
  1. Mistral AI82

    Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI

    Mistral 发布下一代编码模型家族 Devstral 2，含 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者均为开源许可，Devstral 2 采用修改版 MIT、Small 2 采用 Apache 2.0。

    推荐理由：原文给出 Devstral 2 的 SWE-bench 成绩、开源许可与部署门槛，读者可据此判断开源编码模型与闭源模型的差距。

7月11日周五
5月21日周三
  1. Mistral AI78

    Mistral AI 与 All Hands AI 发布编码智能体模型 Devstral

    Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体模型 Devstral，在 SWE-Bench Verified 上取得 46.8%，比此前开源 SoTA 高出 6 个百分点以上，并以 Apache 2.0 许可开源。

    推荐理由：官方给出 Devstral 在 SWE-Bench Verified 上的分数与开源许可，读者可据此判断开源编码智能体的当前水位。