Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 与 3.5 Flash Cyber
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。
推荐理由:Gemini 3.6 Flash 相比 3.5 Flash 输出 token 用量减少 17%,每百万输出 token 定价 7.50 美元,同时多项基准成绩提升。
Google DeepMind 发布 Gemini 3.6 Flash、3.5 Flash-Lite 和面向安全的 3.5 Flash Cyber 三款新模型。
推荐理由:Gemini 3.6 Flash 相比 3.5 Flash 输出 token 用量减少 17%,每百万输出 token 定价 7.50 美元,同时多项基准成绩提升。
Google DeepMind 发布 Gemini 3.5 Flash Cyber,基于 3.5 Flash 微调,用于快速发现、验证和修补漏洞,在 CyberGym 等基准上以多次调用取得接近更大模型的成绩。
推荐理由:Google DeepMind 推出基于 3.5 Flash 微调的轻量网络安全模型,在 CyberGym 等基准上以多次调用取得接近更大模型的漏洞发现成绩。
Google DeepMind 发布 Gemini 3.5 Live Translate,一款支持 70 多种语言的近实时语音到语音翻译音频模型,可自动检测语言并保留说话人的语调、节奏和音高。
推荐理由:Gemini 3.5 Live Translate 支持 70 多种语言的连续语音到语音翻译,并保留说话人的语调、节奏和音高,与逐句等待的系统形成对比。
Google DeepMind 发布 Gemini Omni 家族首个模型 Gemini Omni Flash,可组合图像、音频、视频和文本输入生成高质量视频,并通过自然语言多轮编辑。
推荐理由:Gemini Omni Flash 把图像、音频、视频和文本组合输入与多轮对话式编辑放进同一模型,并接入 Gemini 应用、Flow 和 YouTube Shorts。
Google DeepMind 发布 Gemini 3.5 模型家族,首款 Gemini 3.5 Flash 当日上线 Gemini 应用、Google Search AI Mode、Google Antigravity、Gemini API 及 Gemini Enterprise。
推荐理由:Gemini 3.5 Flash 在编码与智能体基准上超过 Gemini 3.1 Pro,输出速度是其他前沿模型的 4 倍,发布当日即接入 Gemini 应用、搜索 AI Mode 和 Gemini API。
OpenAI 这次发了三个新模型:GPT‑Realtime‑2 是带 GPT‑5 级推理能力的语音模型,能处理更复杂的请求,说话中间可以插话、改主意,它还能边想边回一句“我查一下”,同时调用多个工具;GPT‑Realtime‑Translate 做实时翻译,支持 70 多种输入语言转 13 种输出语言,语速跟得上说话人。
推荐理由:OpenAI 在 API 上线三款实时语音模型,GPT‑Realtime‑2 支持边推理边调用多个工具,GPT‑Realtime‑Translate 覆盖 70 多种输入语言转 13 种输出语言。
DeepSeek API 已支持 V4-Pro 与 V4-Flash,兼容 OpenAI ChatCompletions 接口与 Anthropic 接口。访问新模型时 base_url 不变,model 参数需改为 deepseek-v4-pro 或 deepseek-v4-flash。
推荐理由:DeepSeek 在保持 API 地址不变的同时更换模型参数,并明确旧模型名的停用期限,迁移涉及调用配置调整。
Google DeepMind 发布 Gemini 3.1 Flash TTS,一款主打可控性与表现力的文本转语音模型,已在 Gemini API、Google AI Studio、Vertex AI 和 Google Vids 中开放预览。
推荐理由:Gemini 3.1 Flash TTS 在 Gemini API、AI Studio、Vertex AI 和 Google Vids 开放预览,支持 70 多种语言,并可通过音频标签控制语音风格与节奏。
Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人的推理优先模型升级版,强化了空间推理与多视角理解,并新增仪表读数能力。
推荐理由:Google DeepMind 发布 Gemini Robotics-ER 1.6,强化空间推理与多视角理解,并新增读取复杂仪表的能力,开发者已可通过 Gemini API 和 Google AI Studio 调用。
Google DeepMind 发布 Gemma 4,称其为迄今最智能的开源模型,面向高级推理与智能体工作流,采用 Apache 2.0 许可。该系列包含 E2B、E4B、26B MoE 和 31B Dense 四种尺寸,31B 在 Arena AI 文本榜位列全球开源模型第 3,26B 位列第 6。
推荐理由:Gemma 4 以 Apache 2.0 许可开源四种尺寸,31B 在 Arena AI 文本榜排开源模型第 3,26B 排第 6,为开发者选择开源模型的部署与微调方案提供参照。
Mistral AI 发布首个文本转语音模型 Voxtral TTS,4B 参数,支持英语、法语、德语、西班牙语、荷兰语、葡萄牙语、意大利语、印地语和阿拉伯语 9 种语言,具备情感表达与零样本跨语言音色适配能力。
推荐理由:Mistral AI 推出 4B 参数语音合成模型 Voxtral TTS,覆盖 9 种语言并支持零样本跨语言音色适配,其与 ElevenLabs 的对比评测提供了多语言语音质量的一个参照。
Mistral AI 发布 Mistral Small 4,这是首个把 Magistral 推理、Pixtral 多模态和 Devstral 编码智能体能力统一到单一模型的 Mistral 模型,采用 Apache 2.0 许可。
推荐理由:Mistral Small 4 把推理、多模态与编码能力合并进单一开源模型,并给出相比 Mistral Small 3 的延迟与吞吐数据,可用于判断统一模型对部署成本的影响。
Mistral 发布 Voxtral Transcribe 2,包含面向批量转写的 Voxtral Mini Transcribe V2 和面向实时场景的 Voxtral Realtime 两款语音转文字模型。
推荐理由:Mistral 发布 Voxtral Transcribe 2,其中实时转写模型 Realtime 以 Apache 2.0 开源,延迟可配置到 200 毫秒以内,并支持 13 种语言。
NVIDIA 在 2026 年 1 月 5 日放出了一批新的开源模型和数据集。语言模型方面,有 Nemotron 系列的新成员,专门做语音、外挂资料库(RAG)和安全对齐;还有一个叫 Alpamayo 1 的模型,正文没具体说它擅长什么。
推荐理由:NVIDIA 一次性开源覆盖智能体、机器人、自动驾驶和生物医药的模型、数据集与工具,其中 Nemotron 新成员分别面向语音、RAG 和安全对齐。
Mistral 发布 Mistral OCR 3,在表单、扫描文档、复杂表格和手写内容上相对 Mistral OCR 2 取得 74% 的整体胜率,并称准确率超过企业文档处理方案和 AI 原生 OCR 方案。
推荐理由:Mistral OCR 3 在表单、手写和复杂表格上的升级与每千页 2 美元的定价,可供评估文档解析方案时参考。
Mistral AI 发布 Devstral 2 编码模型家族,含 123B 的 Devstral 2 与 24B 的 Devstral Small 2,分别采用修改版 MIT 和 Apache 2.0 许可,均为开源。
推荐理由:Mistral 开源 Devstral 2 编码模型家族,123B 版本在 SWE-bench Verified 上达到 72.2%,并同步推出终端编码代理 Mistral Vibe CLI。
Mistral AI 发布 Mistral 3 系列,包括 14B、8B、3B 三个稠密模型和采用稀疏 MoE 架构的 Mistral Large 3,后者为 41B 激活、675B 总参数,全部以 Apache 2.0 许可开源。
推荐理由:Mistral 以 Apache 2.0 开源 Mistral 3 系列,含 3B 到 14B 稠密模型与 675B 总参数的稀疏 MoE 大模型,覆盖端侧到前沿规模。
DeepSeek 非正式部署 DeepSeek-V3.2-Speciale API,价格不变,仅支持思考模式下的对话,不支持工具调用等功能。用户可设置 base_url="https://api.deepseek.com/v3.2_speciale_expires_on_20251215" 访问模型。最大输出长度默认为 128K,服务支持时间截止至北京时间 2025-12-15 23:59。
推荐理由:DeepSeek 非正式部署仅支持思考模式对话的模型 API,工具调用缺失与限时开放共同限定了这项服务的接入用途。
deepseek-chat 和 deepseek-reasoner 均已升级为 DeepSeek-V3.2。deepseek-chat 对应非思考模式,deepseek-reasoner 对应思考模式。
推荐理由:DeepSeek 将 API 模型升级至 DeepSeek-V3.2,两个入口的对应关系明确区分非思考与思考模式。
deepseek-chat 和 deepseek-reasoner 均已升级为 DeepSeek-V3.2-Exp。deepseek-chat 对应非思考模式,deepseek-reasoner 对应思考模式,详细更新内容可参阅文档。
推荐理由:DeepSeek 将两个 API 入口升级为 DeepSeek-V3.2-Exp,两个调用名称分别对应非思考与思考模式。
deepseek-chat 和 deepseek-reasoner 都已升级为 DeepSeek-V3.1,分别对应非思考模式与思考模式。该模型采用混合推理架构,DeepSeek-V3.1-Think 相比 DeepSeek-R1-0528 能在更短时间内给出答案,并通过 Post-Training 优化提升工具使用与智能体任务表现。
推荐理由:DeepSeek-V3.1 将思考与非思考模式整合进同一模型,现有两个 API 模型名称分别对应两种模式。
OpenAI 在 8 月 7 日上线了 GPT-5,所有 ChatGPT 用户都能用。这次最大的变化是把快速回答和深度推理合进了一个系统:内置一个路由器,根据问题类型、复杂度和用户意图实时决定用哪个模型。Plus 用户额度更高,Pro 用户能解锁 GPT-5 pro,那个版本推理链条更长,答案更细。
推荐理由:OpenAI 上线 GPT-5 并向所有 ChatGPT 用户开放,内置路由器按问题类型和复杂度实时决定快答或深度推理,Plus 与 Pro 用户额度更高。
OpenAI 在 8 月 5 号宣布放出了他们自称“能力最强的开源权重推理模型”,主打让开发者、政府和非营利组织能在自己的服务器上跑,不用把数据交给第三方。这波操作主要是为了配合他们的“OpenAI for Countries”计划,拉拢盟友国家用美国主导的 AI 基础设施,同时给有数据本地化要求的机构一个选择。
推荐理由:OpenAI 宣布开放权重推理模型,允许开发者和机构在自有服务器上部署,配合其国家合作计划,为有数据本地化要求的用户提供不依赖第三方的选项。
OpenAI 发了两个开源模型,大的叫 gpt-oss-120b,小的叫 gpt-oss-20b,都用了 Apache 2.0 协议,可以商用。这两个模型是 OpenAI 自 GPT-2 之后第一次开源的语言模型。它们用了混合专家架构,120B 版本总参数 1170 亿,但每次只激活 51 亿参数,一张 80GB 显存的显卡就能跑。
推荐理由:OpenAI 以 Apache 2.0 协议开源 gpt-oss-120b 和 gpt-oss-20b,是自 GPT-2 后再次开放语言模型权重,其中 120B 版单卡 80GB 显存即可运行。
Mistral 发布 Voxtral 语音理解模型,提供 24B 和 3B 两个版本,均以 Apache 2.0 许可开源并上线 API。模型支持 32k token 上下文,可处理最长 30 分钟转写或 40 分钟理解,具备内置问答与摘要、多语言识别和语音函数调用能力,并保留 Mistral Small 3.1 的文本能力。
推荐理由:Mistral 开源两款语音理解模型,给出 32k 上下文、函数调用等能力与低于同类 API 一半的定价,便于评估语音方案选型。
Mistral AI 与 All Hands AI 合作推出 Devstral Medium,并升级 Devstral Small 1.1。
推荐理由:Mistral 与 All Hands AI 联合发布 Devstral Medium 并升级 Devstral Small 1.1,后者以 Apache 2.0 许可开放,前者在 SWE-Bench Verified 上得分 61.6%,API 定价为每百万输入 0.4 美元、输出 2 美元。
Mistral AI 发布首款推理模型 Magistral,分为 24B 参数的开源版 Magistral Small 和企业版 Magistral Medium。
推荐理由:Mistral AI 推出推理模型 Magistral,同时给出 24B 开源版与企业版,并披露两者在 AIME2024 上的得分,可比较开源与商用版本的性能差距。
deepseek-reasoner 升级为 DeepSeek-R1-0528,增强推理能力、优化 Web 前端生成、降低幻觉,并支持 Json Output 与 Function Calling。
推荐理由:DeepSeek-R1-0528 提升了推理基准表现,复杂推理问题比老版本 R1 使用更多 tokens,能力提升伴随生成用量增加。
Mistral AI 与 All Hands AI 合作发布面向软件工程任务的智能体 LLM Devstral,以 Apache 2.0 许可开源,在 SWE-Bench Verified 上得分 46.8%,比此前开源 SOTA 模型高出 6 个百分点以上。
推荐理由:Mistral 与 All Hands AI 联合发布的智能体编码模型,给出了 SWE-Bench Verified 成绩与本地部署门槛。
Mistral AI 发布 Mistral Medium 3,称其在各项基准上达到或超过 Claude Sonnet 3.7 的 90%,成本为每百万 token 输入 $0.4、输出 $2。
推荐理由:Mistral Medium 3 以更低成本对标 Claude Sonnet 3.7,并给出企业私有化部署与定制路径。
deepseek-chat 模型升级为 DeepSeek-V3-0324,增强推理、前端开发、中文写作与 Function Calling 能力。MMLU-Pro 从 75.9 提升至 81.2,GPQA 从 59.1 提升至 68.4,AIME 从 39.6 提升至 59.4,LiveCodeBench 从 39.2 提升至 49.2。
推荐理由:DeepSeek-V3-0324 在四项基准中均有提升,AIME 增幅为 19.8,高于知识与代码基准的增幅。
Mistral AI 发布 Mistral Small 3.1,在 Mistral Small 3 基础上提升文本性能、多模态理解,并将上下文窗口扩展至 128k tokens,推理速度达 150 tokens per second,以 Apache 2.0 许可开源。
推荐理由:Mistral AI 以 Apache 2.0 许可开源 Mistral Small 3.1,将上下文扩至 128k tokens 并加入多模态理解,可在单张 RTX 4090 或 32GB 内存的 Mac 上运行。
Gemma 3 是谷歌最新放出的开放权重模型,有 1B、4B、12B、27B 四个尺寸。4B 及以上的版本能同时处理图片和文字,支持超过 140 种语言,上下文窗口拉到 128k token(1B 是 32k)。官方说 4B 的指令版在跑分上能打赢上一代 27B,27B 则超过了 Gemini 1.5 Pro。
推荐理由:谷歌放出 Gemma 3 开放权重模型,4B 及以上版本同时处理图文并支持超 140 种语言,官方称 4B 指令版跑分超过上一代 27B。
Mistral AI 发布面向低延迟任务的 24B 模型 Mistral Small 3,以 Apache 2.0 许可开放预训练和指令微调检查点。官方称其性能与 Llama 3.3 70B instruct 相当,同硬件下速度超过 3x,MMLU 准确率超过 81%;模型未使用 RL 或合成数据训练。
推荐理由:Mistral AI 将 Small 3 的性能对标 Llama 3.3 70B,并报告同硬件下超过 3x 的速度优势。
DeepSeek 发布新模型 DeepSeek-R1,可通过指定 model=deepseek-reasoner 调用。详细更新和调用指南分别参见《DeepSeek-R1 正式发布》和《推理模型》。
推荐理由:DeepSeek 明确了新模型 DeepSeek-R1 与 API 调用名的对应关系,接入时需指定 model=deepseek-reasoner。
deepseek-chat 模型升级为 DeepSeek-V3,接口保持不变。可通过指定 model=deepseek-chat 调用,详细更新请参考《DeepSeek-V3 正式发布》。
推荐理由:DeepSeek 将 deepseek-chat 升级为 DeepSeek-V3 并保持接口不变,现有接入可沿用原模型调用参数。
OpenAI 10 月 1 号在自家 API 里推了一套模型蒸馏工具,核心思路是:先用 GPT-4o 或 o1-preview 这类大模型跑出结果,再用这些结果去微调 GPT-4o mini 这种便宜模型,让它在特定任务上接近大模型的表现,但成本更低。
推荐理由:OpenAI 把模型蒸馏做成 API 内置流程,用 GPT-4o 或 o1-preview 的输出微调 GPT-4o mini,让团队不必自建这套流水线就能压低特定任务的推理成本。
OpenAI 在 9 月 12 日推出了 o1-preview 和 o1-mini 两个新模型,主打“先思考再回答”。在数学奥赛预选题上,GPT-4o 正确率只有 13%,o1 推理模型做到了 83%,编程能力也到了 Codeforces 前 11%。
推荐理由:OpenAI 推出 o1-preview 和 o1-mini,主打先思考再回答,数学奥赛预选题正确率从 GPT-4o 的 13% 提升到 83%,编程达到 Codeforces 前 11%。
DeepSeek V2 Chat 与 DeepSeek Coder V2 已合并升级为 DeepSeek V2.5,API 用户通过 deepseek-coder 或 deepseek-chat 均可访问新模型。
推荐理由:DeepSeek 将聊天与代码模型合并为 V2.5,并保留两个原有 API 访问名称以兼容既有用户的调用方式。
deepseek-chat 模型升级为 DeepSeek-V2-0628,推理能力提升,角色扮演能力显著增强。HumanEval Pass@1 从 79.88% 提升至 84.76%,MATH ACC@1 从 55.02% 提升至 71.02%,BBH 从 78.56% 提升至 83.40%。
推荐理由:DeepSeek 升级后的数学基准提升幅度高于代码与推理基准,在 Arena-Hard 中对 GPT-4-0314 的胜率也有提升。