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。官方说 GPT-5 在编程、写作、健康咨询上比前代强，...
推荐理由：OpenAI 发新旗舰模型本身就是顶格事件。这次不是单纯升级，而是把推理能力内置进系统，用路由器统一调度，所有 ChatGPT 用户都能用，Plus 和 Pro 再拉开配额。HKR 三项全中，缺价格、上下文窗口和 API 细节不影响 p1 判定。
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。但整篇公告没提模型名字、参数量、性能跑分...
推荐理由：OpenAI 放出开放权重推理模型的消息，HKR 三项都踩中了：路线转向够意外，本地部署的交付事实够具体，话题也正好是行业争论的焦点。但正文没给模型名、参数量、许可证和跑分，信息缺口太大，所以重要性停在 86 分，没往上拉。真正该盯的是后续交付细节，不是“开放”这两个字本身。
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；20B 版本总参数 ...
推荐理由：当天就写。OpenAI 走 Apache 2.0 开源权重路线是策略转向，不是常规更新。H 落在动作意外性上，K 落在部署规格够具体，R 落在成本和开源闭源之争。没给 95+ 是因为正文截断，完整评测分数没披露，这点先别太激动。
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 联合发布两款编码智能体模型，给出了 SWE-Bench Verified 分数和 API 定价，便于对比现有方案。
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 首款推理模型给出双版本参数与 AIME2024 成绩，可据此判断其开源与商用定位。
Mistral AI 发布首个代码专用嵌入模型 Codestral Embed，官方称其在真实代码数据检索上显著优于 Voyage Code 3、Cohere Embed v4.0 和 OpenAI 的大型嵌入模型。
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。
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：官方给出 Mistral Small 3.1 的多模态、128k 上下文与 150 tokens/s 推理数据，可对照同量级小模型判断其定位。
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。模型已经挂在 Hugging Face 上...
推荐理由：标题信息量不小，但正文为空，我会先打个折。Google 新 Gemma 本身自带关注度，多模态和长上下文这两个点又正好打在本地部署和模型选型的痛点上，所以 H 和 R 都站得住。K 完全拿不到分，因为参数、上下文窗口、许可证、基准成绩一概没披露，现在只能当个预告看，不能当评测结论用。整体放在 featured 低位是合理的，等模型卡或技术报告出来再重新判断。
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。整套流程包括三个部分：Stored Completions 负责自动抓取和保存 API 的输入输出对，...
推荐理由：我会先打个折：这不是新模型发布，而是把模型蒸馏做成 API 内置流水线，附带自动存样本、评测和微调三个套件。正文说 store:true 抓取数据不额外增加延迟，这点先别太激动，实际体验要看并发量。免费 token 额度有截止日期，Evals 免费次数也绑定了与 OpenAI 共享评测的条件，省钱归省钱，但数据会留在对方那边。整体对想用大模型带小模型、又不想自建 infra 的团队挺实用，只是信息缺口在于蒸馏后的模型在具体任务上到底比直接微调强多少，正文没给对比数字。
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%。o1-mini 是个更小更快的版本，成本比 o1-preview 低 80%，适合写代码但不需要太广知...
推荐理由：这是一次 OpenAI 的重大推理模型发布，三个信号全中。H 来自“先想再答”的新玩法，K 来自具体的基准、安全和定价数字，R 来自从业者必须权衡的现实：推理能力上去了，但 API 基础功能还没跟上。