新模型的发布、开源与迭代：大模型厂商的旗舰更新、开源权重放出、性能与价格变化的第一时间记录。
苏度科技放出了他们的具身智能首秀Sudo R1，说是在完全没有用真实机器人数据训练的情况下，直接零样本测试了200多次，对100多种没见过的物体（包括透明、金属、软的和反光的东西）首次抓取成功率约98%，试两次基本能到100%。整个演示跑了60分钟。他们用的方法是在高保真模拟器里结合世界模型和强化学习来训练，相当于先在虚拟世界里把技能练好再搬到真机上。...
推荐理由：这条我会先打个折，因为所有指标都是自报的，没第三方验证。但零真机数据、zero-shot 直接上真机抓出 98% 首次成功率，这个说法本身就够硬，而且给了 200 多次测试、100 多个没见过的物体、60 分钟连续跑，数字具体，不是空口号。它正好打在机器人行业最疼的地方：真实数据又贵又慢，仿真到真机迁移一直是个坑。正文没披露融资金额、基准怎么定义的、谁做的第三方验证，所以分数没给更高。
Anthropic 计划下周通过“玻璃翼计划”，让部分英国金融机构提前用上它的 Mythos 模型。公司说这个模型很擅长识别甚至利用网络安全漏洞，所以这次不是公开发布，而是定向开放给银行。正文没披露模型的具体参数、收费方式和已有客户数量，目前能看到的信号就是一次受控的行业试用。
推荐理由：这条消息的钩子很硬——一个能找漏洞甚至可能利用漏洞的模型，先给银行看，不是全面上线，而是通过“玻璃翼计划”分阶段、只对特定机构开放。正文没披露参数、定价和具体覆盖多少家银行，所以实际影响有多大还不好说。我会先打个折：这更像一次受控分发，不是产品发布。但放在金融监管和模型安全治理的交叉点上，值得从业者盯紧后续。
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：原文给出新语音模型的音频标签控制方式、Elo 分数与多平台开放入口，可据此判断语音生成的可控性变化。
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：原文给出新模型在空间推理、多视角与仪表读数上的能力变化和开放入口，可据此判断机器人高层推理的进展。
腾讯混元与Robotics X联合发布了HY-Embodied-0.5，核心是一个叫MoT-2B的模型。它总参数量4B，实际干活时只激活2B，在22项具身智能评测中拿了16项第一。训练数据量不小：用了超过1亿条具身数据、600B以上的预训练token、3000多万条中期训练样本，还引入了视觉隐空间token、双向注意力、RFT、强化学习和在线蒸馏。这模...
推荐理由：我会先打个折：这还是一次模型发布，不是那种当天就改变行业格局的大事，所以分数没拉到 85 以上。但它的钩子够强——腾讯说 MoT 比 MoE 更适合具身，而且一个激活参数只有 2B 的模型在 22 项评测里赢了 16 项，数字和训练细节也给得实在。对做端侧机器人的从业者来说，这套专门为具身重做的架构和训练链路比通用模型微调有意思得多，所以 H、K、R 都站得住。
Meta 把之前挖来的团队做的第一个模型 Muse Spark 放出来了。它原生支持多模态推理，能看图、用工具、展示视觉思维链，还能让多个 Agent 并行干活。有个叫“沉思”的模式，就是协调多个 Agent 一起推理。在 Artificial Analysis 上的跑分比 Gemini 3.1 Pro、GPT-5.4 和 Claude Opus 4....
推荐理由：大厂新模型发布，加上“挖角团队首秀”的故事线，HKR 三项全中。分数卡在 featured 门槛附近，因为文章只给了能力声明和相对排名，参数规模、定价、铺开时间和访问范围都没披露，我会先打个折。
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 开源并覆盖端侧到工作站四种尺寸，可据此判断开源模型的部署与微调选择。
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：原文给出 4B 参数、9 种语言、70ms 延迟与定价，读者可据此判断企业语音智能体的成本与选型空间。
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、多模态与编码智能体合并进单一开源模型，可据此判断统一模型对部署成本的影响。
千问推出了新一代图像生成基础模型 Qwen-Image-2.0。现在可以在阿里云百炼上申请 API 测试，也能在 Qwen Chat 上免费试用。不过正文没披露模型参数量、具体定价、评测跑分和正式公开时间，所以实际效果和成本还不好判断。
推荐理由：千问发了个新的图像生成基础模型，百炼 API 邀测和 Qwen Chat 免费体验都开了，HKR 三项全中：有实际可用的产品信号、有明确的接入路径、对国内模型用户有直接参考价值。没给到 78 分以上是因为正文缺了模型大小、价格这些关键信息，我会先打个折。
OpenAI 推出了 GPT-5.3 Codex，一个专门给自家编程工具 Codex 用的新模型。按 OpenAI 的说法，这个模型让 Codex 从“能写代码、审代码”升级到“几乎能替开发者在电脑上干所有事”，甚至能在几天内从零做出功能复杂的游戏和应用。速度比上一代 GPT-5.2 快了 25%，而且 OpenAI 说这是第一个“自己参与造自己”的模...
推荐理由：这条消息的看点全在时间差——OpenAI 在 Anthropic 发布后几分钟就甩出自己的代理式编码模型，说明两边在让模型进开发流程这件事上咬得很紧。但正文能用的信息太少：没模型名、没跑分、没价格、没上下文窗口、也没说谁能用，只提了一嘴跟 Codex 有关。所以我会先打个折，重要性给到 75、放在 featured 低位，因为话题热度够，但证据太薄，暂时没法判断性能或性价比。
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：原文给出两款语音转写模型的延迟、价格与开源许可，可据此判断实时语音应用的选型空间。
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。物理 AI 这边，Cosmos 系列更新了 Reason 2、Transfer 2.5 和 Predict 2.5 ...
推荐理由：NVIDIA 这次不是发一篇通稿，而是把 Nemotron、Cosmos、GR00T、Clara 几条线的模型、数据集和工具一起开源了。我会先打个折：所有信息都来自厂商自己，没有第三方验证，实际可用性还得看后续社区反馈。但光看披露的数字——10 万亿 token 文本、50 万条机器人轨迹、100TB 车载数据、45.5 万个蛋白结构——规模确实够大，而且覆盖了代理、物理 AI、自动驾驶和生命科学几个热门方向。具体到模型，Nemotron Speech 做语音、Cosmos Reason 2 做推理、GR00T N1.6 做人形机器人、Alpama...
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：原文给出 Devstral 2 的 SWE-bench 成绩、开源许可与部署门槛，可据此判断开源编码模型的落地成本。
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 3 一次性放出从 3B 到 675B 的 Apache 2.0 模型家族，读者可据此判断开源权重在端侧与前沿能力上的最新位置。
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。