GLM-5.2 上线并开源:专注 Coding 与长程任务
智谱上线并开源 GLM-5.2,重点增强长程任务与 Coding 能力,采用 MIT 协议。模型支持 1M 上下文,在 FrontierSWE 上表现优于 GPT-5.5 和 Claude Opus 4.7。已在国产算力平台完成 Day 0 适配,提供 API 及开源权重下载。
推荐理由:原文给出了模型在长程任务和 Coding 基准上的具体表现,并开源权重,读者可据此评估其在工程场景的可用性。
智谱上线并开源 GLM-5.2,重点增强长程任务与 Coding 能力,采用 MIT 协议。模型支持 1M 上下文,在 FrontierSWE 上表现优于 GPT-5.5 和 Claude Opus 4.7。已在国产算力平台完成 Day 0 适配,提供 API 及开源权重下载。
推荐理由:原文给出了模型在长程任务和 Coding 基准上的具体表现,并开源权重,读者可据此评估其在工程场景的可用性。
Kimi K2.7 Code 及其 6 倍速高速版已上线 Kimi API 开放平台,模型 ID 为 kimi-k2.7-code-highspeed。高速版输出速度约为普通版 5-6 倍,常规编程场景下约 180 Token/s,短上下文可达 260 Token/s,定价为普通版的 2 倍。
推荐理由:K2.7 Code 高速版以 6 倍速度上线,配合基准测试提升数据,为高吞吐编程场景提供了新的选型依据。
智谱全量开放 GLM-5.2,支持 1M 上下文并宣称是迄今能力最强的开源模型。该模型面向 GLM Coding Plan 全量用户开放,API 下周上线,模型下周遵循 MIT 协议正式开源。
推荐理由:GLM-5.2 全量开放并计划开源,读者可据此评估其长上下文能力在团队开发中的可用性。
Kimi K2.7 Code 编程模型已上线 Kimi API 开放平台,相比 K2.6 显著提升长上下文编程性能,平均 token 消耗减少 30%。Kimi Code Bench v2 性能提升 21.8%,Program-Bench 提升 11%。1M token 输入输出价格与 K2.6 一致,后续将发布输出速度 5-6 倍的高速版本。
推荐理由:原文展示了长上下文编程能力的基准提升及30%的Token消耗优化,并明确高速版模型的定价与速度优势。
小米 MiMo-V2.5 系列 API 宣布永久降价,新定价最高降幅达 99%,且不再区分上下文窗口长度;Token Plan 计费体系优化使可用用量提升至原来的 5-8 倍。
推荐理由:宣布 MiMo-V2.5 系列 API 大幅降价及 Token Plan 用量扩容,揭示 SGLang HiCache 推理优化支撑成本降低。
小米正式开源 MiMo-V2.5 系列,包含 MiMo-V2.5-Pro 和 MiMo-V2.5 两款支持 100 万上下文窗口的模型,均采用 MIT 协议开放权重,支持商用推理、微调与二次训练。小米同步启动 MiMo Orbit 计划,向全球 AI 用户发放总计 100 万亿 Token 权益(申请制,最高权益价值 659 元),并向 Agent 框架团队提供 Token 限免支持与生态合作。
推荐理由:开源 MiMo-V2.5 权重并启动 100T Token 计划,提供全模态与 Agent 能力的免费使用入口。
DeepSeek-V4 预览版模型正式上线并同步开源,包含 DeepSeek-V4-Pro 和 DeepSeek-V4-Flash 两个版本。即日起登录官网或官方 App 即可使用 1M 超长上下文,API 服务同步更新,需将 model_name 修改为 deepseek-v4-pro 或 deepseek-v4-flash。
推荐理由:预览版模型同步开源,给出了 API 调用入口和 1M 上下文标配说明,读者可以据此判断它在 Agent 场景中的具体部署方式。
OpenAI 发布前沿推理模型 GPT-Rosalind,该模型旨在加速药物研发、基因组学分析、蛋白质推理及科学研究工作流。
推荐理由:给出了模型在科研领域的具体定位和加速的下游应用,读者可据此判断其在生命科学工作流中的角色。
OpenAI 扩展其 Trusted Access for Cyber 计划,向经过审核的防御者推出 GPT-5.4-Cyber。随着 AI 网络安全能力的发展,OpenAI 正在加强相关保障措施。
推荐理由:OpenAI为经过审核的防御者推出GPT-5.4-Cyber并加强保障措施,为读者提供AI网络安全能力扩展的具体路径。
OpenAI 发布 GPT-5.4 mini 和 nano,两者是 GPT-5.4 更小更快的版本。新模型优化了编码、工具调用和多模态推理能力,以支持大规模 API 请求及子智能体工作负载。
推荐理由:官方明确了 GPT-5.4 mini 和 nano 针对编码与子智能体等高负载场景的优化方向,方便开发者评估替代方案。
Mistral 发布 Mistral Small 4,将 Magistral、Pixtral、Devstral 与 Mistral Small 的指令、推理与多模态能力合并为单一模型,并以 Apache 2.0 开源。
推荐理由:原文明确给出架构、吞吐延迟优化和许可细节,读者可据此判断统一模型如何降低多模型切换成本。
OpenAI 推出 IH-Challenge 以训练大模型优先执行受信任指令。此举提升了指令层级、安全可引导性及对抗提示词注入攻击的抵抗力。
OpenAI 发布 GPT-5.4,称其为目前最强大且高效的 frontier model,适用于专业工作,具备 state-of-the-art 的编码、computer use、tool search 能力和 1M-token 上下文窗口。
推荐理由:官方发布 GPT-5.4,明确了其面向专业工作的定位以及编码、工具搜索和 1M token 上下文等核心能力。
一项新预印本将单减振幅(single-minus amplitudes)扩展至引力子。GPT-5.2 Pro 协助推导并验证了量子引力中的非零引力子树振幅。
文章梳理了 2026 年 1 月至 2 月发布的 10 款开源权重 LLM(Arcee Trinity、Kimi K2.5、GLM-5、Qwen3.5、Ling 2.5 等)及 3 月更新的 Sarvam,深度对比了模型架构差异与性能基准。内容指出各模型在注意力机制上多采用混合设计与效率优化,且多模态支持逐渐成为大参数开源模型的标准配置。
OpenAI 停止使用 SWE-bench Verified 评估前沿编码能力,因其存在污染和测试缺陷。分析显示该基准存在训练数据泄漏问题,导致无法准确衡量模型进展。OpenAI 推荐改用 SWE-bench Pro。
OpenAI 与 Paradigm 联合推出 EVMbench,这是一个用于评估 AI 智能体在发现、修补和利用高严重性智能合约漏洞方面能力的基准测试工具。
OpenAI 发布 GPT-5.3-Codex-Spark,这是其首个实时编码模型。该模型生成速度提升 15 倍,支持 128k 上下文窗口,目前处于 ChatGPT Pro 用户的研究预览阶段。
推荐理由:原文给出了 15 倍生成速度、128k 上下文窗口和 ChatGPT Pro 用户研究预览等关键规格,读者可以据此判断实时编码模型的能力边界。
OpenAI 分享其 AI 本地化方法,展示如何将全球共享的前沿模型适配于当地语言、法律和文化,且不牺牲安全性。
OpenAI 发布 GPT-5.3-Codex 的 System Card。该模型被描述为迄今能力最强的 agentic 编码模型,结合 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业知识能力。
OpenAI 发布 GPT-5.3-Codex,定位为 Codex 原生智能体,兼具前沿编码能力与通用推理能力,用于支持长程真实技术工作。
推荐理由:官方直接给出新模型定位,读者可据此判断其面向的长程技术任务场景。
DeepSeek 官方发布正式版 DeepSeek-V3.2 和 DeepSeek-V3.2-Speciale 模型。官方网页端、App 和 API 均已更新为正式版 DeepSeek-V3.2;DeepSeek-V3.2 在公开的推理类 Benchmark 测试中达到了 GPT-5 的水平,并推出了首个将思考融入工具使用的模型。
推荐理由:V3.2 将深度思考与工具调用结合并开源,Speciale 达到国际顶级竞赛人类前列水平。
OpenAI 推出 gpt-oss-safeguard,这是一系列开放权重的推理模型,用于安全分类。该模型允许开发者应用并迭代自定义策略。
OpenAI 发布 Sora 2 系统卡,介绍其作为最新视频和音频生成模型的能力。Sora 2 在物理准确性、画面真实感、音频同步、可控性以及风格范围上较前代有所提升。
OpenAI 发布 Sora 2,这是支持同步对话和音效的视频生成模型。旧版 Sora 产品已停止服务。
DeepSeek 正式发布 V3.2-Exp 实验性模型,在保持 V3.1-Terminus 性能基本持平的前提下,通过引入 DeepSeek Sparse Attention 提升了长文本的训练和推理效率。官方 App 与 API 已同步更新,开发者调用 API 的成本降低 50% 以上,模型权重与 TileLang、CUDA 算子已在 HuggingFace、魔搭及 GitHub 开源。
推荐理由:DeepSeek 发布 V3.2-Exp 并引入稀疏注意力机制,同步将 API 调用成本降低 50% 以上。
DeepSeek 将 DeepSeek-V3.1 更新至 DeepSeek-V3.1-Terminus 版本,优化语言一致性并增强 Code Agent 与 Search Agent 能力。目前官方 App、网页端、小程序与 DeepSeek API 模型均已同步更新。开源版本可通过 Hugging Face 和 ModelScope 下载。
OpenAI 发布 GPT-5 系统卡增补,介绍专为 Codex 中 Agentic 编码优化的模型 GPT-5-Codex。该模型能根据任务复杂度动态调整推理投入,对简单查询快速响应,对复杂任务则独立工作更长时间。
WRITER 团队发布 Palmyra-mini 系列三款开源模型,参数规模在 1.5B 到 1.7B 之间。palmyra-mini-thinking-a 模型在 GSM8K 基准测试中得分 82.87%。该系列模型采用 CoT 方法训练,支持 GGUF 和 MLX 量化版本。
Google 发布 EmbeddingGemma,这是一个 308M 参数、支持 100 多种语言的端侧嵌入模型。该模型在 MTEB 多语言基准测试中表现领先,且量化后内存占用低于 200MB。它兼容 Sentence Transformers、LangChain 等主流框架,并支持在浏览器或本地环境中部署,便于构建移动设备上的检索增强生成(RAG)和智能体应用。
推荐理由:EmbeddingGemma 在 308M 参数和 2K 上下文窗口下支持 100 余种语言,为端侧 RAG 和 Agent 场景提供了轻量化嵌入方案。
NVIDIA 发布 9B 参数的 Nemotron Nano 2,采用 Transformer–Mamba 混合架构,端侧部署最高 6 倍 token 生成速度,支持配置 thinking budget,推理成本最多降低 60%。
Hugging Face 开源 Kimina-Prover-RL 训练流水线,基于 DeepSeek-R1 的推理-生成范式与 Verl 框架,并同步发布 1.7B 和 0.6B 两款模型。
Hugging Face 团队开源了基于 DeepSeek-R1 范式且兼容 Verl 的 Kimina Prover RL 训练流水线。该流水线发布了 1.7B 和 0.6B 两个参数规模的模型,二者在 MiniF2F 基准测试中分别取得 76.63% 和 71.30% 的 Pass@32 成绩。这两个模型均刷新了相应参数量级开源模型在 Lean 4 形式化定理证明任务上的性能纪录。
Arm 发布基于机器学习的 Neural Super Sampling (NSS) 实时超采样模型,面向移动端图形与游戏开发。该模型专为 Arm Neural Accelerators (NX) 优化,能以更低计算成本重建高分辨率画面;在 Enchanted Castle 演示中,540p 渲染至 1080p 仅需 4ms 并降低 50% 的 GPU 负载。
推荐理由:Arm 开源 NSS 模型在 4ms 内将 540p 实时超采样至 1080p,并给出移动端适配路径与 Unreal 插件,帮助团队直接评估低算力游戏渲染效果。
OpenAI 发布 gpt-oss-120b 和 gpt-oss-20b 两款开源权重模型,这是自 2019 年 GPT-2 以来其首个全开源权重大模型。
GPT-5 是 OpenAI 最先进的模型,标志着企业 AI、自动化和劳动力生产力转型进入智能工作新时代。该模型旨在通过提升智能工作流程,全面变革企业的自动化能力与生产力水平。
GPT-5 被用于医学研究。
OpenAI 发布了 GPT-5 办公场景演示视频,展示了模型分析反馈、创建产品计划及原型以及总结下一步计划的能力。
推荐理由:官方演示直观展示了 GPT-5 在反馈分析、产品规划与原型生成方面的能力。
顶尖开发者首次使用 GPT-5。OpenAI 展示了这群领先开发者如何在实际应用中体验 GPT-5。该视频呈现了 GPT-5 的首次亮相。
OpenAI 发布 GPT OSS 系列开源模型,包括 gpt-oss-120b(117B 参数)和 gpt-oss-20b(21B 参数)。两款均为 MoE 架构,采用 MXFP4 4-bit 量化;120B 模型可运行在单张 80GB H100 上,20B 模型仅需 16GB 显存。
推荐理由:两个模型都采用 MoE 加 4-bit 量化,小模型 21B 可跑在 16GB 硬件上,Apache 2.0 许可让社区能直接复用与微调。