Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，重点强化长程复杂工作流推理、软件工程与网络安全防御能力。该模型将输出 token 上限从 64K 提升至 1M，在 DeepSWE v1.1 评测中达到 77.9%，上线尝鲜定价为每百万输入 tokens 2 美元、输出 tokens 10 美元（缓存输入优惠 95%）。
推荐理由：官方披露了将输出上限扩至1M tokens的技术指标与内部工程迁移实测数据，便于评估长程任务执行能力。
Claude Opus 5.5 本周发布，在解说视频领域反响热烈，并以 88.4% 的得分在 SimpleBench 领跑。同期 Gemini 3.8 Flash 具备 1M 上下文且速度达 291 tok/s，小米亦开源 MiMo-V2.6-Pro。
Anthropic 正式推出 Claude Sonnet 5.5，官方称其运行速度提升 30% 以上且成本更低，并已直接作为 claude.ai 免费层的使用模型。实测显示其在部分编码任务上表现接近 Opus 5.5，但在极高思考模式下可能消耗大量 token 导致输出中断；官方同时确认 Haiku 5.5 将在未来几周内推出。
推荐理由：Anthropic 将新模型直接下放到免费层，实测展示了其思考模式下的成本表现，为评估免费端生产力提供了参考。
Anthropic 正式推出 Claude 5.5 系列首款模型 Claude Opus 5.5，具备接近 Fable 5.1 的能力且单任务成本号称降低约 40%，OpenAI 也随即推出降价 50% 的 GPT-6 Sol 与 Luna。
推荐理由：文章系统梳理了两款新模型的基准表现与 token 计费细节，读者可以借此评估高强度推理下的真实成本变化与架构选型。
Simon Willison 评测了同日发布的 Claude Opus 5.5 以及 OpenAI 的 GPT-6 Sol 和 GPT-6 Luna，指出大模型中低端梯队再次爆发降价潮。
推荐理由：作者横向梳理了最新模型梯队的定价变化，并指出了高推理档位在长输出下触碰上限的隐患。
小米发布 MiMo-V2.6 系列原生全模态开源大模型，其中旗舰款 MiMo-V2.6-Pro 拥有 1.02T 总参数和 42B 激活参数，并在 Artificial Analysis 评测中登顶开源权重榜首。该模型采用 MIT 协议开源，强化学习阶段耗时 130 小时、耗资约 260 万美元，团队采用全异步架构和最高 1M 上下文训练，并承诺开源相关训练套件与数千个强化学习环境。
OpenAI 发布面向企业业务的 GPT-6 Astra 模型。该模型具备进阶推理能力与电脑操作功能，并在文本写作与设计判断力上进行了增强。
推荐理由：原文给出了新模型面向企业场景的核心能力定位，读者可以了解其在进阶推理与电脑操作上的演进方向。
Google DeepMind 正式推出 Gemini 3.8 Flash 与专用于网络安全的 Gemini 3.8 Flash Cyber，在维持与 3.7 Flash 相同速率及价格（每百万输入 token $0.75、输出 $3.75）的前提下显著提升了软件工程和复杂推理能力。
推荐理由：新模型在维持低成本的同时强化了自主编码与网络防御能力，适合需要多步推理且看重成本效益的开发者评估落地。
OpenAI 阐述了通过启用两项 API 设置将 GPT-5.6 在 ARC-AGI-3 基准测试上的得分提升至三倍的技术细节。该方案通过保留推理过程并启用压缩，在大幅提高测试得分的同时优化了运行效率。
GPT-5.6 在模型、推理以及 AI 智能体工作流层面全面提升了 AI 效率。该优化有助于提高投入产出比，实现每美元交付更多实用的智能能力。
Thinking Machines 推出开源原生多模态 MoE 模型 Inkling 及轻量版 Inkling-Small，原生支持文本、图像与音频输入并具备 1M 上下文窗口。
推荐理由：原文系统梳理了万亿参数原生多模态架构设计与基准表现，并提供了覆盖主流推理框架的开源部署及量化适配方案。
智谱推出新一代旗舰开源模型 GLM-5.2，采用 MIT 协议完全开源，原生支持 1M token 上下文，主打面向长流程（long-horizon）的软件工程与智能体任务。
推荐理由：GLM-5.2 将实用工程评测与 1M 上下文推理架构结合，为需要长时间自主运行的编码智能体提供了兼顾开源与高吞吐的落地参考。
NVIDIA 正式发布多模态安全模型 Nemotron 3.5 Content Safety 及开源训练数据集，将多模态输入联合评估、自定义策略与审计推理整合至单次推理。
推荐理由：该方案把多模态审查、自定义规则与紧凑推理集成在 4B 模型中，为企业构建低成本且可审计的内容风控提供了实践参考。
OpenAI 在 API 中推出全新实时语音模型，具备链式推理、翻译和语音转录能力。该模型旨在帮助开发者构建更自然、更智能的实时语音交互体验。
推荐理由：新模型将推理能力直接融入实时语音交互，为构建低延迟自然语音应用提供了直接入口。
NVIDIA 正式推出全模态理解模型 Nemotron 3 Nano Omni，原生支持文本、图像、长音视频理解、复杂文档分析以及 GUI 智能体计算机操作。
推荐理由：该模型结合 Mamba-Transformer-MoE 混合架构与原生音视频编码，为长上下文多模态处理与 GUI 智能体提供了高吞吐量的开源实现方案。
DeepSeek 正式发布 DeepSeek-V4，推出 Pro（1.6T 参数/49B 激活）与 Flash（284B 参数/13B 激活）两款 MoE 模型，均支持 1M token 上下文窗口。
推荐理由：原文详解了混合注意力机制与跨轮次思考保留设计，读者可借此评估长上下文模型在多轮智能体任务中的部署与工程取舍。
Google DeepMind 推出专为机器人设计的具身推理模型 Gemini Robotics-ER 1.6，大幅增强了空间推理、多视角理解、任务成功检测与复杂仪器读数能力。
推荐理由：该模型强化了多视角空间指向与工业仪表识别能力，为实体机器人在复杂工业场景中的自主感知和规划提供了可落地的工具调用方案。
OpenAI 推出 GPT-5.4 mini 和 nano，作为 GPT-5.4 的轻量且更快速版本。两款模型针对编码、工具调用、多模态推理以及大吞吐量 API 与子智能体工作负载进行了专门优化。
Google DeepMind 推出面向大规模高吞吐工作流的模型 Gemini 3.1 Flash-Lite，已在 Google AI Studio 和 Vertex AI 开启预览。
推荐理由：原文提供了具体的定价、推理速度提升倍数和基准测试分数，读者可以据此评估高并发任务中的成本与性能权衡。
OpenAI 公布了其 AI 模型针对 First Proof 数学挑战赛的证明尝试。该挑战旨在专家级数学难题上测试模型的研究级推理能力。
Google 推出新一代核心推理模型 Gemini 3.1 Pro，主打面向复杂任务的高级问题解决能力。在评估新逻辑模式解决能力的 ARC-AGI-2 基准中，该模型取得 77.1% 的验证得分，推理表现达到 3 Pro 的两倍以上。
推荐理由：该模型在 ARC-AGI-2 基准上实现了相比前代翻倍的推理得分，读者可据此评估其在复杂逻辑与智能体工作流中的落地表现。
Google DeepMind 发布 Gemini 3 Deep Think 深度思考模式的重大升级，强化其在科学研究与工程领域的复杂推理能力。基准测试中，该模式在无工具辅助下取得 Humanity's Last Exam 48.4% 和 ARC-AGI-2 84.6% 的成绩，并在国际数学、物理与化学奥林匹克竞赛中展现出金牌水准。
推荐理由：该版本公布了在多项学科竞赛与基准测试中的具体得分，同时将高阶推理能力拓展到了工程应用与开发者接口。
OpenAI 发布 GPT-5.3-Codex 系统卡片，将其定位为目前能力最强的智能体编码模型。该模型结合了 GPT-5.2-Codex 的前沿编码表现以及 GPT-5.2 的推理与专业知识能力。
推荐理由：官方阐明了该模型结合编码能力与专业推理的技术定位，可作为评估智能体编程工具演化路径的参考。
OpenAI 发布 GPT-5.3-Codex，定位为 Codex 原生智能体。该模型将前沿编码性能与通用推理相结合，旨在支持长周期、现实世界中的技术工作。
NVIDIA 发布面向物理 AI 的开源推理视觉语言模型 Cosmos Reason 2，登顶 Physical AI Bench 和 Physical Reasoning 榜单。
推荐理由：原文给出了模型参数规模与上下文窗口升级细节，读者可以据此评估其在机器人规划与端云部署上的适配度。
OpenAI 推出专精编码的模型 GPT-5.2-Codex。该模型具备长程推理能力，支持大规模代码重构，并增强了网络安全能力。
推荐理由：原文明确了模型聚焦长程推理与大规模代码重构，有助于读者快速掌握其在代码智能体场景的演进方向。
Google DeepMind 正式推出主打速度与效率的 Gemini 3 Flash 模型，API 定价为每 1M 输入 token 0.50 美元、输出 3 美元。
推荐理由：该模型在保持低延迟与低成本的同时具备较强推理能力，为高频交互和智能体工作流提供了更具性价比的基础模型选型。
OpenAI 正式发布面向日常专业工作的 GPT-5.2 前沿模型，具备 SOTA 级别的推理、长上下文理解、编码和视觉能力。该模型已在 ChatGPT 和 OpenAI API 中提供，旨在支持更快、更可靠的智能体工作流。
推荐理由：官方明确了该模型面向专业工作和智能体工作流的定位，读者可据此评估其在推理与编码场景中的接入价值。
ServiceNow AI 推出 Apriel-H1 混合架构推理模型系列与训练框架 Fast-LLM，通过将 15B 模型的注意力层逐步替换为 Mamba 层实现最高 2.1 倍吞吐提升且推理能力几乎无损。
推荐理由：原文给出了将现有注意力模型分阶段蒸馏为 Mamba 混合架构的具体方法与数据发现，读者可以据此评估有限算力下提升推理吞吐的方案。
OpenAI 推出面向 Codex 的智能体编程模型 GPT-5.1-Codex-Max。该模型速度更快且更智能，专为长时间、项目级工作设计，同时增强了推理能力并提升了 token 效率。
推荐理由：原文介绍了面向项目级代码任务的智能体模型特性，读者可以了解其在长程任务与推理效率上的定位。
Google DeepMind 发布新一代前沿模型 Gemini 3 Pro 预览版，并公布了面向更复杂推理任务的 Gemini 3 Deep Think 模式。
推荐理由：新模型在推理基准与长周期规划上超越前代，开发者可借此评估复杂工具调用与终端编码的落地表现。
Google DeepMind 发布通用 3D 虚拟世界智能体 SIMA 2，以 Gemini 模型为核心，从简单的指令遵循升级为具备目标推理、语言交流与自我提升能力的交互伙伴。
推荐理由：SIMA 2 将 Gemini 作为推理核心，展示了智能体在未见过的虚拟 3D 环境中自主试错与自我提升的具身演进路径。
OpenAI 宣布 GPT-5.1 正式在 API 中上线。该版本带来更快的自适应推理、扩展的提示词缓存（prompt caching）与更强的编码性能，并新增了 apply_patch 和 shell 工具。
推荐理由：GPT-5.1 正式接入 API 并增强编码能力，开发者可结合新增的补丁与终端工具评估其对研发流程的提效效果。
OpenAI 推出面向安全分类的开放权重推理模型 gpt-oss-safeguard。该模型支持开发者直接应用并持续迭代自定义安全策略，以适配不同场景的审核需求。
推荐理由：OpenAI 将推理能力引入安全分类并开放权重，使开发者能够在本地或私有环境中灵活迭代自定义安全策略。
WRITER 推出 Palmyra-mini 系列三款 1.5B 至 1.7B 参数的开源模型，包括基础模型 palmyra-mini 以及经过思维链训练的推理优化变体 thinking-a 与数学增强变体 thinking-b。
OpenAI 正式发布开源开放权重模型家族 GPT OSS，包含 117B 参数的 gpt-oss-120b 和 21B 参数的 gpt-oss-20b 两款 MoE 架构纯文本推理模型，采用 Apache 2.0 许可证。
推荐理由：原文详细梳理了该系列模型的量化方案、显存门槛以及在主流推理框架中的适配方法，适合需要本地部署或微调的开发者参考。
NVIDIA 的 AI-Q 深度研究智能体在 DeepResearch Bench 的搜索增强大语言模型榜单中取得 40.52 的总分，位列完全开源架构榜首。
推荐理由：文章呈现了开源大模型结合检索架构在深度研究基准上的实测表现，为构建本地可部署的智能体工作流提供了参数选型与评测参考。
Numina 与 Kimi 团队联合发布形式化定理证明模型 Kimina-Prover-72B 及其 8B、1.7B 蒸馏版本，在 miniF2F 基准测试中取得 92.2% 的通过率。模型基于 Qwen 架构并通过 Kimi k1.5 强化学习流程训练，引入测试时强化学习搜索框架以自主递归生成和复用引理。此外，系统集成了针对 Lean 报错信息的错误修复机制，显著提升了多轮证明迭代中的样本效率。
Hugging Face 正式发布完全开源的 3B 规模模型 SmolLM3，包含基础模型与支持双模式推理的指令微调版本，并同步公开了完整训练配方。该模型在 11.2T token 上训练完成，支持英法德意西葡 6 种语言，并利用 NoPE 和 YaRN 将推理上下文扩展至最高 128k。
推荐理由：原文完整公开了小模型三阶段预训练与双模式推理的工程配方，为轻量端侧模型的复现与训练优化提供了可迁移参考。
Hugging Face 宣布启动 Open-R1 项目，旨在全面复现并开源 DeepSeek-R1 未公开的训练代码、数据集及完整管线。项目分为三步推进：首先通过 DeepSeek-R1 蒸馏高质量推理数据以复现轻量模型，随后构建大规模数学、代码与推理数据以复现类似 R1-Zero 的纯强化学习管线，最后打通从基座模型到 SFT 再到强化学习的多阶段训练。
推荐理由：Hugging Face 启动开源复现项目，旨在补齐 DeepSeek-R1 未公开的训练代码与数据集构建细节。