Baichuan AI@BaichuanAI模型AI 评分67百川智能开源医疗大模型Baichuan-M3
我们已正式开源新一代医疗大语言模型 Baichuan-M3，其在 HealthBench 上获得 65.1 分，并在 HealthBench Hard 上以 44.4 分夺冠。该模型在医疗领域全面超越 GPT-5.2。
推荐理由：医疗大模型在 HealthBench 上超越 GPT-5.2 是个真料，开源后医疗开发者可以直接调优，但别急着相信所有宣传数字，等实测再下结论。
AI 资讯AI 每天都在变，
AI 每天都在变，
这里一页看完
全球 AI 公司、研究机构和媒体的最新动态，自动挑出值得看的，全天自动更新。
更新于 10月16日 04:56 · 每小时自动更新
1月16日 周五1 条
Baichuan AI@BaichuanAI模型AI 评分671月5日 周一1 条
Liquid AI 发布 LFM2.5 端侧模型家族，预训练扩展至 28T tokens
Liquid AI 发布 LFM2.5-1.2B 模型家族，将预训练从 10T 扩展到 28T tokens 并加入强化学习后训练，覆盖 Base、Instruct、日语、视觉语言和音频语言五个变体。
推荐理由：官方发布给出了完整基准数据和推理速度对比，读者可以据此评估 1B 级端侧模型在指令遵循和部署上的实际水位。
12月18日 周四1 条
OpenAI 发布 GPT-5.2-Codex 编码模型
OpenAI 发布 GPT-5.2-Codex，称其为旗下最先进的编码模型。模型主打长程推理、大规模代码改造能力，并增强了网络安全相关能力。
推荐理由：官方一句话公告点出长程推理、大规模代码改造和安全能力三个方向，可作为了解该模型定位的入口。
12月17日 周三1 条
Mistral 发布 Mistral OCR 3，整体胜率达 74%，定价 $2/1000 页
Mistral 发布 Mistral OCR 3，对比 Mistral OCR 2 在表单、扫描件、复杂表格和手写内容上取得 74% 的整体胜率。
推荐理由：官方完整披露了 OCR 3 相对上一代的提升点、定价和接入方式，可帮助需要文档解析的用户评估是否迁移。
12月15日 周一1 条
通义实验室开源 Fun-ASR 系列语音识别模型，含方言与 31 语言版本
通义实验室发布 Fun-ASR 端到端语音识别模型系列并开源。Fun-ASR-Nano-2512 参数量 800M，基于数千万小时语音训练，支持中英日三语、7 种汉语方言和 26 种地方口音；Fun-ASR-MLT-Nano-2512 同为 800M，基于数十万小时训练，支持 31 种语言。
推荐理由：原文给出两个识别模型的训练规模、语言覆盖和开源基准对比，还附部署与推理路径，读者可据此评估在中文和方言场景的可用性。
12月13日 周六1 条
Google DeepMind 发布更新版 Gemini 2.5 Flash Native Audio 语音模型
Google DeepMind 发布更新的 Gemini 2.5 Flash Native Audio 模型，用于实时语音智能体，在 ComplexFuncBench Audio 上取得 71.5%，开发者指令遵循率从 84% 提升到 90%，已在 Google AI Studio、Vertex AI 上线，并开始在 Gemini Live 和 Search Live 推出。
推荐理由：原文给出具体评测分数和功能细节，读者可以据此评估新模型在语音智能体和翻译场景的可用性。
12月11日 周四2 条
OpenAI 发布 GPT-5.2，主打科学与数学能力
OpenAI 发布 GPT-5.2，称其是迄今在数学与科学上最强的模型，在 GPQA Diamond 和 FrontierMath 等基准上取得新的 SOTA 结果。原文还展示这些能力如何转化为实际研究进展，包括解决一个开放理论问题和生成可靠的数学证明。
推荐理由：原文给出了GPT-5.2在GPQA Diamond和FrontierMath上的新成绩及研究落地示例，读者可据此评估其在科研场景的可用性。
OpenAI 发布 GPT-5.2 前沿模型
OpenAI 发布 GPT-5.2，称其为面向日常专业工作的最先进前沿模型，具备推理、长上下文理解、编码和视觉能力。用户可在 ChatGPT 和 OpenAI API 中使用，以支持更快、更可靠的智能体工作流。
推荐理由：官方发布说明明确了模型定位与可用入口，读者可据此判断在 ChatGPT 和 API 中的使用方式。
12月9日 周二1 条
Mistral AI 发布 Devstral 2（123B）与 Devstral Small 2（24B）编码模型及 Vibe CLI
Mistral AI 发布开源编码模型 Devstral 2（123B）与 Devstral Small 2（24B），分别在 SWE-bench Verified 上取得 72.2% 和 68.0%。
推荐理由：官方公布了两档参数规模、SWE-bench Verified 分数和后续 API 定价，读者可以据此评估本地部署与成本收益。
12月2日 周二1 条
Mistral 发布 Mistral 3 系列：Mistral Large 3 与 Ministral 3 全线开源
Mistral 发布 Mistral 3 模型系列，包含 41B 激活、675B 总参数的稀疏 MoE 模型 Mistral Large 3，以及 3B、8B、14B 三种规模的 Ministral 3 小模型，全部以 Apache 2.0 许可开源。
推荐理由：原文来自 Mistral 官方发布，给出了模型规格、开源许可、性能定位和部署路径，读者可据此评估不同规模的选用方案。
12月1日 周一3 条
DeepSeek V3.2 正式版发布：强化 Agent 能力，融入思考推理
DeepSeek 发布正式版 DeepSeek-V3.2 和长思考增强版 V3.2-Speciale，网页端、App 和 API 均已更新。
推荐理由：V3.2将思考融入工具调用，在Agent评测中达到开源最高水平，泛化性提升可能改变复杂工具调用应用的模型选型。
DeepSeek V3.2 正式版：强化 Agent 能力，融入思考推理
DeepSeek 发布正式版 V3.2 与长思考增强版 V3.2-Speciale。V3.2 在推理 Benchmark 中达到 GPT-5 水平，并成为首个支持思考与非思考模式工具调用的模型。
推荐理由：半年前的这版更新，把 Agent 和思考推理揉进了开源模型，回头看算是 DeepSeek 在智能体能力上的关键一刀，做 Agent 开发的至今绕不开它。
DeepSeek-V3.2 及 DeepSeek-V3.2-Speciale 发布
DeepSeek 将 deepseek-chat 和 deepseek-reasoner 均升级为 DeepSeek-V3.2，分别对应非思考模式与思考模式。同时非正式部署 DeepSeek-V3.2-Speciale 的 API 服务，价格不变，仅支持思考模式对话，不支持工具调用，最大输出长度默认 128K，服务截止至北京时间 2025-12-15 23:59。
推荐理由：我觉得DeepSeek V3.2的亮点不是参数，而是思考模式正式接入主力API，意味着推理能力常态化，Speciale那个128K输出更像压力测试，做长文档的可以抓住窗口期探上限。
11月26日 周三1 条
Prime Intellect 发布 INTELLECT-3：106B 参数 MoE 模型，大规模 RL 训练并全栈开源
Prime Intellect 发布 INTELLECT-3，一个 106B 参数的 MoE 模型，在 GLM-4.5-Air 基座上经 SFT 和大规模 RL 训练，在数学、代码、科学和推理基准上达到同规模最先进水平。
推荐理由：原文给出了完整的模型权重、训练框架与 RL 环境开源清单，读者可以据此复现大规模强化学习后训练。
11月24日 周一1 条
Claude Opus 4.5 发布：最强模型登场，支持编程工具调用与 effort 参数
Anthropic 发布 Claude Opus 4.5，定位为最智能模型，在视觉、编程和计算机使用能力上实现阶跃式改进，价格低于前代 Opus 模型。
推荐理由：Opus 系列首次把价格降到「实用」区间，同时编码和视觉有阶跃提升，这对做软件工程和 Agent 的开发者是实打实的利好，配套的工具调用更新也补上了多步骤工作流的效率短板。
11月20日 周四1 条
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image）图像生成与编辑模型
Google DeepMind 发布 Nano Banana Pro（Gemini 3 Pro Image），基于 Gemini 3 Pro 的高保真图像生成与编辑模型，已在 Google AI Studio 和 Vertex AI 以付费预览形式推出。
推荐理由：原文给出模型的核心能力细节、可用分辨率与接入方式，开发者可据此判断是否适合替换现有图像生成工作流。
11月19日 周三3 条
OpenAI 发布 GPT-5.1-Codex-Max 面向长时程项目级编码
OpenAI 发布 GPT-5.1-Codex-Max，一个面向 Codex 的更快、更智能的智能体编码模型。该模型专为长时运行、项目规模的工作设计，具有增强的推理能力和 token 效率。
推荐理由：官方公告点明了模型定位是长时程项目级编码智能体，读者可据此判断它面向的工程场景与效率取向。
Google DeepMind 发布 Gemini 3 Pro， coding 与多模态能力升级
Google DeepMind 发布 Gemini 3，称 Gemini 3 Pro 在各大基准上超过前代，编码方面超越 2.5 Pro。
推荐理由：官方发布说明给出基准分数、API 定价和新工具细节，读者可以据此评估 Gemini 3 Pro 在编码与多模态场景的实际变化。
Google DeepMind 发布 Gemini 3，Gemini 3 Pro 开放预览
Google DeepMind 发布 Gemini 3 并以 Gemini 3 Pro 预览形式上线，称其在所有主要 AI 基准上显著超越 2.5 Pro，LMArena 达 1501 Elo，HLE 37.5%、GPQA Diamond 91.9%。
推荐理由：官方发布给出各基准分数与开放范围，读者可以据此比较 Gemini 3 Pro 与 2.5 Pro 的实际能力变化和可用入口。
11月17日 周一1 条
xAI 发布 Grok 4.1，全平台可用并登顶 LMArena Text Arena
xAI 发布 Grok 4.1，现已向 grok.com、X 和 iOS、Android 应用的全部用户开放，在 Auto 模式立即推出，也可在模型选择器中显式选择。
推荐理由：原文给出了盲测 Elo、EQ-Bench3 和幻觉率等多维度评测结果，读者可以据此判断 Grok 4.1 相比前代的具体提升。