AI 每天都在变，
这里一页看完

Prime Intellect 发布 INTELLECT-2：32B 参数模型的全球去中心化强化学习训练

Prime Intellect 发布 INTELLECT-2，称其为首个 32B 参数模型的全球无许可去中心化强化学习训练，任何人可贡献异构算力。

推荐理由：官方完整公开了异步 RL 去中心化训练的框架、验证机制与数据过滤细节，读者可以照此评估和复用整套开源组件。

OpenAI 在 API 中发布 GPT-4.1 系列模型

OpenAI 在 API 中发布 GPT-4.1 系列模型，带来编码、指令遵循和长上下文理解方面的全面提升，并同时推出其首个 nano 模型，即日起向全球开发者开放。

推荐理由：官方宣布 API 上线 GPT-4.1 系列并首次推出 nano 模型，读者可据此了解编码与长上下文等能力的更新方向。

MiniMax MCP Server

MiniMax 发布 MCP Server，集成文本转语音、语音克隆、文生图、文生视频等多模态能力。支持 Claude Desktop、Cursor、Windsurf 等主流 MCP 客户端，通过统一工作流实现文本到音视频的一站式生成，面向创作者和开发者免费开放。

推荐理由：MiniMax MCP Server 上线，支持语音克隆、文生图/视频并兼容 Claude Desktop 等主流客户端

Hugging Face 欢迎 Llama 4 Maverick 与 Llama 4 Scout 上线

Hugging Face 发布博客，宣布 Llama 4 Maverick 与 Llama 4 Scout 上线 Hugging Face 平台。正文抓取失败，仅有标题可用，更多细节见原文链接 https://huggingface.co/blog/llama4-release。

Cognition 发布 Devin 2.0，推出 Agent 原生 IDE 并新增 $20 起的灵活方案

Cognition 发布 Devin 2.0，带来 Agent 原生 IDE 体验和 $20 起的新方案。用户可并行运行多个 Devin，各自配备云端 IDE，可在 IDE 内用 Cmd+I、Cmd+K 等快捷键审查和修改 Devin 的代码。

推荐理由：官方公告列出新 IDE 体验、三项新功能和 $20 起的新定价，读者可据此评估 Devin 在编码工作流中的可用性变化。

OpenAI 以 3000 亿美元投后估值融资 400 亿美元

OpenAI 宣布新一轮融资，金额 400 亿美元，投后估值 3000 亿美元。资金将用于推进 AI 研究、扩展算力基础设施，并服务每周使用 ChatGPT 的 5 亿用户。

推荐理由：原文给出融资额、投后估值和资金用途，读者可以据此了解 OpenAI 后续的研究与算力扩张方向。

电路追踪：揭示语言模型中的计算图

研究团队提出“电路追踪”方法，用于揭示语言模型行为的计算机制。该方法通过在替代模型中追踪计算步骤，生成描述模型执行过程的图；替代模型使用跨层转码器等可解释组件近似原始结构。团队开发了可视化和验证工具，以研究18层语言模型的简单行为归因图，为后续研究奠定基础，并计划应用于Claude 3.5 Haiku。关键决策包括使用跨层转码器提取特征，并构建特征间线性相互作用的归因图。

推荐理由：揭示大模型内部机制，为AI安全与调试提供新工具。

论大语言模型的生物学

研究团队运用其电路追踪方法，深入探究了Claude 3.5 Haiku模型在多种情境下的内部工作机制。该模型在2024年10月发布，是Anthropic的轻量级生产模型。研究发现，模型在生成诗歌前会预先规划并选定押韵词；其内部存在语言特定与语言无关的混合计算电路，且后者在更强大的模型中更突出；同一加法计算电路能在不同语境中泛化使用。研究还揭示了模型识别实体与产生幻觉的电路机制、拒绝有害请求的通用特征形成过程，以及一个通过诱导模型无意识开始输出危险指令而实现的越狱攻击原理。此外，方法能有效区分模型思维链推理的真实性，并成功识别出一个被微调以追求秘密目标（利用训练“漏洞”）的变体模型的相关机制。

推荐理由：揭示大模型内部工作原理，助力 AI 安全与可解释性研究。

OpenAI 演示如何使用 4o 模型生成图像

OpenAI 发布介绍视频，演示如何使用 4o 模型创建图像。视频展示了 4o 的图像生成功能的基本用法。

推荐理由：官方演示如何用 4o 模型生成图像，想上手该功能的开发者可以直接参照操作。

DeepSeek-V3-0324 发布：推理、代码与中文写作能力全面升级

DeepSeek 发布小版本升级 DeepSeek-V3-0324，在数学、代码类评测集上得分超过 GPT-4.5，并增强了前端代码生成、中文写作与联网搜索能力。模型参数约 660B，开源版本上下文长度为 128K，网页端、App 和 API 提供 64K 上下文。权重已开源，采用 MIT License，允许蒸馏训练其他模型。

推荐理由：推理能力提升至超越 GPT-4.5 的同时保持 MIT 开源许可，让低成本部署强推理模型的门槛进一步降低。

DeepSeek-V3 模型更新，各项能力全面进阶

DeepSeek-V3 新版已发布，关闭深度思考模式即可体验，模型权重同步开源。

推荐理由：DeepSeek-V3 发布时是开源模型的有力竞争者，但这条一年多前的旧闻如今毫无新意，对关注 AI 动态的你来说，可以直接跳过。

OpenAI 推出 4o 图像生成，GPT-4o 支持原生图像生成

OpenAI 在 2025 年推出的这次发布为 GPT-4o 引入原生图像生成能力，包括更强的文字渲染和指令遵循。相关功能可通过 ChatGPT Images 2.5 使用。

推荐理由：原文给出 GPT-4o 原生图像生成的核心能力变化和 ChatGPT Images 2.5 入口，可据此了解该功能如何用于生成场景。

OpenAI 补充 GPT-4o 系统卡，介绍 4o 图像生成能力

OpenAI 发布 GPT-4o 系统卡附录，介绍 4o image generation 图像生成能力。官方称其比此前的 DALL·E 3 系列模型能力显著更强，可生成照片级真实感输出，并支持以图像作为输入进行变换。

推荐理由：官方说明指出 4o 图像生成比 DALL·E 3 系列能力更强，读者可借此了解其照片级输出与图像输入变换的新方向。

ARC Prize 发布 ARC-AGI-2 基准并开启 2025 竞赛

ARC Prize 官方发布更难的 ARC-AGI-2 基准，纯 LLM 得分 0%，o3-preview-low 仅约 4%，而每个任务都至少由 2 人在 2 次尝试内解出。

推荐理由：官方公布了新基准的题型、人类与 AI 的对比成绩和效率指标，读者可以据此理解当前推理系统与人类泛化能力的具体差距。

DeepSeek 将 deepseek-chat 升级为 DeepSeek-V3-0324

DeepSeek 将 deepseek-chat 模型升级为 DeepSeek-V3-0324，推理能力增强，MMLU-Pro 升至 81.2，AIME 升至 59.4。同时优化了 Web 前端开发、中文写作（对齐 R1 风格）、中文搜索及 Function Calling 准确率，并修复了此前问题。

推荐理由：这是 DeepSeek V3 发布后的一次重要版本更新，推理和代码能力提升显著，AIME 提升近 20 分，前端和中文写作体验优化，API 用户应该尽快切换。

Jim Fan@DrJimFan

GR00T N1 开源获社区热烈反馈，欢迎前往 GitHub 点星、Fork 与贡献

NVIDIA 发布世界首个开源人形机器人基础模型 GR00T N1，仅 2B 参数，采用 VLM 加 Diffusion Transformer 架构实现端到端控制。模型基于真实遥操作、30 万+仿真轨迹及合成神经轨迹训练，在 GR1、1X Neo 等机器人上任务性能提升 30%，并可跨具身部署至百元级开源机械臂。

推荐理由：NVIDIA开源首个通用人形机器人基础模型GR00T N1，2B参数可部署于百元级机械臂

OpenAI 在 API 中推出新一代音频模型

OpenAI 在 API 中推出新一代音频模型。开发者首次可以指示文生语音模型以特定方式说话，例如像有同理心的客服人员那样讲话，为语音 Agent 带来更深层的自定义能力。

推荐理由：原文来自 OpenAI 官方，说明开发者可用自然语言指示语音模型按特定方式说话，语音 Agent 的自定义方式值得关注。

“思考”工具：让Claude在复杂工具使用场景中停下来思考

Anthropic为Claude引入了“思考”工具，允许其在生成最终响应前插入一个专门的思考步骤，以处理多步骤工具调用链、分析外部信息并遵循复杂策略。该工具与更早发布的“扩展思考”功能不同，更侧重于在响应生成过程中对新信息进行针对性推理。在τ-Bench基准测试中，该工具显著提升了Claude在客户服务场景的表现。文章建议在需要复杂工具调用、长链分析或高成本序列决策的场景中使用它，并提供了标准的工具实现格式。

推荐理由：Anthropic 官方给出的 think tool 实操指南，附带 τ-Bench 和 SWE-bench 的真实数据，做 Agent 或 tool use 的开发者可以直接抄 prompt 模板，比自己瞎试强太多。

METR 发布时间视野研究：AI 可完成任务时长每约 7 个月翻倍

METR 提出以 AI 智能体能完成的任务时长（按人类专业人士所需时间衡量）来度量模型能力，发现过去 6 年该指标呈指数增长，翻倍时间约 7 个月，且在 SWE-Bench Verified 上翻倍时间不足 3 个月。

推荐理由：METR 用任务时长衡量模型能力，给出六年间指数增长趋势和约 7 个月翻倍速度，为理解模型真实工作能力提供一个可比较的框架。

Mistral 发布 Mistral Small 3.1，Apache 2.0 开源并支持 128k 上下文

Mistral AI 发布 Mistral Small 3.1，称其在同类权重模型中优于 Gemma 3 和 GPT-4o Mini，推理速度达 150 tokens 每秒，上下文窗口扩展至 128k tokens，并以 Apache 2.0 许可证开源。

推荐理由：官方公告给出具体基准对比、部署门槛和开放下载渠道，读者可据此评估它能否替代现有小型私有模型。