超级智能观察
EN中文

研究前沿

谁在推动
智能的边界。

从通用推理、多模态到自主智能体。追踪关键模型，以及它们带来的新方向。

22 家实验室与模型团队2026.10.12

全球前沿实验室

10
01OpenAI · GPTGPT-6 Astra / GPT-6.1 Sol / GPT-6 Luna从深度推理到持续行动
模型系列

2026-09-29

进展
GPT-6 Astra将科研推理、编程和电脑操作接成工作流；9月29日推出的GPT-6.1 Sol降低使用成本，Luna面向高吞吐任务。 OpenAI报告，Sol在DeepSWE v1.1上以约五分之一成本达到Astra的表现，电脑操作和科学工作流也有进步。
点评
推理、持续工具调用与更低的实验成本结合，推动模型承担端到端的编程与科研工作流。
GPT-6 Astra：新一代智能（新窗口打开）GPT-6.1 Sol 发布与能力评测（新窗口打开）GPT-6.1 Sol 系统卡补充（新窗口打开）
02Google DeepMind · GeminiGemini 3.8 Flash / 3.1 Pro / Omni 1.1 Flash多模态理解与任务执行汇合
模型系列

2026-09-24 · 模型卡更新

进展
Gemini 3.8 Flash强化软件工程与知识工作，支持百万token上下文及文字、图像、音频和视频输入；3.8 Audio与Omni 1.1 Flash继续扩展多模态能力。 官方模型卡报告，3.8 Flash在DeepSWE v1.1上达73.7%，前代为65.3%；Omni支持对话式视频创作与编辑。
点评
连接感知、推理与产出，让智能体更好地理解变化中的环境，并完成复杂项目。
Google DeepMind 官方模型卡目录（新窗口打开）Gemini 3.8 Flash 模型卡（新窗口打开）Gemini Omni Flash / Omni 1.1 Flash 模型卡（新窗口打开）
03Anthropic · ClaudeOpus 5.5 / Sonnet 5.5 / Haiku 5.5 / Fable 5.1 / Mythos 5.1长任务协作与科研工作流
模型系列

2026-10-07

进展
Claude现有Opus、Sonnet、Haiku 5.5，以及Fable、Mythos 5.1，覆盖复杂项目、日常工作与高吞吐应用；Mythos采用受信任访问。 Anthropic报告，Opus 5.5在多数工作上接近Fable 5.1，典型成本较Opus 5降40%；Fable/Mythos也推进科学工作流和计算生物学优化。
点评
持续调查、编程、测试与协作，扩大了模型在完整项目中的作用；更低的运行成本，让这些能力更容易进入日常科研与工程任务。
Anthropic 官方发布目录（新窗口打开）Claude Opus 5.5 发布与评测（新窗口打开）Claude Fable 5.1 / Mythos 5.1 发布（新窗口打开）
04xAI / GrokGrok 4.7长程智能体与自我核验
模型系列

2026-09-21

进展
2026年9月21日发布的Grok 4.7采用更大的基础模型，并以更长的强化学习训练攻克耗时数小时的任务；官方报告强调自我核验、上下文管理及对Grok Bot运行环境的原生适配，编码与专业交付能力也有提升。
点评
守住目标、检查中间结果并持续完成复杂工作，扩展了自主智能体的用途。标准价格沿用 4.6，也让更长程的问题求解更具经济可行性。
Grok 4.7 发布（新窗口打开）
05MetaMuse Spark 1.3 / Llama 4个人智能体与开放模型生态
模型系列

2026-09-02

进展
Meta于2026年9月2日发布Muse Spark 1.3，强化长程编码、任务切换及跨智能体环境的工具操作；内部工程比较显示，较1.2减少约20%的工具调用和25%的词元消耗。2025年4月5日发布的Llama 4 Scout与Maverick则提供可下载的原生多模态混合专家模型。
点评
Muse 推动个人智能体持续协作，Llama 让更多开发者参与验证和定制，将高能力系统与更广泛的实验生态连接起来。
Muse Spark 1.3 发布（新窗口打开）Llama 4 模型家族（新窗口打开）
06Mistral AIMistral Large 4 Preview多模态推理与开放权重路线
模型系列

2026-10-06

进展
Mistral Large 4于2026年10月6日进入公开预览：原生多模态混合专家架构拥有1.05万亿总参数、520亿激活参数及百万词元上下文。官方介绍了覆盖科学问题、结果核验与长程工具操作的强化学习，权重计划于10月底发布。
点评
视觉理解、可执行的科研流程与自主部署路线结合，为高能力智能体增加了选择。计划中的权重发布，将让更多团队有机会运行、定制并改进这些系统。
Mistral Large 4 公开预览（新窗口打开）Mistral Large 4 模型文档（新窗口打开）
07AmazonNova 2.5 Sonic / Nova 2 Lite语音智能体与可部署智能
模型系列

2026-10-05

进展
Amazon于2026年10月5日发布Nova 2.5 Sonic，提升实时语音交互中的推理、指令遵循和工具调用。同系Nova 2 Lite提供可调推理强度、代码执行、联网检索、远程MCP工具及百万词元上下文，并支持通过Nova Forge定制。
点评
实时语音让推理进入不便打字的场景。工具接入、可调推理与定制能力，将自然对话连接到可重复的专业工作流和领域智能体。
Amazon Nova 2.5 Sonic 发布（新窗口打开）Amazon Nova 模型系列（新窗口打开）
08NVIDIANemotron 3 Ultra高效推理与智能体协同
模型系列

2026-06-04

进展
NVIDIA于2026年6月4日发布Nemotron 3 Ultra，拥有5500亿总参数、550亿激活参数及最高百万词元上下文。混合Mamba与注意力架构、多词元预测和多教师同策略蒸馏共同服务于高效推理与长程智能体，官方也发布模型检查点、训练配方和强化学习资源。
点评
将专业教师能力汇入更通用的推理模型，提供了整合知识与技能的工程路线。高效推理和开放训练资源，也降低了持续推理与智能体协同的实验门槛。
Nemotron 3 Ultra 发布与架构（新窗口打开）Nemotron 3 Ultra 官方模型卡（新窗口打开）Nemotron 3 Ultra 技术报告（新窗口打开）
09Thinking Machines LabInkling / Inkling-Small · Tinker可定制的多模态智能
模型系列

2026-07-30

进展
Thinking Machines Lab于2026年7月15日推出开放权重模型Inkling，并于7月30日发布Inkling-Small；激活参数分别为410亿和120亿，均支持原生图像、音频推理及可调思考强度。Tinker则是该公司的训练API，让研究者控制数据、损失函数与后训练算法，由平台管理分布式算力。
点评
多模态模型提供广度，灵活的训练工具则让领域专家把反馈与任务知识转化为专业能力，将模型发展与不同领域的实际实验连接起来。
Inkling 开放权重模型发布（新窗口打开）Inkling-Small 发布（新窗口打开）Tinker 训练 API 文档（新窗口打开）
10MBZUAI · Institute of Foundation ModelsK2 Horizon 375B-A23B跨规模、可复现的智能体研究
模型系列

2026-09-03

进展
MBZUAI的基础模型研究院IFM于2026年9月3日发布K2 Horizon。旗舰375B-A23B采用稀疏架构，约230亿参数参与每词元计算，支持512K上下文；整个系列涵盖0.9B至375B六种规模。发布内容包括权重、中间检查点、训练代码及数据或构建配方，模型与代码采用Apache 2.0许可。
点评
中间检查点与训练资源，让研究者能够研究推理和工具能力的形成，比较学习阶段，并跨模型规模迁移方法，为更多团队共同改进前沿能力提供基础。
K2 Horizon 发布（新窗口打开）K2 Horizon 375B-A23B 模型卡（新窗口打开）MBZUAI 官方发布公告（新窗口打开）

中国模型团队

11
11DeepSeekDeepSeek-V4.1-Flash高效长程推理与开放架构
模型系列

2026-09-10

进展
2026年9月10日发布的 DeepSeek-V4.1-Flash 支持原生视觉与百万 词元 上下文。其5520亿参数混合专家架构，读取输入时激活80亿参数、生成时激活160亿。技术报告显示，全局 KV 缓存约为 V4-Flash 的四分之一，持久缓存约为八分之一，模型权重已开放。
点评
DeepSeek 的价值在于降低持续推理的成本，让更长的研究、工具调用与反复验证更可行。开放权重与架构研究，也为更多团队扩展自主工作流提供基础。
DeepSeek-V4.1-Flash 发布（新窗口打开）DeepSeek-V4.1-Flash 技术报告（新窗口打开）
12Alibaba · QwenQwen3.8-2.4T-A95B / Omni-Flash跨文字、音频与视频的开放推理
模型系列

2026-09-22 · Omni 报告

进展
通义于2026年8月12日开放 Qwen3.8-2.4T-A95B：总参数2.4万亿、激活950亿，支持调节推理强度并保留推理上下文。9月22日技术报告介绍的 Omni-Flash，以原生多模态联合训练、百万 词元 上下文及开放工具框架，推进音视频智能体。
点评
Qwen 将旗舰推理与开发生态连接起来，开放模型扩大了研究参与面；跨媒体规划和工具调用，则推动助手承担完整项目，让感知、协作与交付逐步融为一体。
Qwen3.8 官方代码库（新窗口打开）Qwen3.8-2.4T-A95B 模型卡（新窗口打开）Qwen3.8-Omni 技术报告（新窗口打开）
13Moonshot AI · KimiKimi K3面向智能体工作的开放基础设施
模型系列

2026-07-27

进展
Kimi K3 于2026年7月推出，27日开放权重与训练基础设施。模型总参数2.8万亿、激活1040亿，支持原生视觉和百万 词元 上下文，以 Kimi Delta Attention、注意力残差及强化学习强化长任务执行，并开放通信、算子与智能体训练环境。
点评
Kimi 将开放模型推进到持续调用工具、完成复杂工作的方向。视觉、长上下文和智能体训练结合，尤其有助于软件与研究任务；同步开放底层设施，也让更多团队能够参与改进。
Kimi K3 技术博客（新窗口打开）Kimi K3 权重与基础设施开放（新窗口打开）Kimi K3 技术报告（新窗口打开）
14Z.ai · GLMGLM-5.3 / GLM-5.3-Flash智能体工程与高效推理
模型系列

2026-08-26 · Flash 更新

进展
GLM-5.3 沿用5.2底座，以后训练提升复杂编程与长任务能力。2026年8月26日发布的5.3-Flash 采用新底座，具备原生多模态能力，总参数3200亿、激活180亿，结合稀疏与线性注意力，并以 MIT 许可证开放权重，可观察界面与代码运行结果。
点评
GLM 同时推进持续工作的能力与运行效率。把编程、视觉反馈和修改连成闭环，有助于智能体在复杂工程任务中反复验证、修正方案，积累更强的自主解题能力。
GLM 官方发布记录（新窗口打开）GLM-5 官方代码库（新窗口打开）GLM-5.3-Flash 模型卡（新窗口打开）
15字节跳动 · 豆包 / SeedSeed2.1 / SeedRealtime / Seedance 2.5能看、能听、能执行的智能体
模型系列

2026-08-05

进展
6月23日的Seed2.1强化跨工具执行、代码工程与电脑操作，并参与评测、数据合成和训练研发；8月5日的SeedRealtime统一实时音视频与文本，支持主动交互和工具调用；7月31日的Seedance 2.5支持30秒音视频联合生成与定向编辑。
点评
缩短感知、行动与研发反馈之间的距离，让智能体更及时理解环境，也让模型参与下一轮能力迭代。
Seed2.1 发布（新窗口打开）SeedRealtime 实时音视频模型（新窗口打开）Seedance 2.5 发布（新窗口打开）
16MiniMaxM3 / H3 / Speech 2.8长上下文与多模态执行
模型系列

2026-07-31

进展
6月1日的M3采用稀疏注意力，支持百万词元上下文、原生图像视频输入、编程与电脑操作，官方还披露自主论文复现实验。7月31日的H3融合四类输入，生成最长15秒的2K立体声音视频；Speech 2.8加入原生声音标签。
点评
让观察、代码与实验记录共处长程工作流，以更可行的成本反复验证和修正，并扩大智能体可交付成果的范围。
MiniMax M3 发布（新窗口打开）MiniMax H3 发布（新窗口打开）MiniMax Speech 2.8 发布（新窗口打开）
17百度 · 文心 ERNIEERNIE 5.1 / 5.0弹性模型与可扩展智能体训练
模型系列

2026-05-09

进展
ERNIE 5.0技术报告以统一自回归目标训练文本、图像、视频和音频，专家路由不按模态割裂。5月9日发布的5.1继承其基础，官方称总参数约降至三分之一、激活参数减半；训练端解耦推理、奖励与智能体循环，再以多教师策略内蒸馏融合专家能力。
点评
共享知识基础、复用不同规模子模型并降低长程训练开销，有助于把更多算力用于持续试验与能力迭代，推进SI所需的通用学习。
ERNIE 5.1 发布（新窗口打开）ERNIE 5.0 技术报告（新窗口打开）
18腾讯 · 混元 / HyHy3 / HY-World 2.0高效智能体与持久三维世界
模型系列

2026-07-06

进展
7月6日正式发布的Hy3采用混合思考MoE，2950亿总参数、210亿激活参数，支持256K上下文与Apache 2.0许可，强化代码、规划和工具协同。4月16日公开的HY-World 2.0则从文字、图像或视频生成、重建可编辑网格及高斯点云场景。
点评
开放高效模型降低实验门槛，持久三维表示为未来空间学习和规划提供环境基础，拓宽通向SI的训练与验证场景。
腾讯 Hy3 正式发布（新窗口打开）HY-World 2.0 官方代码库（新窗口打开）
19科大讯飞 · 星火Spark-X2.5-4B / 1.7B小模型上的长上下文智能体
开源模型系列

2026-09-01

进展
9月1日全球发布的Spark-X2.5-4B与1.7B以一层全注意力配三层滑窗，支持原生百万词元上下文和200多种语言。团队在昇腾集群训练，再以强化学习、多教师策略内蒸馏整合专业能力，并用Apache 2.0许可开放模型。
点评
小模型让本地适配、反复工具交互与分布式实验更容易开展，让更多设备和团队参与高能力自主系统的研究。
Spark-X2.5 开源模型库（新窗口打开）Spark-X2.5-4B 模型卡（新窗口打开）
20小米 · MiMoMiMo-V2.6-Pro规模化强化学习 · 全模态智能体 · 开放研究
开源模型系列

2026-09-22

进展
2026年9月22日发布的 MiMo-V2.6-Pro 支持文本、图像、视频、音频及百万 词元 上下文。开放的 Pro-RL 权重总参数1.02万亿、激活420亿。小米通过混合任务与多框架强化学习，结合比较评分和验证器检查，并开放训练环境与研究资源。
点评
MiMo 的推进点是学习闭环：用丰富环境产生经验，用更好的反馈筛选有效行为。结合多模态感知，这条路线有助于智能体通过训练增强调查与行动能力；开放配套工具，则让更多研究者参与验证和改进。
MiMo-V2.6：扩展强化学习规模，迈向自我提升（新窗口打开）MiMo-V2.6-Pro-RL 模型卡（新窗口打开）MiMo Code v0.1.15 发布记录（新窗口打开）
21阶跃星辰 · StepStep 5 Preview高效智能体工作 · 长程执行 · 视觉推理
模型预览

2026-09-20

进展
2026年9月20日公布的 Step 5 Preview 采用6000亿参数稀疏混合专家架构，激活270亿，支持百万 词元 上下文、文本与图像视频输入、工具调用及可调推理强度。官方展示了反复优化 GPU 算子与后训练数据流程；产品和API已可用，权重计划10月15日开放。
点评
阶跃星辰着重以可承受的计算成本完成持续工作。长上下文与视觉反馈帮助智能体跟踪项目、检验修改并调整方案；参与模型改进的实验，也展示了AI协助研发下一代系统的潜力。
Step 5 Preview：推进智能效率的帕累托前沿（新窗口打开）阶跃发布旗舰模型 Step 5 Preview：向前一步，智能效率的新一代帕累托前沿（新窗口打开）Step 5 Preview 官方开发文档（新窗口打开）

超级智能研究

01
思想与方法

读懂进展背后的研究。

推荐阅读