MiniMax-M1 开源推理模型解析：4560 亿参数、100 万 Token 上下文，54 万美元完成训练
结论先行：MiniMax（稀宇科技）在 2025 年 6 月 17 日发布的 MiniMax-M1，是一枚主打开源的大规模混合架构推理模型。它把参数量做到 4560 亿（456B），上下文输入上限拉到 100 万 Token，推理输出长度做…
Claude 3.7 Sonnet 混合推理模型解析：输入 3 美元输出 15 美元，首次支持思考时长可调
一句话结论：2025 年 2 月 25 日，Anthropic 发布 Claude 3.7 Sonnet——它被称为首款「混合推理模型」，同时具备推理模式与传统实时生成模式，并首次让开发者通过「草稿纸」精确控制模型的思考方式与响应时间（可限…
文心大模型 4.5 原生多模态解析：API 输入 0.004 元/千 tokens，幻觉显著降低
一句话结论：2025 年 3 月 16 日，百度推出新一代原生多模态基础大模型文心大模型 4.5，在文心一言官网免费开放，并通过千帆平台开放 API——输入价格低至 0.004 元/千 tokens，输出 0.016 元/千 tokens。…
Kimi-Audio 开源音频大模型解析：LibriSpeech 词错误率 1.28%，三段式架构统一语音任务
一句话结论：MoonshotAI 开源的音频基础模型 Kimi-Audio，用「音频分词器 + 音频大模型 + 音频去分词器」的三段式集成架构，把语音识别、音频理解、音频转文本和语音对话四类任务收进同一个模型，在 LibriSpeech 测…
CogView4 开源文生图模型解析：首个支持汉字生成，DPG-Bench 综合评分开源第一
一句话结论：2025 年 3 月 4 日，智谱发布 CogView4，这是全球首个支持生成汉字的开源文生图模型，在 DPG-Bench 基准测试中综合评分排名第一，达到当时开源文生图模型的最先进水平（SOTA），并遵循 Apache 2.0…
Amazon Nova Act 浏览器智能体解析：ScreenSpot WebText 登顶，SDK 开放可自建网页自动化
一句话结论：Amazon 于 2025 年 3 月 31 日发布的 Nova Act，是当时少数真正「能动手」的通用智能体——它不满足于回答你的问题，而是直接在真实浏览器里替你点按钮、填表单、选日期、提交订单，并同步开放 SDK，让开发者把…
ChatGPT Agent正式发布：虚拟浏览器自主完成表格/幻灯片/调研，Pro/Plus/Team用户如何开启
一句话结论：OpenAI 在 2025 年 7 月 18 日正式发布 ChatGPT Agent，让 AI 从「会说」走向「会做」——它通过虚拟浏览器自主点击、筛选、抓取数据，完成财务研究、在线表格填写、幻灯片制作等任务，执行敏感操作前需用…
GPT-OSS开源权重模型发布：120B/20B双版本Apache 2.0可商用，128K上下文与本地部署全解析
一句话结论：OpenAI 在 2025 年 8 月 5 日推出开放权重模型系列 GPT-OSS，包含 GPT-OSS-120B 与 GPT-OSS-20B 两款，均采用 MoE 架构与 Apache 2.0 协议，原生支持最长 128K t…
美团小美AI助手App上线：搭载LongCat-Flash-Chat，一句话点外卖订座排队，本地生活Agent怎么用
一句话结论：美团在 2025 年 9 月 12 日发布首款独立 AI 助手 App「小美」，定位本地生活 Agent，搭载自研 LongCat-Flash-Chat 大模型，主打「帮你想、代你办」——一句话点外卖、比价推荐、代为订座排队，并…
美团CatPaw AI编程IDE发布：内置LongCat多模型混合调用，Tab/Agent/Browser/Codebase四大能力全解析
一句话结论：美团在 2025 年 11 月 10 日发布的 AI 编程 IDE「CatPaw」，以「Agent + 人协作」为核心理念，集成自研 LongCat 大模型并支持多模型混合调用，用 Tab、Agent、Browser、Codeb…