OpenAI o3 与 o4-mini 推理模型解析：MMMU 82.9% 超越 o1，图像直接接入推理链
结论先行：2025 年 4 月 16 日，OpenAI 发布了 o 系列的两款新推理模型——o3 与 o4-mini。真正值得关注的不是”又涨了几个点”，而是 o3 做出了一个此前没有过的动作：把图像直接放進思维链，…
Qwen VLo 多模态模型解析：逐行渐进式生成，支持任意分辨率输入输出的图文统一模型
结论先行：Qwen VLo 是阿里达摩院通义千问团队在 2025 年 6 月 26 日发布的多模态模型，主打”从感知到生成“的统一——同一个模型既能理解图像内容，也能根据自然语言指令完成高质量的图像生成与编辑。它的两…
蚂蚁 AQ AI 健康助手解析：接入 5000 家医院与近百万医生，200 位三甲名医 AI 分身可问询
结论先行：蚂蚁集团在 2025 年 6 月 26 日发布的 AI 健康应用 AQ，核心并不是”又一个聊天机器人”，而是把大模型能力接到真实医疗资源上。官方公布的数据显示，它已接入全国超 5000 家医院、近百万医生资…
腾讯混元游戏视觉生成平台解析：建模准备从 12 小时压到 30 分钟，九大能力矩阵开放
结论先行：腾讯在 2025 年 5 月 20 日发布的”混元游戏”视觉生成平台，主打首个面向游戏工业级内容生产的 AIGC 引擎。官方给出最具冲击力的一组对比是：部分传统流程中需要耗时 12 小时的建模准备工作，在该…
微软 UFO² 桌面 AgentOS 解析：自动化成功率 32.7%，超越 OpenAI Operator 且 MIT 开源
结论先行：微软在 2025 年 4 月发布的 UFO²（Desktop AgentOS），把桌面智能代理从”自动化脚本”升级为一套操作系统级方案。官方测试数据显示，在两组不同的自动化任务场景中，UFO² 的成功率分别…
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…