从给出回答，
到完成一段工作。

OpenAI 发布 o1 推理模型研究与预览版本，通过强化学习改善回答前的推理过程。报告显示，增加训练计算与推理时计算都能改善部分任务表现，能力扩展出现新的方向。

官方材料区分研究模型与当时开放的 o1-preview，并在数学、编程和科学问答中给出评估结果。“达到博士水平”仅涉及特定基准，不是对全部科研能力的认定。更长的推理需要更多时间与资源，其价值必须结合正确率、成本和使用场景判断。

2024年物理学奖授予霍普菲尔德与辛顿；化学奖一半授予大卫·贝克，另一半授予哈萨比斯与江珀。神经网络基础、蛋白质设计和结构预测，在同一年得到表彰。

化学奖的贡献分为计算蛋白质设计与蛋白质结构预测，不能将整个奖项都归为 AlphaFold。物理学奖表彰支持人工神经网络机器学习的基础发现与发明。两项奖励体现计算方法对科学研究的作用，但不代表蛋白质相关问题已经全部解决。

ARC Prize 公布 o3 在 ARC-AGI-1 半私有测试集上的成绩：较低计算配置为75.7%，高计算配置为87.5%。成绩提升突出，也说明讨论能力时必须同时说明测试与计算预算。

两种配置的计算量相差约172倍，模型还接受了部分公开训练题的训练。这个结果显示，增加推理资源可以改善一部分新任务的表现，也提醒研究者将效率纳入能力评价。87.5%并不等于所有未知任务已经解决，更不能单独证明通用智能已经实现。

DeepSeek-V3 是总参数671B、每个 Token 激活37B的混合专家模型。报告给出正式训练所需 GPU 时数及估算成本，展示了架构、数值精度和训练系统共同优化的作用。

报告按每 H800 GPU 小时2美元估算，正式训练合计278.8万 GPU 小时，对应557.6万美元，涵盖预训练、上下文扩展和后训练。它明确排除前期研究与消融实验，因此不是公司的全部研发成本，也不是硬件采购、人员与运营的完整账单。

OpenAI 的 Operator 与 Anthropic 的 Claude Code 先后推出研究预览，把模型与浏览器、终端工具连接起来。AI 产品开始尝试读取环境、执行操作，再根据反馈继续完成任务。

Operator 于1月推出，Claude Code 于2月提供有限研究预览。后者可以搜索和编辑代码、运行测试及使用命令行工具。能够执行动作也意味着需要权限、可检查的结果和错误恢复机制；产品演示不能推断为已经可靠替代全部工作流程。

DeepSeek 发布 R1、R1-Zero 及蒸馏模型，并公开推理训练研究。R1-Zero 探索直接强化学习，R1 则加入冷启动数据和多阶段训练；两者不能混为同一个训练流程。

原始论文报告 R1-Zero 在没有前置监督微调时出现推理行为，也指出可读性与语言混杂等问题。R1 通过冷启动与后续训练改善这些问题，并报告部分推理任务上接近 o1-1217 的结果。论文没有给出与 o1 可直接比较的完整研发成本，因此不沿用“成本零头”。

Google 推出 Gemini 2.5 Pro 实验版本，将更长的推理过程作为模型能力的一部分，并结合多模态与长上下文。竞争逐渐从流畅回答扩展到复杂问题的处理方式与效率。

Google 的发布文介绍了推理、编程等评估结果及百万 Token 上下文。长上下文扩展了可提供的信息范围，推理机制则面向如何处理这些信息。两者结合为复杂任务提供了新的可能；发布时的榜单成绩仍只是特定时间和测试设置下的快照。

Meta 发布 Llama 4 Scout 与 Maverick，推进原生多模态模型路线，并介绍作为教师模型的 Behemoth。开放模型继续分化，模型规模、架构与实际部署方式成为不同选择维度。

Scout 与 Maverick 让 Meta 的模型家族进一步转向多模态，发布时还介绍了 Behemoth 教师模型。教师模型、面向用户的模型以及具体部署产品承担不同角色。理解这一节点，需要分别查看模型是否已经开放、适用的许可及评估条件，而非仅用单一排名判断整条技术路线。

Qwen 团队发布 Qwen3，开放两个混合专家模型与六个稠密模型，覆盖0.6B到235B总参数规模。系列采用 Apache 2.0 许可，并让开发者在思考与非思考模式间选择。

最大的 Qwen3-235B-A22B 拥有2350亿总参数，每次激活约220亿；模型名称中的总参数与激活参数并非同一指标。不同规模和推理模式为部署成本、响应速度与任务难度提供选择，但不意味着任一型号在所有场景都拥有同样能力。

Anthropic 推出 Claude Opus 4 与 Sonnet 4，同时将 Claude Code 转为正式可用。模型支持快速回答和延长思考，产品开始围绕代码库修改、工具调用与较长任务组织工作。

发布文展示持续编码任务、并行工具使用和本地文件记忆等能力，并给出软件工程评估。演示中持续数小时工作的案例不代表所有任务都能无人监督成功；不同工具框架与计算预算也会改变分数。历史节点应保留功能与发布状态，避免无条件“遥遥领先”。

xAI 发布 Grok 4，强调规模化强化学习、原生工具调用与实时搜索，并介绍使用并行推理的 Heavy 版本。其进展体现推理模型与外部工具进一步结合的路线。

官方发布文报告 Grok 4 在 ARC-AGI-2 上获得15.9%，并描述使用20万 GPU 集群开展强化学习训练。Heavy 版本通过并行推理考虑多个候选方向。这些设计把训练资源与推理资源同时纳入能力扩展，但比较成绩时仍须说明基准版本、工具和计算预算。

月之暗面推出 Kimi K2，以混合专家架构提供万亿总参数、320亿激活参数，重点面向编程与工具调用。模型开放让开发者能在自有环境中研究和构建智能体应用。

官方介绍区分总参数与每个 Token 参与计算的激活参数，并列出不同智能体框架下的编程和工具使用评估。同一模型在不同工具框架、尝试次数下会有不同结果。K2 的开放使开发者能够研究这些组合，也说明模型本身与完整智能体系统并非同一个对象。

Google DeepMind 展示 Genie 3，根据文字提示生成可实时探索的动态环境。官方报告其能以720p、每秒24帧维持数分钟的一致性，研究从生成视频进一步走向响应行动。

这类世界模型根据用户行动连续生成画面，可以用于探索环境交互与智能体训练。与预先生成一段固定视频相比，它需要持续响应输入并保持场景连贯。视觉上合理并不等于严格遵守物理规律，交互持续时间、动作范围和一致性仍是需要衡量的能力边界。

OpenAI 发布 GPT-5，将快速回答模型、较深推理模型与路由机制组织成统一系统。产品根据任务复杂度、工具需求和用户意图选择处理方式，并按不同账户提供相应使用额度。

官方说明中的统一系统并不意味着只有一个完全相同的模型处理全部请求。GPT-5 面向包括免费用户在内的账户推出，但使用量与可选能力不同。这个节点反映产品组织方式的变化，不宜把发布表现、商业收入与 AGI 定义变化串成未经证实的因果故事。

《人工智能生成合成内容标识办法》自9月1日起施行，规定显式、隐式标识及相关服务主体义务。生成内容的识别与传播责任，进一步落实到服务提供和内容发布环节。

办法针对适用范围内的生成合成服务及传播活动作出具体要求，并规定用户发布生成内容时应主动声明。文件同时设有不含显式标识内容的条件性安排，不能简化为每一份 AI 文本都必须显示同样水印。具体义务需结合服务类别、场景及配套标准理解。

OpenAI 发布 Sora 2，增加同步对白与音效等音视频生成能力，并推出围绕视频创作和分享的应用。模型研究进一步进入面向公众的创作工具与内容传播场景。

同步声音使视频生成不再只处理连续画面，还需要协调对白、音效与动作。发布文同时介绍可控性与物理表现的改善。它们拓宽了创作方式，也使身份使用、生成内容识别和传播责任更值得关注；能力改善仍不意味着模型能够准确模拟所有现实过程。

OpenAI 宣布完成资本结构调整，非营利机构以 OpenAI Foundation 名义继续控制营利实体 OpenAI Group PBC。前沿 AI 的商业发展与公益使命之间，形成新的组织安排。

官方公告明确非营利机构仍保留控制权，并称其持有股权当时估值约1300亿美元。营利实体采用公共利益公司形式，非营利机构则以基金会名义开展工作。这种组织安排将商业融资与使命治理并置；股权估值、控制权和实际可支配资金是三个不同概念。

Google 与 Anthropic 在11月相继发布 Gemini 3 和 Claude Opus 4.5，分别强调多模态推理、编程和智能体工作。旗舰模型竞争持续，但“谁最强”需要具体到任务和评估方式。

Gemini 3 的发布强调多模态理解和推理，并说明 Deep Think 计划稍后向相应订阅用户开放；Opus 4.5 则强调编程、智能体与电脑操作。两家公司都给出软件工程等评估。不同型号、工具框架与计算预算下的结果需要分别理解，不能用一个分数概括所有能力。

英国通信监管机构 Ofcom 于1月12日宣布调查 X，审查其是否履行保护用户免受违法内容影响的义务。调查与 Grok 被用于生成和传播非自愿私密图像等报道有关。

调查针对 X 在英国《在线安全法》下的风险评估和用户保护等义务，涉及违法内容及儿童可能接触的有害材料。启动程序不等于已经认定违法。模型生成、平台传播和服务运营是相关但不同的环节，监管机构的具体权限与调查对象决定了责任审查的范围。

Qwen 团队发布 Qwen3.5 系列，首个开放权重型号为 Qwen3.5-397B-A17B，面向视觉语言、推理与智能体能力。开放模型与托管 API 产品继续并行发展。

397B总参数与17B激活参数说明了混合专家模型的两种规模口径。原生视觉语言设计面向文本与图像等信息的联合处理，公开权重则使开发者能够开展自行部署和适配。开放模型与托管API是不同交付方式，选择时还需比较许可、资源需求和服务支持。

OpenAI 于4月发布 GPT-5.5，并在6月26日预览 GPT-5.6 Sol。官方材料进一步强调编程、知识工作与跨工具任务，模型的发展开始更多围绕连续执行和工作结果展开。

GPT-5.5 公告介绍代码、研究、数据分析及操作软件等用途，强调从计划、调用工具到检查结果的连续过程。随后 GPT-5.6 Sol 以预览形式出现。研究预览、正式发布与各渠道开放是不同阶段；观察工作型模型时，完成质量和可核验的交付比单次回答更有意义。

DeepSeek 于4月24日上线并开放 V4 预览系列，分为 Pro 与 Flash，提供百万 Token 上下文及 API 服务。长上下文与智能体能力继续成为模型设计的重要目标。

官方公告中，Pro 与 Flash 同时作为预览版本提供，分别面向不同能力和效率需求。百万 Token 上下文扩展了单次任务可容纳的信息，但上下文窗口并不等于跨会话记忆，也不保证所有细节都会被准确调用。较长任务的可靠性仍需要专门评估。

Anthropic 于6月1日宣布向美国证券交易委员会秘密递交拟首次公开发行的 S-1 注册声明草案。该程序为未来上市保留选择，并不代表已完成上市或已经确定发行价格。

公司公告说明拟发行股份数量与价格尚未确定，是否进行发行仍取决于市场条件及其他因素。秘密递交草案是上市准备流程中的一个动作，既不代表已经获得批准，也不等于证券开始交易。模型公司的融资与治理发展，可以通过这类正式文件与产品路线分别观察。

上海证券交易所公告确认，宇树科技股票自8月19日起在科创板上市交易，证券代码688836。机器人企业进入公开市场，形成可由交易所正式文件核对的产业节点。

交易所公告列明公司A股股本约4.0446亿股，其中约3008.772万股自8月19日起上市交易。上市使公司的经营信息进入持续公开披露体系，为观察机器人企业提供了新的材料。资本市场的交易节点与产品能力、生产规模及实际应用成熟度仍应分别评价。

OpenAI 在 GPT-6 Astra 之后推出 Sol 与 Luna，将同代模型进一步按能力、速度与成本区分。9月22日的官方更新记录了家族扩展，模型选择继续从单一旗舰走向不同工作需求。

Sol 与 Luna 的公告强调成本效率与编程、电脑操作等用途，并延续 Astra 的部分训练方法。模型家族分层使开发者可以按照任务难度、时延和预算选择。某项测试中的成本优势只适用于其比较对象与配置，不能直接扩展为全部工作场景下的相同比例。