追踪模型发布、工具更新与研究进展。按主题、地区和发布时间查找资讯，也可以从最早的历史记录读起。
全部主题 · 历史覆盖：2017年6月12日 — 2026年10月16日
来源最近成功更新：2026年10月21日 · 4 个来源最近更新失败
发生了什么：218B 总参数、25B 激活的稀疏 MoE，Apache 2.0 开放权重并提供多种量化，支持图文输入与工具调用，128K 输入，覆盖 48 种语言。
适合关注的人：关注这一主题的学习者
导读建议的练习：阅读模型卡比较 16/8/4 位量化的硬件需求，理解量化对显存、速度与效果的影响。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：I/O 2026 发布即正式可用，厂商称其为持续代理与编码任务表现最强的 Flash，并接管 gemini-flash-latest 别名。
适合关注的人：关注这一主题的学习者
导读建议的练习：理解“latest 别名”可能带来的行为漂移，练习在项目配置中固定具体模型版本号。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：由 5.0 弹性训练派生，总参约降至 1/3、激活约 1/2；厂商称预训练成本约为同级 6%，搜索与 Agent 评测表现突出。
适合关注的人：关注这一主题的学习者
导读建议的练习：了解“一次训练产出多尺寸模型”的弹性预训练思路，并与蒸馏方法对比
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：V4-Pro（1.6T/49B激活）与V4-Flash（284B/13B激活）同时开源，默认1M上下文，兼容OpenAI与Anthropic接口
适合关注的人：关注这一主题的学习者
导读建议的练习：对比Pro与Flash的规模与定价，练习为不同任务设计大小模型路由策略
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：面向复杂专业工作的新前沿模型，提供 1M 上下文，默认推理强度改为 medium，同步推出 GPT-5.5 Pro。
适合关注的人：关注这一主题的学习者
导读建议的练习：阅读官方行为变化说明，学习升级模型时检查默认参数改变对输出风格和成本的影响。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：Meta 超级智能实验室首款模型，原生多模态推理，提供 Instant 与 Thinking 模式，可并行调度子代理；暂不开放权重，API 仅限合作方私测。
适合关注的人：关注这一主题的学习者
导读建议的练习：对比 Llama 开放权重路线与 Muse 闭源路线，思考厂商开源策略变化对学习者和开发者的影响。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：四个尺寸（E2B、E4B、26B MoE、31B 稠密），首次采用 Apache 2.0；支持图像与视频输入，小尺寸含音频，上下文 128K/256K。
适合关注的人：关注这一主题的学习者
导读建议的练习：用 Ollama 或 llama.cpp 在本机运行 E4B，练习函数调用与 JSON 输出，零 API 费用入门开源模型。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：15B 开放权重多模态推理小模型，约 2000 亿多模态 token 训练，能自行判断何时逐步推理、何时直接作答；厂商称擅长图表和屏幕理解。
适合关注的人：关注这一主题的学习者
导读建议的练习：阅读官方训练经验文章，学习小模型如何靠数据配比实现“需要时才推理”。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：Gemini 3 Pro 的迭代，厂商称提升推理、token 效率与事实一致性，侧重软件工程和代理；另设 customtools 端点优化自定义工具调用。
适合关注的人：关注这一主题的学习者
导读建议的练习：比较普通端点与 customtools 端点在混用 bash 和自定义工具时的差别，理解工具调用优先级。
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：原生多模态开源系列，首发397B-A17B MoE，随后开放122B至0.8B多个尺寸；托管Plus默认1M上下文
适合关注的人：关注这一主题的学习者
导读建议的练习：从0.8B或2B开始本地部署，体会尺寸梯度对图文理解质量的影响
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：豆包首次跨代升级，含Pro/Lite/Mini通用Agent模型与Code模型，全系列API上线火山引擎
适合关注的人：关注这一主题的学习者
导读建议的练习：读Seed2.0模型卡，理解Pro/Lite/Mini分档思路，为不同学习任务做选型
来自本条已发布的中文导读，具体变化请以原始记录为准。发生了什么：744B总参/40B激活，首次引入DeepSeek稀疏注意力，200K上下文，定位智能体工程与长时任务
适合关注的人：关注这一主题的学习者
导读建议的练习：对比GLM-4.x与GLM-5的参数表，理解稀疏注意力如何降低长上下文成本
来自本条已发布的中文导读，具体变化请以原始记录为准。