本周国内外密集发布全新大模型、AI智能体、工具及底层技术：国际OpenAI、Anthropic，国内Kimi、阿里、千问、小米、字节、腾讯、DeepSeek等持续上新并开源多模态、代码、端侧、3D生成类大模型，性能对标国际顶尖水平。AI Agent持续升级，新增自进化、屏幕记忆、企业级研究与自动化工作区能力；AI设计、Agent优化等工具落地，降低创作开发门槛；同时新型推理架构、端侧基座模型、具身智能开源平台与AI硬件基础设施同步推进，加速AI产业化落地，一起来回顾本周发生的AI新鲜事儿吧！
AI 大模型
Anthropic推出「Claude Opus 4.7」模型
4月17日，Anthropic推出「Claude Opus 4.7」模型，在复杂软件工程、多模态视觉、多学科推理等多项基准测试中优于Opus 4.6，部分指标超越GPT-5.4、Gemini 3.1 Pro，仅弱于Claude Mythos Preview，其支持更高分辨率图像处理、新增自动模式、专注模式等功能，知识截止至2026年1月，定价与Opus 4.6一致，但思考令牌消耗增加、速率限制上调，同时搭载了新的网络安全防护措施，已在多平台上线。
OpenAI发布首个生命科学专用模型「GPT-Rosalind」
4月17日，OpenAI发布首个生命科学专用模型「GPT-Rosalind」，以研究预览形式开放，仅面向美国合规企业客户并需通过可信访问流程，同步上线免费的生命科学研究插件，可对接50余个科学工具与数据库，普通用户也能使用。该模型聚焦生物推理、科研工作流、数据库调用与实验设计，在多项基准测试中表现领先，部分任务超越GPT-5.4，在基因序列相关任务上甚至超过人类专家水平，已获安进、Moderna、NVIDIA等多家机构合作应用；模型采用严格安全管控，不替代科研人员，仅用于加速研发环节，现阶段试用不消耗额度，后续将公布定价并扩大开放范围。
月之暗面发布并开源「Kimi K2.6」模型，代码能力全面提升
4月20日，月之暗面发布并开源「Kimi K2.6」模型，带来行业领先（state-of-the-art）的代码、长程任务执行和Agent集群能力。该模型在通用Agent、代码、视觉理解等能力全面提升，在多项权威基准测试中持平或优于GPT-5.4、Claude Opus 4.6、Gemini 3.1 Pro等闭源模型，长程编码能力大幅突破，可连续编码13小时、修改超4000行代码，Agent集群升级至支持300个子Agent并行完成4000个协作步骤，自主Agent可连续5天稳定运行，还强化了代码驱动设计、Office办公与技能创建等能力，推出Claw群组内测功能。
阿里发布语音识别大模型「Fun-ASR 1.5」，可识别30种语言
4月20日，阿里发布语音识别大模型「Fun-ASR 1.5」，单模型可精准识别30种主流语言，支持无预设跨语言混读；覆盖中文七大方言体系与二十余种口音，字错误率较上版下降56.2%，重点优化15种方言识别；专项升级古诗词识别，准确率达97%；同时优化智能标点与文本归一化，转写更规范，可在阿里云百炼、魔搭社区体验使用。
千问推出下一代旗舰大模型预览版「Qwen3.6-Max-Preview」
4月20日，千问推出下一代旗舰大模型预览版「Qwen3.6-Max-Preview」，相较Qwen3.6-Plus，在智能体编程、真实场景智能体编程表现、世界知识、指令遵循等方面显著提升，登顶Artificial Analysis榜单最佳国产模型，超越GLM5.1、MiniMax-M2.7等模型，可在Qwen Studio体验，即将通过阿里云百炼API开放调用，模型仍在迭代优化中。
OpenAI发布「ChatGPT Images 2.0」，新增视觉思考能力
4月22日，OpenAI正式发布图像生成与编辑模型「ChatGPT Images 2.0」，新增视觉思考能力，支持联网、多图生成与自我复核，在指令遵循、精细文本渲染、多语言（含中文）、风格还原与宽高比适配大幅提升，最高支持2K分辨率，知识更新至2025年12月，可直接产出可用设计，已面向ChatGPT、Codex及API开放，高级思考功能向Plus/Pro/Business用户提供，实测综合能力显著优于Google Nano Banana 2，同时官方也说明其在复杂物理建模、极高密度细节上仍有局限。
商汤绝影智能发布端侧多模态智能体基座大模型「Sage」
4月22日，商汤绝影智能发布端侧多模态智能体基座大模型「Sage」，采用MoE架构，总参数量32B、激活参数仅3B，是行业首款在车端实现复杂智能体能力的基座大模型，已在英伟达Orin X端侧平台部署；其凭借自研SCOUT分级协同学习与ERL可擦除强化学习两大核心技术，在PinchBench评测中以94%的任务完成率超越Claude、GPT-5.4、Gemini等国际主流云端大模型，同时在MMLU Pro、GPQA Diamond等多项专业基准测试中领先同量级端侧模型，具备低延迟、高执行成功率等优势，可覆盖出行、家庭全场景，将搭载于Sage Box在北京车展推出，推动智能座舱向高阶舱驾融合智能体服务跨越。
千问开源「Qwen3.6-27B」稠密多模态大模型
4月22日，千问开源「Qwen3.6-27B」稠密多模态大模型，该模型为270亿参数规格，凭借旗舰级智能体编程能力，在多项核心编程基准上全面超越前代3970亿参数的MoE开源旗舰Qwen3.5-397B-A17B，同时具备强大文本与多模态推理、视觉理解能力，更低显存占用且无需MoE路由即可部署，现已在Qwen Studio上线，模型权重可于Hugging Face、ModelScope下载，阿里云百炼平台也即将开放API调用，标志着Qwen3.6系列完整发布。
小米「Xiaomi MiMo-V2.5」系列大模型正式开启公测
4月23日，小米「Xiaomi MiMo-V2.5」系列大模型正式开启公测，该系列包含MiMo-V2.5、V2.5-Pro、V2.5-TTS Series、V2.5-ASR，在推理、智能体、上下文长度、指令理解、全模态感知等方面全面升级，实现从“能用”到“好用”的跨越；其中MiMo-V2.5-Pro通用智能体、复杂软件工程、长程任务能力可对标全球顶尖模型，能高效完成编译器开发、视频编辑器搭建等高难度长程任务，MiMo-V2.5则为越级全模态Agent模型且成本更低、Token效率更高；同时官方优化了Token定价方案，推出夜间折扣、自动续费与包年优惠，还为老用户重置Credits额度，且该系列模型即将全球开源。
字节跳动发布「Seed3D 2.0 3D」生成大模型
4月23日，字节跳动正式发布「Seed3D 2.0 3D」生成大模型，围绕几何精度与材质质量完成架构升级，几何生成采用两阶段DiT与Coarse-to-Fine策略，优化锐利边缘、精细结构等难点，VAE同步升级提升重建精度与效率；纹理生成改用统一PBR模型，结合MoE架构与VLM先验，实现高分辨率、物理一致的真实材质生成，两项核心指标均达SOTA水平；同时拓展下游可用性，支持部件级生成、关节化建模与多物体场景组合，可兼容主流物理仿真引擎，技术报告已公开，API上线火山引擎，推动3D生成迈向生产可用。
腾讯混元发布并开源「Hy3 preview」大模型
4月23日，腾讯混元发布并开源「Hy3 preview」大模型，是总参数295B、激活参数21B的快慢思考融合混合专家模型，支持256K上下文，遵循能力体系化、评测真实性、性价比三大原则，在复杂推理、上下文学习、指令遵循、代码与智能体等能力大幅提升，理工科推理、代码智能体、搜索智能体等多项评测表现突出，推理效率与成本显著优化，已在元宝、QQ、腾讯文档等多款腾讯产品上线并支持主流开源智能体，模型权重与代码在多平台开源，腾讯云同步推出有竞争力的API定价与Token套餐。
可灵AI升级，视频3.0系列模型新增「原生4K直出」功能
4月23日，可灵AI平台迎来升级，视频3.0系列模型新增「原生4K直出」功能，无需超分即可实现院线级清晰度、细腻色彩与真实质感，每秒消耗30灵感值，即日起至6月30日不同等级会员享4K生成折扣；同时团队会员跨空间管理升级，支持灵感值与资产转移、精细权限管控，桌面端（Win/Mac）上线，团队会员年卡限时5.5折、首购最高赠10000灵感值，此外可灵AI 4K影像创作大赛启动。
OpenAI正式发布最新一代大模型「GPT-5.5」
4月24日，OpenAI正式发布最新一代大模型「GPT-5.5」，在推理、代码、知识整合、工具调用与长任务处理能力显著提升，多数评测基准领先Claude Opus 4.7等竞品，完成同等任务Token消耗更低，已在ChatGPT与Codex上线并开放API，标准版API输入5美元/百万Token、输出30美元/百万Token，Pro版价格翻倍，支持最高100万Token上下文窗口且长文本精度衰减控制优异，可高效完成编程、知识工作、科研等任务，还具备计算机GUI接管能力，部署于英伟达高端服务器并优化推理速度，同时加强生物、化学、网络安全等方向的安全管控与专项访问机制。
「DeepSeek-V4」预览版上线并开源，推出Pro与Flash版本
4月24日，「DeepSeek-V4」预览版正式上线并开源，推出Pro与Flash两个版本，均支持百万字超长上下文，凭借创新稀疏注意力机制实现高效长上下文处理，Agent、知识与推理能力达国内及开源领域领先水平，Pro版性能比肩顶级闭源模型，Flash版更快捷经济，二者同步开放官网、App与API服务，API支持指定模型名调用并标注了计费标准，旧接口将于三个月后停用，同时模型权重与技术报告已公开。
AI Agent
智谱AutoClaw（澳龙）上线「自进化机制」和「Skill商店」
4月17日，智谱旗下AutoClaw（澳龙）上线「自进化机制」和「Skill商店」：Agent可通过用户指令或失败经验自动提炼并固化能力，经用户审批后永久记忆偏好与策略，实现“越用越懂你”；同时上架GLM Office Skills五件套，依托GLM-5.1支持PPT、DOCX、XLSX、PDF、图表生成与互转，自带智能自检与专业排版，可一键产出完整办公材料；Skill商店还引入专家共创技能，覆盖人物建模、深度调研、网页幻灯片等场景，降低使用门槛，让普通用户无需钻研技术即可用上先进Agent能力，产品已在多平台开放体验。
灵光APP推出AI应用分发社区「灵光圈」，打造Wish Coding新范式
4月20日，灵光APP推出AI应用分发社区「灵光圈」，它是升级版灵光闪应用，主打0代码、0部署、一句话生成完整应用，深度集成手机原生能力，为每位用户配备专属Coding Agent，让普通人无需编程即可快速创作、分享AI小应用，构建“人提出创意-AI实现-创意流动”的创造回路，倡导Wish Coding创作新方式。
OpenAI为Codex上线新功能「Chronicle」，新增屏幕上下文记忆
4月21日，OpenAI为Codex上线新功能「Chronicle」，在原有对话记忆基础上新增屏幕上下文记忆，可直接读取屏幕内容辅助工作，无需用户重复说明上下文；该功能目前仅面向macOS平台ChatGPT Pro用户开放（欧盟、英国、瑞士暂不支持），为可选体验版。它能实现直接看屏幕Debug、自动补全指代不明的指令、记住用户常用工具与流程三大核心场景，使用需授予屏幕录制与辅助功能权限，截图会本地暂存并6小时后自动删除，相关数据仅用于处理且不用于模型训练。
Google推出「Deep Research」与「Deep Research Max」自主研究智能体
4月22日，Google深夜推出基于Gemini 3.1 Pro的「Deep Research」与「Deep Research Max」两款自主研究智能体，前者侧重速度与低成本，后者主打深度推理并在基准测试中表现优异，更新后支持MCP协议可连接第三方与企业私有数据、原生生成图表信息图，仅通过Gemini API开放付费预览，普通App用户无法使用，此举意在强化企业级AI研究工具竞争力，对标OpenAI、Anthropic等对手，同时该工具已从C端助手演进为企业级AI基础设施。
OpenAI在ChatGPT中推出工作区智能体「Workspace Agents」
4月23日，OpenAI在ChatGPT中正式推出由Codex驱动的工作区智能体「Workspace Agents」，作为GPTs的全面升级版，拥有独立云端沙盒、持续记忆与自主执行能力，可7×24小时后台运行、跨多工具完成复杂任务，还能通过使用不断优化，支持自然语言零代码搭建、团队共享，且提供销售线索跟进、产品反馈路由、软件审查、周报生成、第三方风险管理五类预设智能体，仅面向ChatGPT特定付费计划开放，同时具备完善权限管控与安全机制.
AI 工具
Anthropic推出「Claude Design」研究预览版，一句话生成UI
4月18日，Anthropic推出由Claude Opus 4.7驱动的「Claude Design」研究预览版，支持自然语言对话生成UI原型、演示文稿、营销素材等，可通过评论、参数滑块精细调整，自动继承团队设计系统并支持协作交付，能衔接Claude Code；该工具降低设计门槛、重塑设计交互范式，发布后导致Figma股价下跌约4.6%，引发市场对AI冲击传统设计工具的讨论。
「AgentScope Tuner」重磅升级，一键搞定AI Agent全流程优化
4月21日，专为Agentic AI打造的一站式自动优化引擎「AgentScope Tuner」正式升级，无需重构代码、零改造成本，提供Prompt调优、模型选择、强化微调（RFT）三大核心能力，覆盖从轻量优化到深度训练的全周期需求，统一接口与评测口径，支持低学习成本、低硬件门槛与规模化训练；经Math Agent、狼人杀多智能体博弈、DeepFinance金融研究Agent等实战验证，可显著提升准确率、降低Token消耗、强化复杂任务与博弈策略能力，让小模型比肩闭源商业模型，助力Agent实现开发-调优-部署-回归一键闭环，持续进化。
技术突破
Kimi联合清华大学发布全新大模型推理架构「PrFaaS」（预填充即服务）
4月19日，月之暗面（Kimi）联合清华大学发布全新大模型推理架构「PrFaaS」（预填充即服务），核心突破是让KV Cache可跨数据中心传输，将Prefill与Decode解耦到异构集群，打破传统架构对RDMA网络的依赖。该架构依托线性注意力+全注意力混合模型，把KV吞吐量降至以太网可承载水平，长上下文场景优势显著；采用“专用集群做Prefill、本地集群做Decode”的分层调度，搭配混合前缀缓存池与双时间尺度调度算法，实测吞吐量较传统同构集群提升54%、P90延迟降低64%，跨机房传输仅需13Gbps带宽，普通以太网即可稳定支撑，大幅提升算力利用率并降低部署成本，相关成果已形成论文公开。
市场动态
智平方联合港科大推出一站式具身模型开源社区「AlphaBrain Platform」
4月22日，国内具身智能创业公司智平方联合港科大（广州）熊辉团队推出全球首个一站式具身模型开源社区「AlphaBrain Platform」，这套全链路工具链涵盖数据、训练、架构、测试环节，集成原生世界模型、类脑VLA（NeuroVLA）、跨架构持续学习、RL Token训练范式、统一基准测试套件五大核心技术，可低成本实现模型适配与场景落地，降低具身智能开发门槛；智平方坚持端到端大模型技术路线，自研具身大模型性能领先，旗下AlphaBot 2机器人实现量产交付，已在多领域落地并获大额订单，此次开源打破顶尖实验室技术壁垒，推动具身智能行业快速发展。
Google推出「代理式企业」技术栈，发布第八代「TPU」
4月23日，Google推出「代理式企业」技术栈，发布第八代「TPU」（分训练用TPU 8t、推理用TPU 8i，算力、内存、性价比显著提升）、Gemini Enterprise智能体平台、知识目录、跨云湖仓等AI工具，升级Workspace智能办公与反诈防御平台，同时宣布2026年AI相关资本开支达1750亿-1850亿美元，Google75%新增代码已由AI生成。
