Microsoft 发布 MAI-Transcribe-2 语音转写模型

Qwen 团队发布 Qwen-AgentWorld，一个以环境建模为训练目标的原生语言世界模型，在单个模型中模拟 MCP、Search、Terminal、SWE 及 GUI 域（Web、OS、Android）共七个域。模型使用超 1000 万条真实交互轨迹训练，在 AgentWorldBench 上以 Qwen-AgentWorld-397B-A17B 版本达最高模拟质量，超越 GPT-5.4、Claude Opus 4.8 和 Gemini 3.1 Pro。同时发布评测基…

MiniMax M3 是一个开源前沿模型，具备先进的编码与AI智能体能力。它支持100万token的超长上下文窗口，并采用名为MSA（MiniMax Sparse Attention）的新型稀疏注意力架构。该架构使模型在100万token上下文下的每token计算成本降至前代的1/20，预填充速度提升9倍以上，解码速度提升15倍以上。在SWE-Bench Pro编码基准上，MiniMax M3得分59.0%，超越GPT-5.5和Gemini 3.1 Pro，性能接近Opus…

Google DeepMind推出Gemma 4系列四款多模态开源模型，支持文本、图像及视频输入。31B（密集架构）与26B A4B（MoE架构）拥有256k上下文窗口，可在单张H100运行；另两款较小模型支持128k上下文。GPQA Diamond测试中，Gemma 4 31B（Reasoning）获85.7%，仅次于Qwen3.5 27B，但输出token仅约1.2M，效率更优；26B A4B（Reasoning）得分79.2%，超越gpt-oss-120B。

GPT-3 发布至 Gemini 3 的三年间，大模型技术完成从聊天机器人（chatbots）到智能体（agents）的范式跃迁。

Alexandr Wang 转发 @GavinSBaker 的帖子并配文 long live muse，称 Muse 1.3 加入竞争，前沿模型不再只是两强之争，而是 Claude、ChatGPT、Grok 和 Muse，Gemini 暂时在玩略不同的游戏。附图显示 Muse Spark 1.3 （max） 在 GDPval-AA v2 得 1754、OSWorld 2.0 得 66.9、MRCR 256K-512K 得 98.5、Terminal-Bench 2.1 得 …

Meta 的 Muse Spark 1.3 在 Artificial Analysis Intelligence Index 得 62 分，追平 Claude Fable 5，输入价格低 8 倍、输出价格低近 12 倍。评分还高于 GPT-5.6 Sol、Grok 4.6、Kimi K3 和 Gemini 3.8 Flash，Meta 进入前沿模型第一梯队。

汤森路透发布首款大语言模型Thomson，基于阿里千问Qwen3.5-397B构建，研发成本约4000万美元，外界流传的45万美元仅为最后一次训练成本。该模型在Stanford LegalBench得分0.823，落后于Gemini 3.1 Pro和GPT-5.5。汤森路透称不采用闭源模型是因外部模型长期成本较高且无法高自由度调整。

Thomson Reuters 基于阿里 Qwen 推出自研法律大模型"Thomson"，投入约 4000 万美元，训练数据来自 Westlaw 等自有内容。在 Stanford LegalBench 上 Thomson（0.823）落后于 Gemini 3.1 Pro 和 GPT-5.5，仅在接入独家内容时以 0.83 对 0.82 微弱胜过 GPT 5.4。

Microsoft AI 发布 MAI-Image-2.6-Preview，在 Artificial Analysis 图像编辑排行榜登顶第一，文本生成图像位列第二（仅次于 OpenAI 的 GPT Image 2）。该模型在 19 个分类榜单中拿下 5 个第一，现已在 MAI Playground 和 Microsoft Foundry 私有预览中提供。

Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为迄今最先进的全球天气 AI 模型，经 Brightband 独立实时评估。