与“tag:Agents”匹配的图钉

Anthropic 发布了升级版 Claude 3.5 Sonnet,将 SWE-bench Verified 得分从 33.4% 提升到 49.0%,并成为首个在公开测试版中提供计算机操作功能的前沿模型——像人一样移动光标并打字。

谷歌推出Gemini 2.0，首发实验版Gemini 2.0 Flash，速度为1.5 Pro的两倍且性能更强，新增原生图像和音频输出，专为智能体时代打造。

Anthropic 发布了 Claude Opus 4,该公司称其为全球最佳编程模型,SWE-bench 得分 72.5%,能连续工作数小时,是首款按照更严格的 ASL-3 安全防护部署的 Claude 模型。

Anthropic 与 Claude Opus 4 一同发布了 Claude Sonnet 4,这是对 Claude 3.7 Sonnet 的一次免费版升级,SWE-bench Verified 得分 72.7%,定价为每百万输入 token 3 美元,并为 GitHub Copilot 新款编程智能体提供支持。

Anthropic 发布了 Claude Opus 4.1,这是对 Claude Opus 4 的升级,在同等价格下将其 SWE-bench Verified 编程得分提升至 74.5%,发布当天正值 OpenAI 发布其自 2019 年以来首批开放权重模型。

Anthropic 发布了 Claude Sonnet 4.5,该公司称其为全球最佳编程模型,SWE-bench Verified 得分 77.2%,在 OSWorld 计算机操作测试中以 61.4% 领先,并能在同一任务上持续工作超过 30 小时。

Anthropic 发布了 Claude Haiku 4.5,这是一款小型模型,编程能力与 Claude Sonnet 4 相当,成本仅为其三分之一,速度提升超过两倍,面向所有 Claude 用户免费开放,API 价格为每百万输入 token 1 美元。

谷歌发布Gemini 3 Pro预览版，以1501 Elo登顶LMArena排行榜，在“人类最后的考试”上得分37.5%，并同步推出Google Antigravity编程平台。

谷歌在2026年I/O大会上发布Gemini 3.5 Flash，称其是迄今最强的编程和自主智能体模型，在几乎所有基准上都超过Gemini 3.1 Pro。

Microsoft 365 Copilot 面向长时间、多工具任务的智能体模式结束为期三个月的 Frontier 预览，向全球所有 Copilot 客户开放，按任务以 Copilot Credits 计费，按量付费每个 0.01 美元。

Anthropic 发布了 Claude Sonnet 5,这是其最具智能体能力的 Sonnet 模型,在编程和计算机操作方面接近 Opus 4.8,定价为每百万输入 token 2 美元,并成为免费版和 Pro 用户的默认模型。

谷歌发布Gemini 3.6 Flash，作为3.5 Flash的继任者，价格更低、token效率更高，输出token减少17%，OSWorld-Verified计算机操作得分从78.4%提升至83%。

谷歌发布面向高吞吐、低延迟任务的Gemini 3.5 Flash-Lite，定价为每百万输入token 0.30美元、每百万输出token 2.50美元，在SWE-Bench Pro和OSWorld-Verified上超过Gemini 3 Flash。

阿里巴巴推出 Qwen3.8-Max,这是一款拥有 2.4 万亿参数的混合专家(MoE)旗舰模型,上下文窗口达 1M token,在 Text Arena 排名第五、Vision Arena 排名第二,也是阿里巴巴首款随后开放权重的 Max 级 Qwen 模型。

谷歌在3.6 Flash发布三周后推出Gemini 3.7 Flash，价格减半：截至2026年底，每百万输入token 0.75美元、每百万输出token 3.75美元，DeepSWE得分从49.0%升至65.3%。

谷歌推出 Gemini 3.8 Flash，称其为迄今最强的推理与编码模型，起步价与 3.7 Flash 相同；同时发布 Gemini 3.8 Flash Cyber，这是一款用于发现并修复漏洞的模型，仅通过全新的 Fairwind Program 向受信任的政府和企业防御方开放。

Meta 发布了 Muse Spark 1.3,这是五个月内的第四款 Muse Spark 模型,专为长时间的智能体和编程工作训练,输入价格仍为每百万 token 1.25 美元;Artificial Analysis 将其顶配版本排在仅次于 Anthropic 的 Claude Fable 5.1 和 Opus 5 的位置。

DeepSeek 发布了 DeepSeek-V4.1-Flash,这是一款拥有 5520 亿参数、开放权重的多模态模型,该公司称其表现超越自家旗舰 V4-Pro,并将所有 V4-Pro 的 API 流量按 Flash 价格转发至该模型。

谷歌发布两款实时语音模型:面向低成本流畅对话、可通过摄像头“看见”并可在 97 种语言间切换的 Gemini 3.8 Live,以及能够边说话边推理、在 Artificial Analysis 语音到语音质量指数上以 82.6 分登顶的 3.8 Live Extended Thinking。

OpenAI 发布了面向编程和智能体工作的 GPT-6 Sol,以及面向高量任务的 GPT-6 Luna,两者的 API 价格均为其 GPT-5.6 前代产品的一半:Sol 为每百万 token 2 美元和 10 美元,Luna 为每百万 token 0.10 美元和 0.50 美元。

小米发布并开源了 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash,这是两款原生全模态模型,上下文窗口均为 1M token;Pro 版本在 Artificial Analysis 智能指数上得分 46.32,为所有开源模型中的最高分。

Anthropic 发布了 Claude Sonnet 5.5,这是 Claude 5.5 系列的第二款模型;该公司表示,其运行速度比 Sonnet 5 快 30% 以上,单任务成本最多降低 30%,而每百万 token 2 美元和 10 美元的价格保持不变。

Anthropic 的 Claude Haiku 5.5 是 Claude 5.5 系列中体型小、成本低的模型,预计将于 2026 年 10 月中旬推出;此前 Anthropic 曾表示,该模型将在“未来几周内”跟随 Opus 5.5 和 Sonnet 5.5 发布。

微软面向 IT 专业人士、开发者、安全和业务领导者的旗舰大会将于 2026 年 11 月 17 日至 20 日在旧金山莫斯康中心及线上举行，萨提亚·纳德拉领衔主讲嘉宾。