近期模型发布与基准新闻

主要模型发布和基准更新标志着供应商之间的竞争浪潮。
Key insights
OpenAI发布GPT-5.2,基准成绩大幅提升
OpenAI发布了GPT-5.2思维结果,显示出相较于GPT-5.1的显著提升:SWE-Bench软件工程提升至55.6%,GPQA Diamond达92.4%,CharXiv科学推理达到82.1%,FrontierMath总体为40.3%,AIME 2025完美分数为100%,在ARC-AGI基准和GDPval知识任务上也有大幅跃升。此次发布被宣传为推理性能的重要一步。
OpenAI还发布了用于代理编程的GPT-5.2-Codex
OpenAI发布了GPT-5.2-Codex,专注于代理编程,升级了长期任务的能力、防御性网络安全功能以及改进的视觉用户界面理解。基准成绩:SWE-Bench Pro 56.4%和Terminal-Bench 2.0为64.0%,并为强大的编码操作增加了部署安全措施。
Anthropic推出Opus 4.5,计算和定价方面有所改善
Anthropic发布了Claude Opus 4.5(claude-opus-4-5-20251101),其SWE-Bench验证得分超过80,OSWorld代理得分为66.3%。Opus 4.5在长任务中减少了多达65%的令牌使用,百万令牌的价格降至$5输入/$25输出,相较于之前的高价大幅降低。Opus 4.5可通过多个云平台获取,并支持通过'努力参数'进行混合推理控制。
Qwen3和Qwen3-Omni通过FP8和全模态变体扩展开放生态系统
阿里巴巴Qwen宣布Qwen3-Next-80B FP8系列以实现快速推理,Qwen3-Omni则统一了文本、图像、音频和视频,在多个音频/AV基准上达到了SOTA水平。多个Qwen3模型(30B变体)已开源,并与Hugging Face和ModelScope集成。
Meta发布开放研究的Code World Model (CWM) 32B
Meta FAIR发布了Code World Model (CWM),这是一个32B的研究模型,pass@1指标为:65.8% SWE-bench验证,68.6% LiveCodeBench,96.6% Math-500,以及76.0%在AIME 2024上。Meta鼓励研究社区使用开放权重。
Google发布FunctionGemma并扩展Google AI Plus
谷歌推出了FunctionGemma,这是一个小型的设备端Gemma 3变体,用于将自然语言转换为可执行的设备命令,适用于移动设备和物联网,并将Google AI Plus扩展到36个国家,增加了对Nano Banana图像生成和其他多模态服务的访问。
Source posts
- Original post by @javilopen on X
- Original post by @imxiaohu on X
- Original post by @shao__meng on X
- Original post by @Alibaba_Qwen on X
- Original post by @Alibaba_Qwen on X
- Original post by @GeminiApp on X
- Original post by @alexandr_wang on X
- Original post by @Alibaba_Qwen on X
- Original post by @imxiaohu on X
- Original post by @shao__meng on X