9月5日，月之暗面发布Kimi K2模型最新版本（0905），上下文长度扩展至256K，显著提升复杂任务支持能力。新版本在真实编程任务中表现更优，尤其Agentic Coding能力和前端编程体验均有升级。同时推出高速版API，输出速度达60-100 Token/s，并新增多项功能：Token Enforcer确保格式正确、兼容Anthropic API、支持WebSearch Tool和全自动Context Caching。定价与0711版相同，用户可通过Kimi开放平台或Hugging Face、ModelScope部署模型。

8月25日，硅基流动宣布上线深度求索团队开源的DeepSeek-V3.1模型。该模型总参数达671B，激活参数37B，采用混合推理架构，思考效率更高，工具使用与智能体任务表现显著提升，性能在多项测试中比肩Claude 4 Sonnet等主流模型。新版本支持160K超长上下文，适用于长文档解析、多轮对话、复杂任务处理等场景，且成本仅为Claude 4 Sonnet输入的1/5、输出的1/9。此外，其最大支持500万TPM，可无损解析法律合同、学术文献等，并实现高精度RAG增强检索，大幅降低错误率。

2025年8月，阿里巴巴推出全新AI代码编辑器Qoder，现处于免费预览阶段。Qoder具备超强上下文理解能力，可一次性检索10万个代码文件，并支持多文件协同修改。其通过深度分析代码库生成清晰文档，帮助团队快速理解项目全貌，同时学习用户编码风格以提供个性化建议。Qoder的Quest模式允许用户通过自然语言描述功能需求，自动生成详细开发计划并执行，大幅提升开发效率。其核心技术包括规则、记忆、代码图谱和索引四大支柱，能智能选择最佳模型以平衡任务难度与响应速度。目前，Qoder已引发广泛关注，尽管部分用户反馈存在不足，但其免费试用政策吸引了大量开发者体验。专业版定价待定。更多详情见官网及论坛。

2025年8月21日，DeepSeek官方发布V3.1版本，上下文长度扩展至128k，参数达685B，支持多种精度格式。新版本在编程能力上表现突出，Aider测试中得分71.6%，超越Claude 4 Opus，成本低至1美元。新增原生搜索和特殊Token功能，并优化推理速度和上下文支持。尽管未发布模型卡，V3.1已登上Hugging Face趋势榜第四。实测显示其性能显著提升，但在部分复杂任务上仍有改进空间。网友期待未来R2版本的发布。

2025年8月20日，DeepSeek V3.1发布，主要更新包括上下文长度拓展至128K和支持多种张量格式。实测显示，V3.1在编程能力、情境写作、数学理解、翻译水平等方面均有显著提升。例如，V3.1在处理GIF压缩任务时提供了更全面的代码说明和优化策略；情境写作中，风格从V3的理性转为更具文艺气息的表达；数学题解答逻辑清晰且正确；翻译表现对长难句的理解更强但偶有小失误。此外，V3.1在冷门知识问答中存在争议性回答。网友测试发现其在非推理模型基准上拿下SOTA成绩，性价比高，但部分线上API仍存在问题。目前，V3.1已可在网页端、APP及小程序使用，Base版本可从抱抱脸下载。

正文：8月20日，DeepSeek在Hugging Face开源新模型V3.1-Base，参数约685B，上下文长度拓展至128K。同日晚些时候，线上模型版本已升级至V3.1，支持官方网页、App、小程序测试，API调用方式保持不变。备受期待的DeepSeek R2仍未确定发布时间。

8月19日，DeepSeek官方宣布线上模型版本升级至V3.1，上下文长度扩展至128k。用户可通过官网、App及小程序体验新版功能，API调用方式保持不变。此次更新显著提升了模型处理长文本的能力，适用于长文档分析、代码理解及对话一致性等场景。IT之家提醒，本次更新为常规版本升级，备受期待的DeepSeek R2仍未公布发布时间。

《科创板日报》19日讯，记者黄心怡报道，DeepSeek线上模型版本已升级至V3.1，上下文长度拓展至128k。这一更新标志着模型性能和应用能力的进一步提升，为用户提供更高效、精准的服务体验。

8月13日，Anthropic宣布其Claude Sonnet 4模型上下文token数提升至100万，是此前上限的五倍。新功能支持处理超7.5万行代码或数十篇长篇研究论文，适用于大规模代码分析、海量文档整合及多步骤工作流等场景。该功能已向Tier 4及以上客户开放测试，并可通过亚马逊Bedrock使用，谷歌云Vertex AI支持即将推出。超过20万token的提示词定价翻倍，但通过缓存和批量处理可降低50%成本。此外，Anthropic近期还推出了Claude的记忆功能和Claude Opus 4.1版本，进一步提升实用性。

2025世界机器人大会上，阿里达摩院宣布开源具身智能三大关键组件：VLA模型RynnVLA-001-7B、世界理解模型RynnEC及机器人上下文协议RynnRCP。RynnRCP通过标准化框架打通传感器数据采集、模型推理到机器人动作执行的全流程，支持多款热门模型和机械臂。RynnVLA-001能从视频中学习人类操作技能并迁移到机械臂控制，而RynnEC则赋予模型对物理世界的多维度理解能力。此外，达摩院上月还开源了WorldVLA模型，提升图像与动作生成能力。相关代码已发布在GitHub平台，供开发者使用。