3月3日，DeepSeek V4 Lite悄然更新，参数规模仅2000亿的小模型性能逼近美国顶级大模型Sonnet 4.6。该模型自2月11日发布以来持续升级，2月27日的测试已显示显著进步，最新0302版在多项测试中表现优异，包括天气卡、游戏及前端功能等。尽管国产AI模型在对话聊天方面与闭源模型差距缩小，但在多模态、编程等领域仍落后于Anthropic、OpenAI等美国公司。DeepSeek的技术探索树立标杆，若完整版DeepSeek V4发布，或对美国AI领域造成重大冲击。

2026年2月，谷歌发布Gemini 3 Deep Think重大升级，在Codeforces平台取得3455 Elo分数，排名世界第8，全球仅7人编程水平高于它。新模型在ARC-AGI-2基准测试中达到84.6%，远超此前最佳成绩68.8%；在人类最后考试（HLE）中刷新SOTA至48.4%。研发团队包括清华校友姚顺宇等华人科学家，姚顺宇去年从Anthropic加入谷歌，这是他在谷歌的首秀。Gemini 3 Deep Think还展现跨领域能力，如优化晶体生长工艺、发现半导体材料、辅助数学论文审阅等，推理成本降低82%。目前ARC Prize正开发ARC-AGI-3以应对新挑战。

2月12日，MiniMax正式发布旗舰编程模型M2.5，对标Claude Opus 4.6。该模型支持PC、App及跨端应用开发，在Excel高阶处理、PPT制作等Office生产力场景中表现行业领先。M2.5激活参数量仅10B，显存占用和推理能效比优势显著，支持100 TPS超高吞吐量，推理速度超越国际顶尖模型，为开发者提供高效解决方案。（记者 黄心怡）

2026年1月，阿里千问正式发布Qwen3-Max-Thinking超大杯推理版模型，刷新全球SOTA表现。该模型在科学知识、数学推理、代码编程等19项基准测试中超越GPT-5.2-Thinking、Claude-Opus-4.5等顶级闭源模型。其参数规模超万亿，预训练数据量达36T Tokens，并通过自适应工具调用和测试时扩展技术显著提升推理性能与工具调用能力。实测显示，Qwen3-Max-Thinking可完成复杂代码任务（如手势识别小游戏）和数据分析（如内存涨价研报生成）。此外，中国开源AI模型下载量已超美国，千问系列衍生模型突破20万个，下载量超10亿次，成为全球开源标杆。目前，该模型已上线千问APP及API接口，全面接入淘宝、支付宝等阿里生态业务，为垂直领域应用提供更多可能性。

正文：2026年1月1日，智元具身研究中心发布第二代一体化具身大小脑系统GenieReasoner，其推理能力达SOTA水平。新系统通过统一离散化预训练和流匹配技术，解决了VLA模型中语义推理与动作控制的模态对齐难题，并突破了传统离散Tokenizer的动作精度瓶颈。同时，研究中心开源了聚焦真机操控全流程的具身推理评测基准ERIQ，用于量化评估VLA模型的推理能力。实验表明，GenieReasoner在跨本体真机实验中展现了卓越的泛化性，显著提升端到端动作执行表现。未来，团队将从逻辑深度与执行精度两方面推进，致力于实现具身大小脑、世界模型与真机强化学习的闭环协同。

2025年12月，MiniMax发布旗舰级Coding & Agent模型M2.1，以10B激活参数在Multi-SWE-bench榜单中取得49.4%的成绩，超越Claude Sonnet 4.5等竞品，拿下多语言编程SOTA。M2.1解决了以往模型在后端开发和底层逻辑上的“偏科”问题，显著提升Rust、Java、C++等语言能力，并强化移动端开发支持。通过引入Interleaved Thinking，模型兼顾代码执行与复合指令整合。实测显示，M2.1可高效完成H5小游戏开发、Python代码迁移及复杂后端任务如权限设计体系，生成1700行代码仅需两句话。此外，MiniMax构建开源测试基准VIBE，验证其在Web、Android、iOS等领域的能力。此次发布正值港交所聆讯通过之际，展现了MiniMax在AI研发与应用上的硬核实力。

2025年12月，中国智谱AI发布新一代旗舰模型GLM-4.7，主打编程能力并上线即开源。该模型在AIME 25、HLE等基准中超越GPT-5.1，SWE-Bench得分达73.8%，创开源新高。GLM-4.7在编码、复杂推理和工具使用等多个维度显著提升，支持“先思考、再行动”模式，并引入交错式思考、保留式思考及轮级思考技术，优化长程任务表现。此外，模型在前端生成、PPT设计、3D资产生成等方面也有显著改进。官网已开放Chatbot与API体验，最低20元/月即可畅享服务。此次更新被视为智谱冲刺港交所IPO前的重要技术证明。

11月25日，腾讯混元宣布开源全新OCR模型HunyuanOCR，参数仅1B，多项核心能力达SOTA水平。该模型依托混元原生多模态架构，支持端到端推理，在复杂文档解析、文字检测与识别等任务中表现优异，如在OmniDocBench测评中获94.1分，超越谷歌Gemini3-pro；在OCRBench榜单上以860分领先3B以下参数模型。此外，HunyuanOCR支持14种小语种翻译，适用于票据字段抽取、视频字幕识别、拍照翻译等场景，并斩获ICDAR2025端到端文档翻译比赛小模型赛道冠军。模型已开源，可通过GitHub、HuggingFace等平台获取和体验。

9月22日，美团LongCat团队发布全新高效推理模型LongCat-Flash-Thinking，综合性能达全球开源模型最先进水平（SOTA）。该模型在逻辑、数学、代码及智能体任务中表现卓越，是国内首个结合“深度思考+工具调用”与“非形式化+形式化”推理能力的语言模型。通过创新架构如领域并行强化学习和异步弹性共卡系统，模型实现高效推理与稳定训练，在复杂任务中显著优化资源利用。多项权威评测显示，其在ARC-AGI、HMMT、LiveCodeBench等基准测试中刷新纪录，超越OpenAI o3、Gemini2.5 Pro等顶尖模型。项目已开源，地址包括Hugging Face与Github。

谷歌最新研究显示，只要科学任务可评分，AI就能通过大模型+树搜索实现超越人类专家的SOTA结果。该研究开发了一种自动创建实证软件的AI系统，适用于生物信息学、流行病学、地理空间分析等领域。例如，在单细胞数据分析中，系统发现了40种新方法，性能超越人类专家；在地理空间分析中，其方法mIoU指标突破0.80。系统结合代码变异与复杂研究思路，整合高被引论文、教科书等资源优化算法。论文在社交平台引发热议，获2.6K赞，网友称‘任何可量化的东西都将被AI征服’，但也有人质疑将科研权限交给AI是否合适。研究人员使用简单提示词即可生成高质量算法，表明清晰表达需求比复杂指令更重要。