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。

2025年9月1日，阶跃星辰发布开源端到端语音大模型Step-Audio 2 mini，并在多个国际基准测试中取得SOTA成绩。该模型统一语音理解、音频推理与生成，支持语音原生Tool Calling能力，可实现联网搜索等操作。其综合性能超越Qwen-Omni、Kimi-Audio等开源模型及GPT-4o Audio，在音频理解、语音识别、翻译和对话场景中表现突出。例如，在中英互译任务上，其CoVoST 2和CVSS评分分别达39.3和29.1；语音识别任务中，中文CER为3.19，英语WER为3.50，领先其他开源模型15%以上。通过真端到端多模态架构、CoT推理结合强化学习及音频知识增强，Step-Audio 2 mini有效解决传统语音模型智商情商不足的问题，现已上线阶跃星辰开放平台并开源。

2025年8月6日，Anthropic正式发布Claude Opus 4.1，该版本在编程性能上再次突破，超越前代及竞品，拿下SOTA成绩。新模型在Agent任务和推理能力方面也显著提升，定价保持不变。实测显示其开发小游戏等任务表现稳定。官方透露未来几周将推出更大规模升级。客户反馈积极，GitHub和Rakuten Group均认可其改进，特别是在代码修复和跨文件重构上的表现。Anthropic还通过客户背书暗秀合作关系，与OpenAI形成鲜明对比。此外，Opus 4.1的System Card同步发布，明确其核心调整未改变模型尺寸或训练方法。无害回复率提升至99.06%。目前，Opus 4.1已向所有付费用户开放，并支持多种平台使用。

7月28日，智谱发布旗舰模型GLM-4.5并开源，这是首款SOTA级原生智能体大模型，综合评测位居国产第一，性能媲美全球顶级模型。新模型参数效率翻倍，API价格仅为Claude的1/10，推理速度超100tokens/秒。其创新性地将推理、代码、Agent等多能力原生融合，目前已上线智谱清言和z.ai平台，开放免费体验。

2025年7月，阿里通义千问开源Qwen3系列完成三连发，接连推出Qwen3-Coder、Qwen3-235B-A22B-Instruct-2507和Qwen3-235B-A22B-Thinking-2507模型，分别在编程、基础模型和推理领域刷新全球开源SOTA记录。其中，最新推理模型在逻辑推理、数学及编程任务中表现突出，超越闭源模型如Gemini-2.5 Pro和o4-mini。实测显示其在复杂问题解决上具备显著优势。此轮开源引发国际热议，HuggingFace等业内专家盛赞‘这是开源的胜利’。阿里已开源超300款模型，衍生模型突破14万个，成为全球第一开源家族，并计划三年内投入3800亿元升级AI基础设施。中国开源力量正引领全球前沿发展。