正文：2026年1月，DeepSeek悄然更新了其R1技术报告，新增64页详细内容，系统性公开了R1模型的完整训练路径。训练分为冷启动、推理导向RL、拒绝采样与再微调、对齐导向RL四步，并补充了关于反思能力涌现的分析及安全性提升细节。团队构建了10.6万条提示的安全数据集，并通过风险控制系统显著提升了模型安全性。此外，论文作者栏显示核心团队保持稳定，甚至有离职成员回归。此次更新信息密度极高，被视作对R1研究的总结，引发外界猜测DeepSeek或将在春节发布更大动作，如R2或V4模型。v2版论文链接：

2025年8月12日，智谱发布GLM-4.5技术报告，揭示其以Agent为核心的设计理念。该模型在Hugging Face社区趋势榜单表现亮眼，并在多项基准测试中位列前茅。报告提出ARC标准（Agent、Reasoning、Coding），强调三者原生统一的重要性。GLM-4.5采用混合专家架构，注重深度与推理能力优化，并通过多阶段训练流程强化性能。其中，中期训练和强化学习显著提升Agent任务表现，工具调用成功率高达90.6%。此外，智谱开源RL框架slime，支持开发者生态建设。GLM-4.5综合性能排名全球第三，性价比优势获开发者高度评价。