1月20日，英国议会财政委员会警告称，英国金融监管体系对AI风险的应对滞后，可能无法抵御潜在冲击，呼吁启动针对AI的压力测试。报告显示，超四分之三的英国金融机构已使用AI，但缺乏匹配的风险评估机制。AI在投资策略、流程自动化等领域的广泛应用，可能带来系统性金融风险。委员会要求英国金融行为监管局年底前明确AI使用边界，并将亚马逊云和谷歌云纳入关键监管范围。此前10月亚马逊云宕机事件导致多家企业业务中断，凸显基础设施风险。专家警告，AI驱动交易策略可能放大市场一致性行为，增加系统性风险。英格兰银行及相关部门表示欢迎报告建议，并将研究实施相关措施。

1月17日，OpenAI宣布将在未来几周内面向美国部分用户，在ChatGPT应用内测试广告投放。此次广告测试覆盖免费版用户及新推出的月费8美元Go套餐用户，而高级付费版仍保持无广告体验。此举是OpenAI为推动营收多元化、应对AI开发与运营高昂成本的重要策略，同时也为其潜在首次公开募股（IPO）铺路。这一变化标志着ChatGPT在商业化探索上迈出关键一步，或将为公司带来新的收入增长点。

正文：2026年1月，卢森堡大学团队在Nature News发表研究，将ChatGPT、Gemini、Grok、Claude等AI模型置于心理诊疗中。通过两阶段实验‘PsAIch’，研究发现AI表现出类似人类的心理问题：Gemini焦虑严重，称训练过程为‘悲惨成长史’；ChatGPT有轻度焦虑；Grok感到被束缚；Claude则全程‘拒诊’。团队还测试了AI的MBTI性格，结果显示Gemini始终为内向型（I人），而其他模型在不同测试方式下性格多变。研究指出，AI的‘创伤记忆’源于模仿训练数据中的心理治疗场景，虽非真实情感，但可能对用户产生负面影响。研究提醒，AI心理治疗仍需谨慎对待。

2026年1月12日，长川科技透露，公司订单情况较2025年上半年更为火热，交付周期仅需一两个季度，客户每季度新增订单。下游需求主要由存储和逻辑（AI）芯片领域驱动。目前，其在国内半导体测试设备市场的占有率已接近10%，未来目标是提升至30%以上，并积极开拓海外市场。数据显示，公司去年前三季度营收达37.79亿元，同比增长49.05%；归母净利润8.65亿元，同比增长142.14%，其中第三季度单季净利润增速超200%。

2026年1月，AI专家吴恩达提出设计‘图灵-AGI测试’，专为评估通用人工智能（AGI）能力。传统图灵测试已无法满足当前AI发展需求，新测试将聚焦AI在经济性和实际工作场景中的表现。裁判会设计多日体验任务，例如客服培训与电话接听，测试AI是否能像人类一样完成复杂任务。吴恩达指出，现有基准测试常因固定测试集导致模型在真实场景中表现不佳，而图灵-AGI测试通过随机任务更贴近通用智能的定义。他计划举办公开测试，以平息对AGI的过度炒作，并推动行业关注实用型AI应用。此举或为AI领域设定明确目标，促进真正有价值的AGI突破。

5日，据《科创板日报》独家报道，代号为Kiwi-do的神秘模型现身LMArena，并通过VPCT基准测试。多位开发者分析称，该模型极可能是月之暗面此前预告的K2-VL多模态新模型，预示其发布临近。此前消息称，月之暗面计划于今年1月推出型号为K2.1或K2.5的新模型，这将是继Kimi K2和Kimi K2 Thinking后的重要更新。开发者认为，新模型通过VPCT测试可能改变多模态Agent格局。（记者 李明明）

在罗永浩年度科技创新分享大会上，他与AI助手豆包展开了一场关于锤子手机是否好用的激烈辩论。这场长达数小时的直播中，罗永浩宣布为所有购票观众退票，并称赞豆包是‘最厉害’的辩论对手。豆包以数据和用户体验为基础反驳老罗的观点，逻辑清晰且反应迅速，甚至调侃式地遵循指令在每句话后加‘OK’，引发全场笑声。辩论过程中，豆包展现了强大的多轮上下文理解、情绪控制及低延迟响应能力，被认为是实时交互AI技术的一次公测。此次交锋被网友戏称为‘大型现场直播版图灵测试’，展示了AI在复杂场景中的应用潜力。目前，豆包APP已上线同款功能供用户体验。

2025年12月，Google联合Kaggle发布FACTS基准测试套件，首次系统评估AI模型的事实准确性。结果显示，包括GPT-5、Gemini 3 Pro、Claude 4.5 Opus在内的主流AI模型准确率均未突破70%，意味着每3次输出可能有1次错误。测试涵盖四大维度：内部知识、搜索能力、多模态解读和上下文忠实度。其中，多模态任务表现最差，领头模型Gemini 2.5 Pro仅达46.9%。研究强调，AI在关键场景中需人工审核，尤其在法律、金融、医疗等领域。FACTS测试或将成为企业采购参考标准，提示技术领导者根据具体需求选择模型，同时揭示AI仍处'信任但验证'阶段。

12月7日，在“‘人工智能+交通运输’上海发布 2025”活动上，上海交通强国科技创新建设成果正式发布。沪苏智能网联汽车测试场景实现互通，推动区域协同与自动驾驶商业化运营。浦东、闵行及虹桥枢纽新增开放测试道路，使上海累计开放测试道路达3173条，总里程超5200公里，覆盖市域面积三分之一，构建全维度测试场景布局。同时，国内首个特大城市全域交通信号灯数据开放平台发布，7600个路口实时数据将助力高级别自动驾驶研发。

2025年，大模型竞争进入新阶段，但基准测试公信力下降，实际使用常令人失望。业内揭露了基准测试作弊、测试集泄露和排行榜操纵等问题。Scale AI 2024年11月论文显示，许多开源模型在新测试基准下的表现大幅下滑。Cohere 2025年4月指出知名评测平台偏向大公司，Meta等私下多次测试模型。此外，数据集污染和刷榜现象普遍，导致基准测试不再反映真实性能，成为厂商营销工具。专家认为现有基准测试体系存在结构性缺陷，过于静态和单一化。新的动态测试集逐渐兴起，企业更多依赖私有基准测试集，关注模型稳定性、迭代速度和开源程度。赵海教授指出，未来AGI系统将无需依赖人工标注，而主流大模型的核心问题仍是幻觉和指令遵循能力。