Google 发布 Gemini 4 Argon，支持高达 100 万输出 token，在代码工程、自动化、金融、法律及长视频理解等基准上取得 SOTA。该模型可自主发现、验证和修复软件漏洞，被定位为公司迄今最强模型。Google 首先向通过 Fairwind 计划的网络安全防御者开放，API 定价为输入 $2/百万 token、输出 $10/百万 token（缓存输入打 95 折）。
OpenAI 发布多模态 AI 智能体 Dots（基于 GPT-6 Astra），可在 ChatGPT、Slack、Teams 中自主长期运行，使用云端浏览器完成跨应用任务。同时推出性价比极强的 GPT-6.1 Sol，在代码、计算机操作等专业场景接近 GPT-6 Astra 水平，定价仅为其 1/5（$2/百万输入）。Agents API 新增计算机使用功能。
Claude Sonnet 5.5 面向日常编码、知识工作、计算机使用和 Agent 工作流进行了大幅优化，Terminal-Bench 得分达 70.6%，超越旗舰 Opus 5.5。运行速度比 Sonnet 5 快 30%+，单次任务成本降低约 30%。通过 Anthropic API、Amazon Bedrock、Google Cloud、Microsoft Foundry 等多渠道发布。
OpenAI 安全系统团队负责人 David Robinson 辞职并公开批评公司安全文化，警告 AI 系统能力的快速提升并未伴随足够的谨慎，"无限制的乐观主义"可能带来风险。OpenAI 回应称将持续加强外部评估和监控机制，并在必要时放缓或暂停模型发布。
Cloudflare 发布两款开源决策模型 Clef 与 Clef-flash，专为 Agent 工作流中的快速结构化决策设计。支持视觉输入和 64K 上下文，Jev API 兼容，Clef-flash 中位延迟仅 38.8ms。同时推出基于强化学习的微调服务以定制专用模型。llama.cpp 新增对决策模型的 /v1/systemone 原生支持。
GLM-5.2 作为面向长任务时代的旗舰模型，原生支持真正可用的 1M 上下文，实测可承载项目级工程上下文；GLM-5.3-flash 以 $0.8/百万输入、$2.8/百万输出的超低价格定位轻量级 Agent 场景，进一步降低开发门槛。
DeepSeek-V4.1-Flash 采用因果编码器-解码器架构，预填充仅激活约 8B 参数，解码约 16B，原生支持 1M 上下文窗口和图像理解，编码与 Agent 基准均超越 DeepSeek-V4-Pro，预填充 KV 缓存空间减少约 4 倍。
Qwen-Image-2.1-Pro 是通义千问家族最新图像生成模型，仅 7B 参数，统一文生图与图像编辑能力，原生支持透明图像生成与编辑，最多支持 10 张参考图，改进排版、人像光效与细节表现。
Kimi K2.5 是月之暗面迄今最全能模型，原生多模态架构设计，同时支持视觉与文本输入，支持思考与非思考模式切换，以及对话与 Agent 任务。
Meta 首款实时音频模型，支持实时转录、20+人说话人分离，并能检测说话人是否结束发言，支持句子中途换语言，已集成至 Meta AI for Mac 和 Muse Code。
可灵 Kling 3.0 Omni 支持 4K 分辨率、音画同步、多模态指令，单次最长 15 秒，支持文生视频、图生视频、首尾帧视频和视频延展。API 定价 $0.084/秒（720p），Native Audio 可选。在 Artificial Analysis Video Arena 中以 Elo 1242 位列全球第三。
Seedance 2.5 支持最长 30 秒连续视频生成（Long Video 模式可达 3 分钟），单次可加载最多 50 个多模态参考资产（30 张图+10 个视频+10 个音频），并引入 Intelligent Edit Mode 可局部精修特定时间戳画面，大幅减少重新生成的时间成本。
海螺 AI 升级为支持全模态创作的 Media Agent，可一键生成包含文生视频、图生视频、首尾帧设定、主体参考（锁定角色一致性）的完整短片，平台覆盖网页端、移动端和开放 API，每日提供生成额度。
Seedance 2.0 Mini 专为低成本高频场景设计，生成速度比标准版快约 75%，成本降低 55%，支持 480p/720p、4-15 秒片段。但存在压缩伪影和塑料感肤质，适合草稿和社交媒体内容，专业场景仍推荐标准版 Seedance 2.0（Elo 1273，排名第一）。
Veo 3.1 支持原生音频生成（无需后期配音），8 秒 Quality 片段消耗 100 Flow 积分（$19.99/月 Google AI Pro 套餐含 50 积分/天）。ChatGPT 和 Claude 已通过 MCP 集成 Runway 和 Magnific，可在 LLM 对话内直接调用视频生成能力。
Midjourney 在 alpha 阶段持续完善体验：侧边栏增加风格预览、支持按文件夹设置默认参数、生成时保留 prompt-bar 设置，并预告即将推出全新协作工具。
混元视频推出 viduq3-mix_reference2video（通用参考视频）、viduq3-ad_reference2video（广告专用，支持智能转场与音画同步）、viduq3-drama_reference2video（剧情专用，人物一致性更强），支持 720P/1080P 输出。
前苹果 Siri 工程师推出 AI 智能体 szn，可直接在 iMessage 对话中运行，帮助用户浏览网页、购买商品、管理日程，将 AI 助手深度嵌入用户最高频的通讯场景。
芯片设计软件制造商 Synopsys 与 OpenAI 达成合作，将 OpenAI 的大模型能力引入半导体 EDA 流程，加速芯片设计与验证。
以 FLUX 图像模型闻名的 Black Forest Labs 发布 7B 开源机器人世界动作模型 FLUX 3 Action，在英伟达排行榜中以 42.9% 成功率登顶，标志着开源 AI 视频模型正向具身智能扩展。
由加州理工创立、伯克利 Ion Stoica 参与的 PrismML 将 1-bit Bonsai 大模型引入高通 AI 智能眼镜，推动端侧超大模型运行。
HappyOyster 系列包含三款世界模型：Adventure（开放世界探索）、Directing（文本驱动世界演出）、Acting（角色扮演实时互动），支持多模态输入（文本/图片）驱动实时沉浸式体验。
Qwen 2.5-1M 包含 7B 和 14B 两个版本，首次将百万 token 原生上下文引入通义千问家族，配套的 vLLM 稀疏注意力推理框架使长上下文处理速度提升 3-7 倍，完全开源。
Synthesia 3.0 搭载 Express-2 引擎，支持全身体虚拟人和上下文感知语音克隆，成为企业培训视频领域新的基准模型。同期 D-ID Agents 支持真实语音或文字与 Avatar 进行实时对话。