标签
Sam Altman 宣布将 GPT-Realtime-2 发布到 API，强调这是在语音与AI交互方面处理复杂上下文的一项重大进步。
Google 推出 Gemini 3.1 Flash-Lite，这是一款高速、高性价比的 AI 模型，现可通过 Google AI Studio 和 Vertex API 预览使用，专为高并发开发者工作负载而设计。
OpenAI发布了GPT-5.1，这是GPT-5系列中的一个新模型，它可以基于任务复杂度动态调整思考时间，在保持前沿智能的同时，性能比GPT-5快2-3倍。此次发布包括扩展的提示缓存（24小时保留）、新的编码工具（apply_patch和shell），以及针对延迟敏感应用的“无推理”模式。
OpenAI 发布 GPT-5.1 Instant 和 GPT-5.1 Thinking，这是 GPT-5 系列的升级版本，具有更好的对话能力、更强的指令遵循、自适应推理和增强的语气控制。这些模型正在向 ChatGPT 用户推出，首先面向付费用户，API 将在本周晚些时候提供。
Google 通过 Gemini API 发布 Gemini 2.5 计算机使用模型，使开发者能够构建可通过点击、输入和滚动与用户界面交互的 AI 代理。该模型在网页和移动控制基准测试中表现优异，延迟更低，现已在 Google AI Studio 和 Vertex AI 中提供预览版。
OpenAI 发布 GPT-5-Codex，这是 GPT-5 的优化版本，专为代理软件工程任务设计，可通过 API 和 Codex 集成开发环境获取，具有改进的代码审查功能和长形式任务执行能力。
OpenAI 在其 API 平台发布 GPT-5，这是一款最先进的模型，在 SWE-bench Verified 上达到 74.9% 的成绩，在编码、智能体任务和长上下文推理方面表现卓越。此次发布包含三个模型规格（gpt-5、gpt-5-mini、gpt-5-nano）以及新的 API 功能，如详细程度控制、最小推理模式和自定义工具。
OpenAI 宣布推出 GPT-5，这是他们最先进的模型，统一了 GPT-4o、o 系列推理、智能体和高级数学等功能，将立即向 Team 用户推出，并为开发者提供 API 访问。此次发布是一个重大里程碑，已有 7 亿周活跃 ChatGPT 用户和 500 万付费企业用户在使用 OpenAI 的技术。
DeepMind 推出 AlphaGenome，这是一个能够预测 DNA 序列变异如何影响基因调控和生物过程的 AI 模型，可应用于多种细胞类型和组织。该模型可处理多达 100 万个碱基对，通过 API 向非商业研究提供，完整论文已在《自然》杂志上发表。
Google发布了Gemini 2.5 Pro Preview（I/O版本）的早期访问权限，具备显著改进的编码能力，可用于构建交互式Web应用。该模型现已领先WebDev Arena排行榜，Elo评分提升了147分。
Google 宣布推出 Gemini 2.5 Flash，这是一个新的混合推理模型，现已通过 Gemini API 以预览版形式提供。该模型具有可切换的思考能力、细粒度的思考预算以平衡质量、成本和延迟，并在保持快速推理速度的同时相比 2.0 Flash 提升了性能。
OpenAI 通过 API 推出 GPT-4.1、GPT-4.1 mini 和 GPT-4.1 nano 模型，在编程（SWE-bench 得分达 54.6%）、指令遵循和 100 万 token 上下文窗口方面有重大改进，成本更低。GPT-4.5 Preview 将于 2025 年 7 月 14 日停用。
OpenAI 为 API 引入了下一代音频模型，包括改进的语音转文本（gpt-4o-transcribe、gpt-4o-mini-transcribe）和可自定义的文本转语音模型，使开发者能够构建更智能、更具表现力的语音代理，在具有挑战性的场景中提升准确性。
Google 向所有开发者开放 Gemini 2.0 Flash 原生图像生成功能，支持多模态文本和图像输出，可用于故事创作、对话式图像编辑以及需要世界理解和文本渲染的应用。
OpenAI 推出了一系列用于构建智能体的新工具，包括 Responses API、内置工具（网络搜索、文件搜索、计算机使用）、Agents SDK 和可观测性功能，旨在简化智能体应用程序开发。
Google 宣布 Gemini 2.0 Flash-Lite 正式发布，相比 1.5 Flash 性能提升，定价更简化，并支持 100 万令牌的上下文窗口。该模型现已在 Google AI Studio 和 Vertex AI 中提供，开发者已经在构建语音 AI、数据分析和视频编辑应用。
Google 宣布通过 API 正式推出 Gemini 2.0 Flash，并推出实验性的 Gemini 2.0 Pro（用于高级编码和推理任务），以及成本高效的 Gemini 2.0 Flash-Lite。所有模型都支持多模态输入和文本输出，并可通过 Google AI Studio、Vertex AI 和 Gemini 应用访问。
OpenAI 发布 o3-mini，一款成本高效的推理模型，具备强大的 STEM 能力，现已在 ChatGPT 和 API 中可用，支持函数调用、结构化输出和三个推理力度级别。该模型在数学和编码方面与 o1 性能相当，同时更快且更便宜，免费计划用户首次获得推理模型的访问权限。
OpenAI 向 API 发布 o1 模型，具备生产就绪的功能，包括函数调用、结构化输出、视觉能力，以及比 o1-preview 低 60% 的延迟。其他开发者工具包括 Realtime API 改进、偏好微调，以及新的 Go 和 Java SDK。