行业内容

OpenAI 公布 GPT-5.5 系统卡

GPT-5.5 System Card

OpenAI 随 GPT-5.5 发布系统卡，通常用于说明该模型的安全评估与能力边界。本条材料仅有标题，正文为空，具体评估项需看原始文档。

模型#openai

OpenAI 开源 Privacy Filter，用开放权重模型检测并脱敏文本中的个人信息

Introducing OpenAI Privacy Filter

OpenAI 推出 OpenAI Privacy Filter，这是一个开放权重模型，用于在文本中检测并脱敏个人身份信息（PII），并称达到当前领先的准确率。

模型#openai

推荐理由：它以开放权重给出 PII 识别与脱敏，读者能自己部署，把它接进需要合规处理文本的流程。

OpenAI 推出 GPT-Rosalind，面向药物发现与基因组分析的生命科学推理模型

Introducing GPT-Rosalind for life sciences research

OpenAI 推出 GPT-Rosalind，一个用于加速药物发现、基因组分析、蛋白质推理与科研工作流的前沿推理模型。

模型#openai

推荐理由：它把前沿推理指向药物发现与基因组分析等具体科研工作流，为生命科学方向的读者提供了一个专用选项。

Gemini 3.1 Flash TTS 发布：自然语言 audio tags 可精细控制语速、音色与场景，Artificial Analysis TTS 榜 Elo 1211，支持 70+ 语言

Gemini 3.1 Flash TTS: the next generation of expressive AI speech

Google DeepMind 发布 Gemini 3.1 Flash TTS，新一代文本转语音模型，在可控性、表现力与音质上均有提升。今日起铺开：开发者可在 Gemini API 与 Google AI Studio 预览，企业在 Vertex AI 预览，Workspace 用户经 Google Vids 使用。官方称其音质更自然、更具表现力——在 Artificial Analysis TTS 排行榜（汇总数千次人类盲评）拿到 1211 的 Elo 分，并被 Artificial Analysis 归入高音质与低成本的具吸引力象限。模型原生支持多说话人对话、70+ 语言，并引入 audio tags：在文本输入里嵌入自然语言指令来精确操纵语音风格、节奏与演绎，配场景调度、说话人级 Audio Profiles 与 Director notes 等控制。

产品#Google DeepMind

推荐理由：把语音合成从念对字推进到可导演：自然语言标签控制语速音色与场景，且给出第三方榜单的量化位次。

Gemini Robotics-ER 1.6：升级具身推理模型的指向与多视图理解，新增读懂仪表与液位计能力，已在 Gemini API 与 AI Studio 开放

Gemini Robotics-ER 1.6: Powering real-world robotics tasks through enhanced embodied reasoning

Google DeepMind（署名 Laura Graesser、Peng Xu）推出 Gemini Robotics-ER 1.6，对其推理优先机器人模型的重大升级，让机器人以前所未有的精度理解环境。它强化空间推理与多视图理解，专攻机器人关键能力：视觉与空间理解、任务规划与成功检测；充当机器人大脑，能原生调用 Google 搜索、视觉-语言-动作模型（VLA）或第三方自定义函数来完成动作。相较 Gemini Robotics-ER 1.5 与 Gemini 3.0 Flash，其在指向、计数等空间与物理推理上显著提升，并解锁新能力仪表读数——读复杂表盘与液位计（与伙伴 Boston Dynamics 协作中发现的用途）。即日起在 Gemini API 与 Google AI Studio 面向开发者开放，并附配置与具身推理任务提示示例的 developer Colab。

模型#Google DeepMind

推荐理由：把具身推理的指向、多视图与成功检测能力量化升级，并新增可读仪表这一此前不现实的用途，机器人开发者可即刻试用。

Gemma 4 开源家族发布：E2B/E4B/26B MoE/31B 四档、Apache 2.0，31B 登上 Arena AI 开源榜第3、系列累计下载破4亿

Gemma 4: Byte for byte, the most capable open models

Google DeepMind 发布 Gemma 4——迄今最智能的开源模型家族，专为高级推理与 agentic 工作流打造，主打破纪录的每参数智能，以 Apache 2.0 许可广泛开放。自初代发布以来开发者已下载 Gemma 超 4 亿次、社区衍生出逾 10 万个变体。Gemma 4 提供四种尺寸：Effective 2B(E2B)、Effective 4B(E4B)、26B 混合专家(MoE)、31B Dense，全系列从简单对话跃升到处理复杂逻辑与 agent 流程；31B 在业界标准的 Arena AI 文本排行榜上位列全球开源模型第3、26B 位列第6，在同榜上跑赢比自身大 20 倍的模型。它与 Gemini 互补，覆盖从数十亿 Android 设备、笔记本 GPU 到工作站与加速器的硬件。文中举例 INSAIT 据此做出保加利亚语优先的 BgGPT、与 Yale 合作的 Cell2Sentence-Scale 用于发现癌症疗法新路径。

模型#Google DeepMind

推荐理由：把开源模型的每参数智能推上新高度，并给出榜单位次与生态规模，端侧到工作站全档覆盖，选型可直接据此比较。

Gemini 3.1 Flash Live：更高精度与更低延迟的实时语音对话模型，称是其迄今质量最好的音频语音模型，跨多款 Google 产品铺开

Gemini 3.1 Flash Live: Making audio AI more natural and reliable

Google DeepMind 发布 Gemini 3.1 Flash Live，推进 Gemini 的实时对话能力，称是其迄今质量最高的音频与语音模型，给出语音优先 AI 所需的速度与自然节奏。铺开的入口包括：开发者可在 Google AI Studio 的 Gemini Live API 预览，企业可用 Gemini Enterprise for Customer Experience，面向所有人也进入 Google 产品。定位是让语音交互更流畅、自然、精确。

产品#Google DeepMind

推荐理由：把实时语音对话的质量、精度与延迟再往下压，语音应用开发者能直接据此替换现有对话栈。

Lyria 3 Pro 上线：可生成最长 3 分钟带曲式结构的曲目，支持指定 intro、verse、chorus、bridge

Lyria 3 Pro: Create longer tracks in more

在上月 Lyria 3 之后，Google DeepMind 把更高级的音乐生成模型带进更多 Google 产品，同时发布 Lyria 3 Pro。这一版可生成最长约 3 分钟的曲目，且带结构与编排意识——它更懂作曲，因而你可以直接就 intro、verse、chorus、bridge 这些段落下提示词，适合尝试不同风格或需要有复杂转场的歌。企业侧 Lyria 3 Pro 已在 Vertex AI 开放公开预览，供需要规模化按需音频的组织使用。

产品#Google

推荐理由：把可生成时长与曲式可控这两项具体升级讲清，做音乐生成的团队可据此评估。

OpenAI 发布 GPT-5.4 mini 与 nano，更小更快、面向高频 API 与子代理负载

Introducing GPT-5.4 mini and nano

OpenAI 推出 GPT-5.4 mini 与 nano，是 GPT-5.4 更小、更快的版本，针对编码、工具使用、多模态推理以及高并发的 API 与子代理负载做了优化。

模型#openai

推荐理由：它为高频调用与子代理负载提供更小更快的档位，读者可据此判断成本与延迟敏感场景该选哪一档。

OpenAI 发布 GPT-5.4，主打编码、计算机操作、工具搜索与 100 万 token 上下文

Introducing GPT-5.4

OpenAI 发布 GPT-5.4，定位为其在专业工作上能力最强、效率最高的前沿模型，具备领先的编码、计算机操作与工具搜索能力，并支持 100 万 token 上下文。

模型#openai

推荐理由：它把编码、计算机操作、工具搜索与 100 万 token 上下文合并进同一档前沿模型，读者可据此评估专业工作流是否迁移。

OpenAI 公布 GPT-5.4 Thinking 系统卡

GPT-5.4 Thinking System Card

OpenAI 随 GPT-5.4 Thinking 发布系统卡，通常用于说明该模型的安全评估与能力边界。本条材料仅有标题、正文为空，具体评估项需看原始文档。

模型#openai

Gemini 3.1 Flash-Lite 发布：$0.25/$1.50 每百万 token，Arena.ai Elo 1432、GPQA Diamond 86.9%

Gemini 3.1 Flash-Lite: Built for intelligence at scale

Google DeepMind 发布 Gemini 3.1 Flash-Lite，称其为 Gemini 3 系列里最快、最具成本效益的型号，面向大规模高并发的开发者负载，已在 Gemini API（Google AI Studio）开放预览、企业侧走 Vertex AI。口径很实：定价每百万输入 token 0.25 美元、输出 1.50 美元；按 Artificial Analysis 基准，较 2.5 Flash 首 token 响应快 2.5 倍、输出速度高 45%，质量持平或更好；Arena.ai 榜 Elo 1432，GPQA Diamond 86.9%、MMMU Pro 76.8%。

模型#Google

推荐理由：单价、速度对比与基准分数一次给全，批量推理选型可直接算账。

OpenAI 推出 GPT-5.3 Instant，主打更顺畅的日常对话

GPT-5.3 Instant: Smoother, more useful everyday conversations

这条材料对应 GPT-5.3 Instant 的发布，标题称它带来更顺畅、更有用的日常对话。正文为空，具体参数与评测需看原始文档。

模型#openai

OpenAI 公布 GPT-5.3 Instant 系统卡

GPT-5.3 Instant System Card

OpenAI 随 GPT-5.3 Instant 发布系统卡，通常用于说明安全评估与能力边界。本条正文为空，具体评估项需看原始文档。

模型#openai

Nano Banana 2 上线：即 Gemini 3.1 Flash Image，把 Nano Banana Pro 的世界知识、质量与推理装进 Flash 速度，主打主体一致性与可直接投产规格

Nano Banana 2: Combining Pro capabilities with lightning-fast speed

Google DeepMind 发布 Nano Banana 2（对应 Gemini 3.1 Flash Image），其最新旗舰图像模型。回顾 Nano Banana（去年 8 月）曾以图像生成与编辑走红、Nano Banana Pro（11 月）给出高级智能与影棚级创作控制；2 代把两者长处合一——保留用户喜爱的 Pro 级世界知识、质量与推理，同时以 Flash 的速度运行，并带来主体一致性、可投产规格等。定位是在全 Google 把这一组合交给用户。

产品#Google DeepMind

推荐理由：把原本分属 Pro 与 Flash 的两条图像模型长处合到一档，图像类应用可直接据此权衡质量与延迟。

Gemini 3.1 Pro 发布：面向一个简单答案不够用的复杂任务，承接上周 3 Deep Think 升级的核心智能，铺向 Gemini API、CLI、Antigravity、Vertex AI 与消费者全线

Gemini 3.1 Pro: A smarter model for your most complex tasks

Google DeepMind 发布 Gemini 3.1 Pro，一款为简单答案不够用的任务设计的更聪明模型。此前一周，公司刚为 Gemini 3 Deep Think 推出面向科研与工程重大难题的升级；3.1 Pro 正是把支撑那些突破的核心智能沉淀下来、推向日常应用。今日起铺开：开发者可在 Gemini API（Google AI Studio）、Gemini CLI、agentic 开发平台 Google Antigravity 与 Android Studio 预览，企业在 Vertex AI 与 Gemini Enterprise 使用，同时进入消费者产品。

产品#Google DeepMind

推荐理由：把此前只在 Deep Think 中的前沿能力沉为主力核心模型、并立刻铺到开发者与消费者全线，读者能马上在自己产品里用上。

Gemini 3 Deep Think 重大升级：专攻科研、研究与工程难题，首次经 Gemini API 向研究者与企业开放

Gemini 3 Deep Think: Advancing science, research and engineering

Google DeepMind 发布 Gemini 3 Deep Think 的一次重大升级——这是其专精的推理模式，目标是把智能前沿推到能解现代科学、研究与工程难题。团队强调它是与科学家研究者密切合作磨出来的：真实研究题往往没有清晰护栏、没有唯一正确答案、数据还常常残缺不完整，因此新 Deep Think 把深厚的科学知识与日常工程实用性揉在一起，从抽象理论走向实际应用。可用性方面，Gemini app 的 Google AI Ultra 订阅用户可直接用，并首次通过 Gemini API 向部分研究者、工程师与企业以早期访问形式开放。

模型#Google

推荐理由：把这一代推理模式到底不一样在哪里、谁能用讲清楚了，实验室场景可直接据此申请。

OpenAI 发布首个实时编码模型 GPT-5.3-Codex-Spark，称生成快 15 倍、上下文 128k

Introducing GPT-5.3-Codex-Spark

OpenAI 推出 GPT-5.3-Codex-Spark，这是它第一个实时编码模型，生成速度提高 15 倍、支持 128k 上下文，目前面向 ChatGPT Pro 用户开放研究预览。

模型#openai

推荐理由：它给出 15 倍生成速度与 128k 上下文两项具体参数，并说明当前只对 ChatGPT Pro 开放研究预览，读者能直接判断可用性。

OpenAI 发布 GPT-5.3-Codex，把前沿编码与通用推理合成一个长任务代理

Introducing GPT-5.3-Codex

OpenAI 发布 GPT-5.3-Codex，这是一个 Codex 原生的代理，把前沿编码性能与通用推理结合，用来支撑长时间跨度的真实技术工作。

模型#openai

推荐理由：它把前沿编码性能与通用推理合进一个面向长时任务的代理模型，编码方向的读者可以据此判断是否迁移工作流。

OpenAI 公布 GPT-5.3-Codex 系统卡，称其为迄今最强代理式编码模型

GPT-5.3-Codex System Card

OpenAI 为 GPT-5.3-Codex 发布系统卡，称它是迄今最强的代理式编码模型，把 GPT-5.2-Codex 的前沿编码性能与 GPT-5.2 的推理和专业知识能力结合到一起。具体评估项需看原始文档。

模型#openai

Project Genie 开放试用：美国 Google AI Ultra 订阅者可创建、探索并 remix 自己的可交互世界（18 岁以上）

Project Genie: Experimenting with infinite, interactive worlds

继八月预告通用世界模型 Genie 3 之后，Google DeepMind 与 Google Labs 推出 Project Genie 这一实验性研究原型——向美国的 Google AI Ultra 订阅者（18 岁以上）开放，用户可以创建、探索并再混合自己的交互世界。文中解释了世界模型的位置：它模拟一个环境的动力学、预测其如何演化，这是 Genie 3 能生成多样交互环境的基础；早期可信测试者已经用它造出相当可观的体验，甚至发现了全新的用法，这一原型正是为了把这类创作打开给更多人。

产品#Google

推荐理由：把 Genie 3 到 Project Genie 这段世界模型走向产品的路径讲清楚了。

OpenAI 将于 2026 年 2 月 13 日在 ChatGPT 中下线 GPT-4o、GPT-4.1 等模型

Retiring GPT-4o, GPT-4.1, GPT-4.1 mini, and OpenAI o4-mini in ChatGPT

OpenAI 宣布在 2026 年 2 月 13 日，连同此前已公布的 GPT-5（Instant、Thinking、Pro）退役，一并在 ChatGPT 中下线 GPT-4o、GPT-4.1、GPT-4.1 mini 与 OpenAI o4-mini，并称 API 此时不作改动。

产品#openai

推荐理由：下线时间与被移除的模型都写清了，正在使用这些模型的用户可以直接安排迁移，API 不受影响的口径也一并给出。

Google DeepMind 发布 D4RT：一个统一模型搞定跨时空的 4D 场景重建与追踪

D4RT: Teaching AI to see the world in four dimensions

由 Guillaume Le Moing 与 Mehdi S. M. Sajjadi 署名：今天我们介绍 D4RT（Dynamic 4D Reconstruction and Tracking），把动态场景重建统一到单个高效模型里。文章从一个观察切入——人看世界时同时在记忆与预测：你既看见此刻的样子，也知道它上一刻如何、下一刻会怎样，脑中的模型维护着一份持续的现实表征，并据此直觉地推出过去、现在与未来的因果关系。要让机器也这样看，装摄像头只解决了输入；真正的难题是从一串扁平的 2D 投影序列还原出丰富、立体且在运动中的 3D 世界——一个复杂的逆问题。

论文#Google

推荐理由：把 4D 重建到底难在哪里讲得比一般发布稿清楚，适合作为该方向的入门引用。

Gemini 3 Flash 发布：定位为速度而生的前沿智能，首发至今 API 日处理超 1 万亿 token

Gemini 3 Flash: frontier intelligence built for speed

Google DeepMind 扩展 Gemini 3 家族，发布 Gemini 3 Flash——以更低的成本提供其上那一档前沿智能的速度版本，并把 Gemini 3 这一代能力铺到全线 Google 产品。文章披露 Gemini 3 首发以来的生态数据：API 日处理已超 1 万亿 token；用户拿 Gemini 3 做过的事情包括 vibe code 仿真来学习复杂概念、搭交互式游戏、理解各类多模态内容。Flash 保留了 Gemini 3 在复杂推理、多模态与视觉理解、智能体与 vibe coding 上的底子。

模型#Google

推荐理由：把这一档模型的定位、保有数据与成本取向讲清，是选型时判断便宜档能顶多少的参考。