01
OpenAI 发布 GPT-5.2-Codex：面向复杂软件工程的最强代码模型，直接重塑 AI 编程生产力
OpenAI 推出 GPT-5.2-Codex，在 SWE-Bench Pro 等基准中达到当前最先进水平，显著提升复杂代码库理解、重构与迁移能力，标志着 AI Agent 编码进入工程级可用阶段。
原文链接02
Google 发布 Gemini 3 Flash：以极低成本逼近前沿模型性能，重塑大模型性价比曲线
Google 推出 Gemini 3 Flash，高速、低成本且具备前沿推理与多模态能力，在部分指标上接近 Gemini 3 Pro 与 GPT-5.2，为大规模商业部署提供更优解。
原文链接03
英伟达开源 Nemotron 3：专为多智能体系统打造，吞吐量提升 4 倍
英伟达发布并开源 Nemotron 3 模型系列，支持 100 万 token 上下文，采用混合专家架构，大幅降低多 Agent 系统中的通信与推理成本。
原文链接04
苹果开源 SHARP：1 秒内将单张照片转为高质量 3D 场景
苹果开源 SHARP 模型，基于 3D 高斯泼溅技术，实现单张 2D 图像到 3D 场景的近实时转换，为 AR / XR 与空间计算提供关键基础能力。
原文链接05
腾讯发布混元世界模型 1.5：国内首个开放实时交互的 3D 世界模型
腾讯混元世界模型 1.5 支持实时生成并交互探索 3D 世界，具备空间记忆与几何一致性，面向游戏、虚拟世界与数字孪生等高价值场景。
原文链接06
阿里发布 Wan 2.6：国内首个支持角色扮演的视频生成模型
通义万相 Wan 2.6 支持音画同步、多镜头叙事与角色扮演，用户可通过参考视频复刻角色外观与音色，直出 15 秒 1080P 高清视频，显著降低视频内容生产门槛。
原文链接07
字节发布通用 Agent 模型 Seed 1.8：GUI Agent 进入可规模化阶段
字节跳动发布 Seed 1.8 通用 Agent 模型，集成搜索、代码生成与 GUI 操作能力，在 OSWorld 等基准中领先，推动 Agent 从实验走向真实业务场景。
原文链接08
字节发布 Seedance 1.5 Pro：实现高质量音视频联合生成
Seedance 1.5 Pro 支持文本与图像驱动的音视频联合生成，在音画同步、方言口型匹配和电影级运镜方面取得突破，面向专业内容创作场景。
原文链接09
小米开源 MiMo-V2-Flash：编程能力刷新开源模型上限
小米开源 MiMo-V2-Flash 大模型，在 SWE-bench 中取得 73.4% 的解决率，超越所有开源模型，展示了高性价比 MoE 架构在工程任务中的潜力。
原文链接10
商汤发布 Seko 2.0：AI 短剧生成将制作周期压缩 80% 以上
商汤 Seko 2.0 通过角色一致性与多人对口型技术，将 50 集短剧制作周期从 3 个月压缩至原来的 10%-20%，并支持消费级显卡与国产芯片。
原文链接11
12
阿里云开源语音双子星：3 秒音频即可实现跨语言音色克隆
通义百聆开源 Fun-CosyVoice3 与 Fun-ASR，显著降低语音生成与识别门槛，在多语言、多方言与低延迟场景下具备实际商业价值。
原文链接13
蚂蚁启用 AI 健康助手中文名“蚂蚁阿福”，加速医疗 AI 落地
蚂蚁集团为 AI 健康助手 AQ 启用中文名“蚂蚁阿福”，并强化健康咨询、影像解读与家庭健康管理，推动 AI 在医疗服务中的规模化应用。
原文链接本期完