今年，人工智能（AI）技术持续在大语言模型和多模态方面取得新进展。近来，全球多家科技公司推出了新模型，这些模型不仅在理解和生成能力上取得重大突破，也在实用性和效率上迈上新台阶，标志着AI正逐步从通用大模型向多模态助手和智能体演进。

　　美国西部时间5月22日，美国Anthropic公司推出“克劳德4”系列两款新模型：“奥普斯4”（Opus 4）与“十四行诗4”（Sonnet 4），旨在为业界提供更高标准的编程、推理和智能体应用。该公司表示，Opus 4是行业领先的编程模型，能够高效完成复杂且持续时间长的任务；而Sonnet 4在此前的3.7版本基础上显著升级，具备更强的指令理解能力与推理、编程表现。

　　美国西部时间5月20日，谷歌宣布推出多个“双子座2.5”系列大语言模型，整体性能和智能推理能力均较以往版本大幅提升谷歌翻墙插件看视频。当日，谷歌还发布了多个多模态模型，其中包括图像生成模型Imagen 4和视频生成模型Veo 3，具备从文本等多种输入形式生成高质量视觉内容的能力；音乐生成模型Lyria 2则为音乐人提供了多模态创作工具。此外，AI电影制作工具Flow集成了先进的多模态技术，使用户通过自然语言描述就能生成高质量的视觉作品。

　　5月，谷歌公司还发布了全新的进化式编程智能体AlphaEvolve，该系统由谷歌的大语言模型驱动，旨在实现通用算法的发现和优化。据谷歌官方博客介绍，AlphaEvolve不仅能发现单一函数，还能演化整个代码库，并开发出复杂的算法。在对超过50个数学难题的测试中，它在约75%的案例中重新发现最优解，并在20%的案例中提出更优方案。谷歌团队认为，该智能体未来有望在材料科学、药物发现、可持续性发展等领域发挥变革性作用。

　　4月，美国开放人工智能研究中心（OpenAI）先后发布了GPT-4.1系列模型以及o3和o4 mini两款推理模型。据OpenAI官网介绍，GPT-4.1系列模型在编程和指令理解方面表现尤为突出，显著提升了长文本处理能力，并具备更高的性价比。而o3和o4 mini则被OpenAI称作该公司“迄今最智能的模型”。o3模型在编程、数学、科学、视觉感知等领域均实现突破，适合处理多维度复杂问题，尤其在图像、图表等视觉任务上表现突出。o3还具备严谨的分析能力和批判式思维，可被视作可靠的“思维伙伴”。o4 mini则是一款经过优化的小型模型，在数学、编程和视觉任务方面表现出色，适用于快速且成本效益高的推理。

　　4月，中国AI公司商汤科技宣布推出全新升级的“日日新SenseNova V6”大模型体系。据该公司官网介绍，这一大模型系统通过多模态长思维链训练、全局记忆、强化学习等技术突破，已形成领先的多模态推理能力，并突破成本边界。

　　随着技术快速发展，AI的能力边界不断扩大，正如谷歌旗下“深层思维”公司首席执行官德米斯哈萨比斯所说，团队正在塑造一个更加个性化、更主动、更强大的AI，从而加快科学进展的脚步，并开创一个充满新发现和成就的新时代。