2025年以来，人工智能（AI）技术在大语言模型和多模态领域持续突破，全球科技巨头密集推出新一代AI模型，不仅在理解与生成能力上实现飞跃，更在实用性与效率层面迈上新台阶，标志着AI正从通用大模型阶段，加速向多模态助手与智能体方向演进。
当地时间5月22日，美国Anthropic公司推出“克劳德4”系列的两款新模型——“奥珀斯4”（Opus 4）与“十四行诗4”（Sonnet 4），瞄准专业领域的编程、推理与智能体应用需求。其中Opus 4被定位为行业领先的编程模型，可高效完成复杂且长时程的任务；Sonnet 4则在3.7版本基础上完成显著升级，指令理解、逻辑推理与编程能力均得到强化。
仅两天后的5月20日，谷歌一口气推出多个“双子座2.5”系列大语言模型，整体性能与智能推理能力较前代版本大幅提升。同日，谷歌还发布了多款多模态模型：图像生成模型Imagen 4与视频生成模型Veo 3，具备从文本等多输入形式生成高质量视觉内容的能力；音乐生成模型Lyria 2则为音乐创作者提供了多模态创作工具。此外，AI电影制作工具Flow集成了前沿多模态技术，用户只需通过自然语言描述，就能生成高质量视觉作品。
除了多模态模型，谷歌在5月还发布了全新的进化式编程智能体AlphaEvolve，由谷歌大语言模型驱动，旨在实现通用算法的发现与优化。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，开发出复杂算法。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，甚至在20%的案例中提出了更优方案。谷歌团队认为，该智能体未来有望在材料科学、药物发现、可持续发展等领域发挥变革性作用。
更早的4月，美国OpenAI公司先后发布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系列在编程与指令理解方面表现突出，长文本处理能力显著提升，同时具备更高的性价比。而o3和o4 mini则被OpenAI称为“迄今为止最智能的模型”：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亮眼，还具备严谨的分析能力与批判性思维，可作为可靠的“思维伙伴”；o4 mini则是一款经过优化的小型模型，在数学、编程与视觉任务上表现出色，适用于快速且成本效益高的推理场景。
国内AI企业也在加速布局，4月，字节跳动推出全新升级的“日日新SenseNova V6”大模型体系。据该公司官网介绍，这一大模型体系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，并突破了成本边界。
随着技术的快速发展，AI的能力边界不断拓展。正如谷歌旗下“深度思维”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、主动、强大的AI，以此加快科学进步的步伐，开启一个充满新发现与成就的新时代。可以预见，这些不断迭代的AI模型，将为各行业的创新发展注入新的动力，推动人工智能技术向更广阔的应用场景延伸。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/quan-qiu-ai-mo-xing-mi-ji-shang-xin-cong-tong-yong-da-mo
