OpenAI 開始限定預覽 GPT-5.6 系列,Sol、Terra、Luna 先透過 Codex 和 API 提供
OpenAI 於 2026 年 6 月 26 日啟動 GPT-5.6 系列限定預覽,Sol、Terra、Luna 先經 Codex 和 API 提供予少數可信任夥伴及機構。
推薦理由:三款模型按能力、成本和用途分層,目前先透過 Codex 和 API 提供;文中列出定價與基準結果,便於比較不同型號的取捨。
模型推理能力的進展:思維鏈、推理模型、數學與邏輯基準的突破與爭議。
OpenAI 於 2026 年 6 月 26 日啟動 GPT-5.6 系列限定預覽,Sol、Terra、Luna 先經 Codex 和 API 提供予少數可信任夥伴及機構。
推薦理由:三款模型按能力、成本和用途分層,目前先透過 Codex 和 API 提供;文中列出定價與基準結果,便於比較不同型號的取捨。
Google Research 已將 Multi-Token Prediction(MTP)架構部署至 Pixel 9 和 10 系列的 Gemini Nano v3,透過凍結主模型權重加快裝置端文字生成。
推薦理由:文章對照整合式 MTP head 與獨立草稿模型,説明直接利用主模型狀態如何提升候選 token 準確度,並改善 Pixel 端的速度與記憶體效率。
研究人員使用 OpenAI 推理模型協助診斷兒童罕見遺傳病,並在此前未解的病例中識別出 18 項新診斷。
推薦理由:文中同時交代模型介入的診斷場景與未解病例結果,提供觀察 AI 參與兒童罕見遺傳病研究的一個具體切面。
GLM-5.2 發佈,將最大上下文長度由 200K 擴至 1M tokens,並強化長程任務與編碼能力。它在 Terminal-Bench 2.1 和 SWE-bench Pro 分別取得 81.0、62.1,高於 GLM-5.1 的 63.5、58.4。
推薦理由:文章並列長程編碼基準成績與 IndexShare、MTP 的效率改動,讓讀者可對照模型性能數據和 1M-token 上下文的工程支撐。
Google DeepMind 發佈實驗性開放模型 DiffusionGemma,透過文字擴散並行生成文字,在專用 GPU 上文字生成最高快 4 倍。
推薦理由:DiffusionGemma 的優勢集中於低至中等批次的單加速器推理,高 QPS 雲端服務則可能收益較小並增加服務成本。
Anthropic 於 2026 年 6 月 9 日開始一般提供 Claude Fable 5,並稱其在軟件工程、知識工作、科學研究及圖像理解方面表現突出,長而複雜的任務中領先幅度更大。
推薦理由:文章並列 Claude Fable 5 與 Claude Mythos 5 的適用對象和安全處理,亦交代訂閲期限及 API 價格,呈現一般提供與受限提供的差異。
Google DeepMind 發佈 Gemma 4 12B,定位為可在筆記型電腦本機運行的多模態模型,並為中型模型加入原生音訊輸入。它採用免多模態編碼器架構,將視覺和音訊輸入直接整合至 LLM backbone;標準基準表現接近 26B MoE,總記憶體佔用不足其一半。Gemma 4 12B 以 Apache 2.0 授權釋出,可透過 LM Studio、Ollama 等工具試用。
推薦理由:Gemma 4 12B 的免編碼器設計、接近 26B MoE 的基準表現與較低記憶體佔用,提供比較中型多模態模型架構和本機部署定位的具體依據。
NVIDIA 發佈 Nemotron 3.5 Content Safety,將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT,明確訓練覆蓋 12 種語言,並承接其約 140 種語言的 zero-shot 泛化;可選 THINK mode 會輸出推理軌跡。
推薦理由:Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型,並附訓練資料集,提供企業安全審核的部署參考。
Anthropic 發佈 Claude Opus 4.8,並為 Claude Code 推出「動態工作流程」研究預覽版。Opus 4.8 在編碼、智能體技能、推理及實務知識工作等方面較 Opus 4.7 改進,價格維持不變;Anthropic 的基準測試顯示,它在大部分項目上勝過 GPT-5.5 和 Gemini 3.1。
推薦理由:Claude Code 動態工作流程可在單一工作階段並行運行數十至數百個子智能體,文中亦交代研究預覽的支援入口及較高 token 消耗提醒。
OpenAI 的一個模型解決了有 80 年歷史的單位距離問題,推翻離散幾何中的一項重要猜想。這項成果標誌著 AI 驅動數學的一個里程碑。
推薦理由:這項成果為 AI 驅動數學提供一個具體案例,呈現模型解決離散幾何 80 年單位距離問題並推翻重要猜想的結果。
Google DeepMind 宣佈 AI co-clinician 研究計劃,探索讓 AI 在醫生專業監督下協助患者照護。在 98 個基層醫療問題的評估中,97 個案例錄得零項嚴重錯誤;在開放式藥物問答中,系統表現勝過可用的前沿 AI 系統。
推薦理由:文章並列呈現 AI co-clinician 在證據整理、藥物問答和多模態問診的測試結果,並以醫生整體表現較佳界定其臨牀輔助定位。
Granite Team(IBM)詳述 Granite 4.1 的 3B、8B 和 30B 模型構建流程,涵蓋預訓練、監督式微調和多階段強化學習。預訓練以約 15T tokens 分五階段進行,並將上下文窗口擴至最高 512K tokens;其後以約 4.1M 經整理樣本作微調,採用 on-policy GRPO 配合 DAPO loss 進行強化學習。
推薦理由:文章梳理 Granite 4.1 從約 15T tokens 預訓練、約 4.1M 樣本微調到多階段強化學習的流程,呈現 dense 模型的訓練設計取捨。
NVIDIA 發佈 Nemotron 3 Nano Omni,這款長上下文多模態模型面向文件分析、音訊與影片理解、智能體電腦操作及通用推理。
推薦理由:文章並列 Nemotron 3 Nano Omni、Nemotron Nano V2 VL 與 Qwen3-Omni 的多項基準結果,另列系統效率數據,提供文件、影音和 GUI 任務的比較依據。
DeepSeek於2026年4月24日發布DeepSeek-V4系列預覽版,開放網頁及API使用,並公開開放權重。兩款模型均支援1M上下文窗口:DeepSeek-V4-Pro總參數為1.6T、活躍參數49B;DeepSeek-V4-Flash則為284B及13B。
推薦理由:兩款模型同具1M上下文窗口,但在參數規模、推理表現與回應速度上定位不同,可看出 DeepSeek-V4 系列的型號取捨。
OpenAI 於 2026年4月23日發佈 GPT-5.5,提升模型在智能體編碼、電腦操作、知識工作和科學研究方面的能力。
推薦理由:文章並列 GPT-5.5 的基準測試表現、與 GPT-5.4 相同的 token 延遲,以及完成相同 Codex 任務所需 token 較少的情況,呈現能力和效率的對照。
深度求索(DeepSeek)發佈 DeepSeek-V4,Pro、Flash 系列各有 instruct 與 base 版本,四款 checkpoint 均支援 1M-token 上下文。
推薦理由:文章把 KV cache 成本、混合注意力設計與智能體工作流串連起來,並以基準數據呈現長上下文能力在工具任務中的表現。
Google 於 2026年4月2日以 Apache 2.0 授權發布 Gemma 4 開放模型,提供 E2B、E4B、26B MoE 和 31B Dense 四種規模。
推薦理由:Gemma 4 提供四種規模,並以較小版本支援離線多模態處理、較大版本支援長上下文推理,呈現本地部署在不同硬件場景的配置方式。
Google DeepMind 發佈 Gemma 4 開放模型家族,提供 E2B、E4B、26B MoE 和 31B Dense 四種尺寸,並採用 Apache 2.0 授權。
推薦理由:Gemma 4 提供從手機端到工作站的多種尺寸,並列出排行榜名次與上下文窗口,便於比較本地部署時的硬件需求和能力差異。
Mistral AI 發佈 Mistral Small 4,將 Magistral 的推理、Pixtral 的多模態及 Devstral 的智能體編碼能力整合至單一模型。
推薦理由:Mistral Small 4 整合指令、推理、多模態及智能體編碼能力,並列出相較 Mistral Small 3 的吞吐數據,可供比較單一模型承接多類任務時的效率表現。
Google Research 的前瞻性研究在真實門診流程中評估 AMIE 用於就診前病史採集的可行性。研究納入 100 名成人,互動由醫師即時監督且沒有觸發安全停止;AMIE 的鑑別診斷在 90% 個案中涵蓋最終診斷,前三項診斷準確率為 75%。研究屬單中心文字聊天研究,沒有對照組;PCP 的管理方案在實用性及成本效益方面較佳。
推薦理由:這項研究將 AMIE 用於門診前病史採集,展示即時醫師監督下的安全與診斷評估,亦交代單中心、無對照設計的限制。