转自：劳动午报

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。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。据新华社