天眼日报

🤖 AI 大模型

MiniMax 发布 M2.5 开源模型，即将开源权重，SWE-Bench Verified 80.2%，Agent 总分提升 42.8%

MiniMax 官方宣布 M2.5 模型权重即将开源（REALLY, REALLY, SOON），此前 MiniMax-M2.5 被评为开源 SOTA 候选，支持 Pokémon + Minecraft 游戏构建。在 SWE-Bench（index split）排名第 1，SWE-Bench Verified 达 80.2%，Terminal Bench 2 排名第 2，Multi-SWE-Bench 第一，BrowseComp 76.3%，BFCL 76.8%，编程能力媲美 Claude Opus 4.6，支持全栈 Vibe Coding 和智能体任务，激活参数 10B，推理 100TPS，复杂任务执行速度提升 37%，每小时 1 美元支持 100 tps。实测 4000 万 token，指令遵循 80%部分正确率、65.9%完全正确，长文本召回 96.7%，Agent 总分 599 较 M2.1 提升 42.8%，输出速度稳定 100 token/s，Lightning 变体支持 196608 token 上下文。

ModelScope 开源 Ring-2.5-1T：首个混合线性 1T 思考模型

ModelScope 开源 Ring-2.5-1T，MoE 结构 63B 活跃参数，支持 Claude Code 和 OpenClaw。IMO25 得分 35/42，CMO25 105/126，长上下文 10x 低内存 3x 吞吐。

阿里通义实验室发布 Qwen-Image-2.0 开源图像生成模型及 Zvec 向量数据库

Ali_TongyiLab 发布 Qwen-Image-2.0 图像生成模型，并首次开源 Zvec 向量数据库，称为“SQLite of vector databases”，支持高性能 AI 基础设施部署。

OpenBMB 发布 MiniCPM-SALA 9B 开源模型，支持 1M token 上下文

OpenBMB 发布 MiniCPM-SALA-9B，Apache 2.0 许可，单 RTX 5090 GPU 运行 1M-2M token，推理速度提升 3.5 倍，RULER 基准 92.65（64K）。采用 75%线性注意力+25%稀疏注意力，从 MiniCPM-4.0 转换训练 2T token。

BIOS 生物医学 AI 科学家登顶 BixBench 基准

BIOS 发布世界级 AI 科学家，支持文献搜索、数据分析、多步研究工作流。BixBench 数据分析基准#1，人类在环控制，持久记忆，子代理协调。学术用户免费（.edu 邮箱）。

Claude Code CLI 2.1.41 更新修复多项问题

Claude Code CLI 2.1.41 新增 AWS auth 超时 3 分钟、Windows ARM64 支持、/rename 自动生成名称，修复文件读取阻塞、通知交付、权限等待计时等 10+问题。

智谱 GLM5 模型压缩至 241GB，256GB 内存即可本地运行

团队将智谱 GLM5 从 1.65TB 压缩到 241GB，256GB 统一内存 Mac 或 24GB 显存 GPU+256GB 内存 PC 即可运行，动态 8 位版需 1TB 内存顶级工作站。

月之暗面 Kimi K2.5 性能媲美 Claude Opus 4.6，称霸 OpenRouter 付费调用榜

Kimi K2.5 性能达 Claude Opus 4.6 水平，价格便宜 8 倍，成为 OpenClaw 最常用模型及 OpenRouters 整体第一，占据付费调用前十首位，调用量远超其他模型。

谷歌 Gemini 3 DeepThink 重大升级，姚顺宇参与多项基准创纪录

谷歌发布 Gemini 3 DeepThink 重大升级，清华姚顺宇参与核心开发。ARC-AGI-2 得分 84.6%刷新纪录，Codeforces Elo 3455 全球前 8，人类最后考试 48.4% SOTA，国际物理化学奥赛金牌水平，支持草图转 3D 打印文件。现向 Google AI Ultra 订阅用户开放，Gemini API 向研究人员开放。

OpenClaw 2026.2.12 发布，支持 GLM-5 和 MiniMax M2.5

OpenClaw 新版集成 GLM-5+MiniMax M2.5，新增 IRC 频道支持、40+安全修复、自定义提供商接入和压缩改进。

OpenAI 发布 GPT-5.3-Codex-Spark 超低延迟编程模型

OpenAI 与 Cerebras 合作推出 GPT-5.3-Codex-Spark，提供秒级响应开发者代码需求，上下文窗口 128k tokens，推理速度>1000 tokens/秒，运行于 WSE-3 硬件。目前向 ChatGPT Pro 用户开放，支持 Codex 应用、CLI 和 VS Code 扩展。

DeepSeek 处理 529 页科学书籍仅需 19 秒

DeepSeek 新模型处理 529 页科学书，Gemini 3 Pro 估算 296241 token，DeepSeek 思考 7 秒优于 Gemini（72 秒）。

Spotify 顶级开发者 12 月起零手动代码，使用 Claude Code 和 Honk 系统

Spotify 使用 Claude Code 和 Honk 系统，顶级开发者自 2025 年 12 月未写一行代码，2025 年发布 50+新功能，PR 审查时间降至 2-3 分钟。

OpenAI 计划在 ChatGPT 下架 GPT-4o

OpenAI 计划下架 GPT-4o，因新模型使用量达 99.9%。

智谱 AI GLM-5 在代理编码开源榜单领先

智谱 AI GLM-5（745 亿参数，44 亿激活）在代理编码媲美 Gemini 3.0 和 Codex，开源榜首，仅次 Opus 4.6。

Anthropic 完成 300 亿美元 G 轮融资，投后估值 3800 亿美元

Anthropic 宣布完成 300 亿美元 G 轮融资，由 GIC 和 Coatue 领投，微软追加 50 亿美元、英伟达承诺 100 亿美元，投后估值 3800 亿美元。Claude 年化收入达 140 亿美元，过去三年年增长超 10 倍，Claude Code 年化收入超 25 亿美元，贡献全球 4% GitHub 公开提交，每周活跃用户翻倍，500+客户年付超 100 万美元。

Google Gemini 团队发布官方技能库

Google Gemini 团队维护技能库，支持 Gemini API、SDK 和模型交互。

海致科技港股 IPO，总市值超 300 亿港元

海致科技港股上市，开盘涨 204%总市值 329 亿港元，2024 年营收 5.03 亿，Atlas 智能体营收 8660 万占 17.2%。高瓴 B/C/E 轮投资，募资用于图模融合技术优化及香港新加坡市场拓展。

AdaptEvolve：通过自适应模型选择提升演化 AI 代理效率

AdaptEvolve 框架利用生成置信度动态选择 LLM，在演化代理系统中平均降低 37.9%推理成本，同时保留 97.5%静态大模型基准精度。代码开源：https://github.com/raypretam/adaptive_llm_selection。

HyPO：缓解参考偏好优化中的不匹配问题

HyPO 修改 DPO，条件去偏参考信号，在悲观对中加强学习，提升推理对齐指标和成对胜率。保持 DPO 目标形式和计算成本。

RouterXBench：协作 LLM 系统中路由器的公平全面评估

RouterXBench 框架评估路由器能力、场景对齐和跨域鲁棒性。ProbeDirichlet 路由器在多域数据上训练，提升 16.68%路由能力。

Native Reasoning Training：LLM 在不可验证数据上原生推理训练

NRT 框架将推理过程视为潜在变量，使用标准 QA 对自生成推理轨迹。优于 SFT 和无验证器 RL，在复杂推理域提升显著。

Krause Synchronization Transformers：受有界置信共识动态启发的注意力机制

Krause 注意力用局部稀疏交互替换全局 softmax，促进结构化局部同步。在 ViT、生成和 LLM 上提升性能，序列长度线性复杂度。

苹果 Xcode 26.3 扩展支持编程智能体，接入 Claude Agent 和 Codex

苹果发布 Xcode 26.3，扩展编程智能体支持，接入 Anthropic Claude Agent 和 OpenAI Codex，新增协作、文档搜索、文件浏览、项目设置修改功能，支持 Model Context Protocol (MCP)集成第三方工具，仅限 macOS 26 Tahoe。

Gemini 模型常将当前事件视为假设情景

Gemini 3.0 Pro 在处理 2026 年事件时，常视作假设情景，内部思考中质疑搜索结果真实性，如将 Pete Hegseth 任战争部长或 JD Vance 主持节目视为虚构，需额外推理确认现实。

---