长任务推理正在改变模型竞争的评估方式
模型能力的竞争，正在从单次回答转向持续规划、工具调用与可靠执行。
模型
关于模型的最新事件与编辑解读。
模型发布需要区分厂商自报与第三方评测
同一个分数只有放回版本、测试集和运行条件中才有意义。
OpenAI发布GPT-6 Astra，重点升级电脑操作与复杂任务执行
官方已宣布发布，先向少量机构开放；更广泛的ChatGPT与API访问仍在分批推进。
Google正式发布Gemini 3.8 Flash与Flash Cyber
两款模型分别面向通用智能体工作流和网络安全任务；当前公开Feed未披露定价、评测或开放地区。
Gemini新增智能体式视频理解
Google将这项能力加入最新Gemini模型，目标是在减少token用量和成本的同时提高视频分析准确性。