OpenAI 發佈面向日常專業工作的 GPT-5.2
OpenAI 發佈 GPT-5.2,稱其為面向日常專業工作的最先進前沿模型,具備最先進的推理、長上下文理解、編碼和視覺能力。GPT-5.2 可在 ChatGPT 和 OpenAI API 中使用,以支援更快、更可靠的智能體工作流。
推薦理由:原文交代 GPT-5.2 的能力定位及 ChatGPT、OpenAI API 的使用入口,讀者可瞭解它面向的專業工作與智能體工作流。
AI 寫代碼的一切:編碼助手、Vibe Coding、代碼模型評測與開發工作流變革。
OpenAI 發佈 GPT-5.2,稱其為面向日常專業工作的最先進前沿模型,具備最先進的推理、長上下文理解、編碼和視覺能力。GPT-5.2 可在 ChatGPT 和 OpenAI API 中使用,以支援更快、更可靠的智能體工作流。
推薦理由:原文交代 GPT-5.2 的能力定位及 ChatGPT、OpenAI API 的使用入口,讀者可瞭解它面向的專業工作與智能體工作流。
Mistral AI 發佈 Devstral 2(123B)、Devstral Small 2(24B)兩款編碼模型,以及開源命令列助手 Mistral Vibe CLI。
推薦理由:Devstral 2 不只公佈基準測試成績,亦提供與 DeepSeek V3.2、Claude Sonnet 4.5 的人工評測結果,讀者可對照其在不同模型比較中的表現差異。
Claude Platform 於 2025 年 11 月 24 日推出 Claude Opus 4.5,面向複雜專業任務、專業軟件工程及進階智能體。更新指出,該模型在視覺、編碼和電腦操作方面有顯著改進,定價亦較此前 Opus 模型更易負擔。
推薦理由:這批更新為多工具工作流程提供兩種改善方式,程式化工具調用旨在降低延遲和 token 用量,工具搜尋則讓大型工具目錄中的工具可按需載入。
Google 於 2025年11月18日發佈 Gemini 3,開始提供 Gemini 3 Pro 預覽版,並推出新 IDE Google Antigravity。
推薦理由:文章梳理 Gemini 3 Pro 預覽版在應用程式、搜尋及開發工具中的部署方式,並交代 Google Antigravity 的智能體工作流程與個人方案使用條件。
Google DeepMind 發佈 Gemini 3,Gemini 3 Pro 已透過 Gemini API、Google AI Studio 和 Vertex AI 提供預覽。
推薦理由:文章並列 Gemini 3 Pro 的基準成績、API 定價和接入渠道,亦介紹 Google Antigravity 如何跨工作區管理智能體,具體呈現模型與開發流程的結合方式。
Google DeepMind 發佈 Gemini 3,推出預覽版 Gemini 3 Pro,並介紹加強推理能力的 Gemini 3 Deep Think。
推薦理由:Gemini 3 Pro 與 Gemini 3 Deep Think 的兩項基準成績並列,便於比較加強推理模式在 Humanity’s Last Exam 和 GPQA Diamond 的分數差異。
Google 推出 Antigravity 智能體開發平台,並免費開放公開預覽。平台保留 AI IDE 編輯器,另設以智能體為核心的 Manager,支援瀏覽器控制及非同步互動,讓智能體自主規劃和執行端到端軟件任務;Artifacts 可供使用者檢視工作成果並提供回饋。
推薦理由:Antigravity 將 IDE 編輯與 Agent Manager 分成不同工作介面,並以任務級 Artifacts、驗證結果和非同步回饋呈現及修正智能體工作。
OpenAI 已在 API 中提供 GPT-5.1,帶來更快的自適應推理、擴展的提示詞快取及更佳的編碼表現。API 新增 apply_patch 和 shell 工具。
推薦理由:更新涵蓋自適應推理、提示詞快取、編碼表現及 apply_patch 和 shell 工具,勾勒 GPT-5.1 面向開發者的 API 改進範圍。
Anysphere 於 2025年10月29日發佈 Cursor 2.0,新增多智能體管理功能,並推出由該公司開發的智能體編碼模型 Composer。用戶可透過一個提示詞並行執行最多 8 個智能體,各智能體在程式碼庫的獨立副本中工作,並使用 Git worktree 或遠端機器防止檔案衝突。據 Anysphere 稱,Composer 的運行速度較同等智能模型快 4 倍。
推薦理由:文章交代最多 8 個智能體如何並行工作,以及以獨立程式碼副本和 Git worktree 或遠端機器防止檔案衝突,呈現多智能體編碼的協作設計。
Anthropic 於2025年10月21日推出 Claude Code on the web 研究預覽版,讓用戶透過網頁介面操作 Claude Code,無須開啟終端機。
推薦理由:這次更新把 Claude Code 的操作入口由終端機延伸至網頁,並交代雲端執行環境的隔離與 GitHub 存取限制,呈現其使用方式和安全邊界。
BigCodeArena 推出以程式碼實際執行評估程式生成模型的平台,讓使用者並排比較模型、測試輸出並投票。平台支援 10 種語言和 8 種執行環境,並已收集逾 14,000 段對話及 4,731 個投票樣本。
推薦理由:平台把程式實際執行和互動測試納入模型比較,並按程式語言與執行環境拆分結果,呈現總體排名之外的表現差異。
OpenAI Codex 現已正式全面開放,新增 Slack 整合、Codex SDK 及管理工具。管理工具包括用量儀錶板和工作區管理,讓開發者更易於使用並大規模管理 Codex。
推薦理由:Slack 整合、Codex SDK、用量儀錶板與工作區管理,勾勒出 Codex 從開發者使用到規模化管理的功能範圍。
OpenAI 在 GPT-5 系統卡補充説明中介紹 GPT-5-Codex,這是針對 Codex 中 AI 智能體編碼進一步優化的 GPT-5 版本。它會按任務複雜度動態調整思考投入,簡單對話查詢或小任務回應較快,複雜任務則獨立工作更長時間。
推薦理由:補充説明交代 GPT-5-Codex 面向 Codex 中的 AI 智能體編碼,並説明它如何按任務複雜度調整思考投入。
OpenAI 在 API 平台推出 GPT-5,提供高推理性能和麪向開發者的新控制項,並稱其在真實編碼任務上達到同級最佳表現。
OpenAI 介紹 GPT-5,稱其為迄今最佳 AI 系統,並指其智能較此前所有模型有顯著提升。GPT-5 在編碼、數學、寫作、健康及視覺感知等方面均達到最先進水平。
推薦理由:原文以此前模型作比較,並列出編碼、數學、寫作、健康及視覺感知等表現領域,讓讀者掌握 GPT-5 公佈的能力範圍。
Mistral AI 發佈 Codestral 25.08,並推出整合程式碼補全、語意檢索、Devstral 智能體工作流及 Mistral Code IDE 外掛的企業編碼技術棧。
推薦理由:文章把 Codestral 25.08、程式碼檢索、Devstral 智能體工作流與 IDE 管理整合為企業方案,並交代部署選項及安全治理設計。
Moonshot AI 開源 Kimi K2,提供 Kimi-K2-Base 和 Kimi-K2-Instruct,分別面向微調,以及通用聊天和智能體體驗。Kimi K2 是 MoE 模型,具有 32 billion activated parameters 和 1 trillion total parameters,並在非思考型模型的知識、數學及編碼方面達到最先進表現。
推薦理由:文章説明 Kimi K2 如何透過大規模工具使用數據合成與通用強化學習,培養處理可驗證及非可驗證任務的智能體能力。
Mistral AI 推出 Devstral Medium,並將 Devstral Small 升級至 1.1,兩者聚焦對不同提示詞及智能體框架的泛化能力。Devstral Small 1.1 採 Apache 2.0 授權,參數量為 24B,在 SWE-Bench Verified 得分 53.6%;Devstral Medium 得分 61.6%。
推薦理由:Devstral Small 1.1 採 Apache 2.0 授權並可本地部署,Devstral Medium 支援 API 和私有基礎設施部署;對照 SWE-Bench Verified 分數,可比較兩者的模型表現、開放方式與部署選項,並據此判斷不同工作環境的適配差異。
Mistral AI 發佈與 All Hands AI 合作打造的 Devstral,這款面向軟件工程任務的智能體大語言模型以 Apache 2.0 授權免費開源。
推薦理由:Devstral 在 SWE-Bench Verified 得分 46.8%,較此前開源 SoTA 高逾 6 個百分點,讓模型處理真實 GitHub issue 的基準表現有量化參照。
Mistral AI 發佈 Mistral Medium 3,定位為兼顧效能、成本與企業部署的語言模型。Mistral AI 稱,該模型在各項基準測試中的表現達到 Claude Sonnet 3.7 的 90% 或以上,API 定價為每 M token 輸入 $0.4、輸出 $2;亦可部署於任何雲端,包括使用 4 張或以上 GPU 的自託管環境。
推薦理由:文章將 Mistral Medium 3 與 Claude Sonnet 3.7 的基準表現、API 定價和自託管條件放在一起比較,呈現企業部署時效能、成本與部署方式之間的核心取捨。