模型

智元于 2026 年 10 月发布的具身智能模型预览版，以世界推演动作模型 WRAM 为核心；智元称其在三项具身智能基准上排名第一，并计划在 2026 年底前完全开源。

中国 AI基础模型机器人

Claude Fable 5.1 于 2026 年 9 月 1 日发布，价格与 Fable 5 相同，缓存读取便宜 75%。同系列的 Mythos 5.1 仅限认证计划使用。

大语言模型智能体与工具调用安全与治理

Claude Opus 5 于 2026 年 7 月 24 日发布，定价与 Opus 4.8 相同。Anthropic 称它是迄今最符合对齐目标的模型，也是公司对外提供的最强科研模型。

大语言模型智能体与工具调用安全与治理

FLUX 3 是 Black Forest Labs 于 2026 年 7 月 23 日宣布的多模态模型系列，涵盖图像、视频、音频和动作预测。其视频模型于 2026 年 8 月 4 日正式开放。

多模态机器人生成式模型

Robostral Navigate 是 Mistral AI 的首个具身导航模型：80 亿参数，只靠一台普通 RGB 摄像头和一句自然语言指令，就能带动轮式、足式或飞行机器人移动。

机器人计算机视觉欧洲 AI

Claude Fable 5 于 2026 年 6 月 9 日发布，是 Anthropic 首个面向普通用户的 Mythos 级模型。同系列的 Claude Mythos 5 为审核通过的用户放宽了部分安全限制。

大语言模型智能体与工具调用安全与治理

π0.7 是 Physical Intelligence 发布的通用机器人操作模型，在多种灵巧任务上达到微调专用模型的水平，并能听从新的语言指令、把已有技能重新组合用于没见过的场景。

基础模型多模态机器人

NVIDIA 预告了 Isaac GR00T N2，这是一款基于世界动作模型架构的新一代机器人基础模型；公司称其在新任务、新环境中的成功率是领先 VLA 模型的两倍以上。

基础模型机器人人形机器人

NVIDIA 面向人形机器人发布的开放推理型视觉-语言-动作模型，2026 年 3 月发布，可在真实环境中商用，并用大规模机器人操作数据训练。

开源基础模型机器人

Reka Edge 是 Reka AI 于 2026 年 3 月 11 日发布的 70 亿参数视觉语言模型，可接收图像、视频和文本并输出文本，主打在笔记本电脑、手机和小型端侧设备上本地运行。

开源多模态机器人

NVIDIA Nemotron 3 是 2025 年 12 月宣布的开放混合专家语言模型系列，分 Nano、Super、Ultra 三种规格，最长支持 100 万标记上下文。

大语言模型开源智能体与工具调用

GWM-1 是 Runway 发布的首个「通用世界模型」，以自回归方式实时逐帧生成 720p 视频，并可由相机位姿、机器人指令或音频驱动。

多模态机器人生成式模型

Gemini 3 Deep Think 是 Gemini 3 的增强推理模式，2025 年 12 月向订阅用户开放，2026 年 2 月推出升级版。

大语言模型推理科学发现

DeepSeekMath-V2 于 2025 年 11 月 27 日发布，是一个能够验证自身证明的数学推理模型，报告在 IMO 2025 题目上达到金牌水平。

开源中国 AI推理

Olmo 3 是艾伦人工智能研究所（Ai2）完全开放语言模型的第三代，2025 年 11 月 20 日宣布，提供 7B 和 32B 稠密 Transformer 规模，上下文 65,536 词元，数据全部公开。

大语言模型开源推理

SAM 3 是 Meta 于 2025 年 11 月发布的分割一切模型第三代，可依据简短文字或示例图像，找出并分割某一概念的全部实例。Meta 报告称，它在这项任务上的准确率是现有系统的两倍。

开源基础模型数据与数据集

Physical Intelligence 于 2025 年 11 月 17 日发布的机器人模型，同时用演示、人类纠正和机器人自主经验训练，据公司报告在制作咖啡、折叠衣物和装配纸箱三类任务上成功率超过 90%。

基础模型机器人推理

DeepSeek-OCR 是一个约 3B 参数的开源文字识别模型，它把长文本渲染成图像、用很少的视觉词元把文字读回来，用来检验「光学压缩」能否代替超长文本上下文。

开源中国 AI多模态

Google DeepMind 的机器人模型组合：负责动手的 Gemini Robotics 1.5 与负责规划、会调用工具的 Gemini Robotics-ER 1.5。

智能体与工具调用多模态机器人

NVIDIA Nemotron Nano 2 是一款 9B 参数的小型推理模型，采用 Mamba 与 Transformer 混合架构，主打长上下文推理下的高吞吐，并开放了权重与大部分训练数据。

大语言模型开源推理

Gemini 2.5 Pro 的一种增强推理模式，会在作答前并行展开多个假设并加以比较，2025 年以实验形式发布，并因在国际数学奥林匹克中达到金牌水平而受到关注。

大语言模型推理科学发现

SmolLM3 是 Hugging Face 于 2025 年 7 月 8 日发布的 30 亿参数开放模型，支持六种语言与最长 128K 令牌的上下文，可切换推理模式。

大语言模型开源推理

Skild Brain 是 Skild AI 开发的通用机器人基础模型，在包含 10 万台不同机器人的虚拟环境中训练，可装配到现有机器人硬件上，而不是为单一任务专门设计。

企业软件深度学习基础模型

o3-pro 是 OpenAI 于 2025 年 6 月 10 日发布的 o3 版本，被其称为当时能力最强的模型，适合可靠性比速度更重要的难题。

大语言模型推理科学发现

Aurora 是一个面向地球系统的基础模型，用超过 100 万小时的地球物理数据训练，在天气、空气质量、海浪和热带气旋路径预报上优于业务预报，计算成本低几个数量级。

深度学习基础模型科学发现

AlphaEvolve 是 Google DeepMind 于 2025 年 5 月 14 日发布的进化式编程智能体，用 Gemini 模型配合自动评估器发现和优化算法，成果包括 Borg 调度启发式、更快的算子与新的数学结果。

智能体与工具调用推理科学发现

DeepSeek 发布的 Lean 4 形式化定理证明开源模型，用子目标分解流程构造训练数据，在 MiniF2F-test 上通过率达 88.9%，并提出 ProverBench 基准。

开源中国 AI推理

π0.5 是 Physical Intelligence 于 2025 年 4 月发布的视觉-语言-动作模型，主打开放环境泛化，通过混合多种异构数据共同训练，能让移动机器人整理从未见过的房间。

深度学习基础模型多模态

Isaac GR00T N1 是 NVIDIA 于 2025 年 3 月 18 日发布的人形机器人开放基础模型。它可针对具体机器人或任务再做后训练，并把负责规划的模型与负责快速运动的模型组合在一起。

开源基础模型机器人

OLMo 2 系列中参数规模最大的模型，320 亿参数，数据、代码、权重与训练细节全部公开；Ai2 称它是首个在多项学术基准上超过 GPT-3.5-Turbo 和 GPT-4o mini 的完全开源模型。

大语言模型开源数据与数据集

Gemini Robotics 是 Google DeepMind 的视觉-语言-动作模型，建立在 Gemini 2.0 之上，直接输出物理动作控制机器人，2025 年 3 月 12 日公布。

多模态机器人计算机视觉

智元机器人于 2025 年 3 月 10 日发布的通用具身模型基座，采用视觉—语言—潜在动作架构。在智元对五项任务的测试中，平均成功率从 46% 提升到 78%。

中国 AI基础模型多模态

Mistral OCR 是 Mistral AI 于 2025 年 3 月 6 日发布的文档理解 API，能识别文档中的文本、表格、公式与媒体，覆盖数千种文字和语言，后来被更新的 OCR 版本取代。

企业软件数据与数据集计算机视觉

Helix 是 Figure 2025 年 2 月发布的人形机器人视觉-语言-动作模型，分两个速度层，用约 500 小时遥操作数据训练，全部在本机 GPU 运行。

深度学习基础模型多模态

NVIDIA Cosmos 是一组世界基础模型，可生成符合物理规律的视频，用于训练机器人和自动驾驶汽车，2025 年 1 月以开放权重发布。

开源基础模型机器人

Phi-4 是微软于 2024 年 12 月发布的 140 亿参数稠密解码器式语言模型，训练重心放在数据质量与合成数据上，2025 年 1 月以 MIT 许可证放出完整权重。

大语言模型开源推理

OpenAI o1 的一个版本，回答前投入更多算力思考；2024 年 12 月随每月 200 美元的 ChatGPT Pro 套餐推出，2025 年 3 月进入 API。

大语言模型消费级应用推理

OLMo 2 是艾伦人工智能研究所（Ai2）第二代完全开放的语言模型，2024 年 11 月发布 7B 与 13B 两个规模，权重、数据、代码与训练配方全部公开。

大语言模型开源数据与数据集

SmolLM2 是 Hugging Face 于 2024 年 11 月发布的第二代小型语言模型系列，包含 135M、360M 和 1.7B 三种规模，以 Apache 2.0 许可开放，强调数据而非参数规模。

大语言模型开源消费级应用

π0 是 Physical Intelligence 发布的通用机器人策略，从 30 亿参数的视觉语言模型改造而来，用流匹配输出连续动作，能以每秒最多 50 次的频率驱动机器人完成灵巧操作。

深度学习基础模型多模态

Molmo 是 Ai2 于 2024 年 9 月 25 日发布的一系列开放视觉语言模型，能在图像中指出具体物体，权重、代码、数据与评测全部公开。

开源多模态数据与数据集

SAM 2 是 Meta 于 2024 年 7 月发布的分割一切模型第二代，可以实时分割图像和视频中的物体。随模型发布的还有 SA-V 视频数据集。

开源基础模型数据与数据集

AlphaProof 是 Google DeepMind 研发的强化学习系统，能在 Lean 形式语言中证明数学命题。在 2024 年国际数学奥林匹克中解出三道题，与 AlphaGeometry 2 合计达到银牌水平。

推理科学发现符号人工智能

SmolLM 是 Hugging Face 于 2024 年 7 月公开发布的一系列小型语言模型，参数量分别为 135M、360M 和 1.7B，面向设备端运行，并用一套专门构建的语料训练。

大语言模型开源消费级应用

Mathstral 是 Mistral AI 于 2024 年 7 月 16 日发布的 70 亿参数数学模型，基于 Mistral 7B 构建，专攻数学与 STEM 推理，以 apache-2.0 许可开放权重，现已被列为弃用模型。

开源推理科学发现

ESM3 是 EvolutionaryScale 于 2024 年 6 月发布的蛋白质生成模型，能同时依据序列、结构和功能进行推理，并生成了与已知荧光蛋白相距约 5 亿年演化距离的新蛋白。

开源基础模型生成式模型

Nemotron-4 340B 是 NVIDIA 于 2024 年 6 月 14 日发布的开放模型系列，包括基础、指令和奖励三个版本，用于生成合成训练数据。

大语言模型开源企业软件

OpenVLA 是一个 70 亿参数的开源视觉-语言-动作模型，在 97 万条真实机器人演示上训练，权重、代码与微调工具一并公开，让其他团队能在自己的机器人上微调和部署。

开源基础模型多模态

Octo 是一个开源的通用机器人策略，用 80 万条机器人轨迹训练的基于 Transformer 的扩散模型，可以直接控制多种机器人，并能高效微调到新的机器人配置。

开源深度学习基础模型

OpenELM 是 Apple 发布的一系列小型开放语言模型，共 270M 至 3B 四种规模，并公开了训练框架、日志、检查点以及转换为 MLX 的代码。

大语言模型研究史开源

NVIDIA 于 2024 年 3 月提出的面向人形机器人的通用基础模型计划，2025 年 3 月发展为开放的、可完全定制的 Isaac GR00T N1，并随模型放出训练数据与评测场景。

基础模型机器人人形机器人

StarCoder2 是 BigCode 联合 NVIDIA 于 2024 年 2 月发布的开放代码模型系列，含 3B、7B、15B 三种规模，训练数据与代码一并公开。

大语言模型开源数据与数据集

DeepSeekMath 是 2024 年发布的开源数学模型，参数规模 7B，不用外部工具就在竞赛级 MATH 基准上取得 51.7% 的成绩，并提出比 PPO 更省显存的强化学习算法 GRPO。

大语言模型开源中国 AI

Aya 101 是 Cohere For AI 发布的指令微调模型，参数量 13 billion，能用 101 种语言遵循指令，2024 年 2 月以 Apache 2.0 许可证开放。

大语言模型开源基础模型

AlphaGeometry 是 Google DeepMind 开发的几何解题系统，把神经语言模型与符号推演引擎结合在一起，在一组 30 道奥赛几何题上达到接近人类金牌选手的水平。

开源推理科学发现

FunSearch 是一种把预训练大语言模型放进进化循环、去搜索「解题程序」而不是「答案」的方法，在 cap set 问题与在线装箱问题上给出了超越已知基线的新结果。

深度学习推理科学发现