智能体与工具调用 模型

OpenAI 的第二代推理模型，2024 年 12 月公布、2025 年 4 月发布，在科学、软件工程与编程竞赛基准上大幅超过 o1，之后由 GPT-5 接替。

Kimi K2 是月之暗面于 2025 年 7 月发布的开放权重混合专家语言模型，总参数 1 万亿，每个词元激活 320 亿，上下文窗口 128K 个词元。

Gemini 3 Pro 是 Google Gemini 3 系列的首个模型，2025 年 11 月以预览版发布，拥有 100 万 token 上下文窗口，并在 LMArena 等榜单登顶，在推理、编程与多模态基准上取得高分。

Claude Mythos Preview 于 2026 年 4 月 7 日公布，是未公开发布的前沿模型，仅通过 Project Glasswing（Glasswing 计划）向受限合作方开放，用于保障关键软件安全。

DeepSeek-V4 包括 V4-Pro 与 V4-Flash 两款混合专家模型，2026 年 4 月 24 日以预览版发布，支持 100 万词元上下文。

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。

Kimi K3 是月之暗面发布的 2.8 万亿参数开放权重多模态模型，2026 年 7 月 16 日发布，7 月 27 日公开权重，适用 Kimi K3 许可证。

K2 Horizon 是基础模型研究院（IFM）于 2026 年 9 月发布的一系列六个开放语言模型，权重、代码、训练数据和训练配方一并以 Apache 2.0 许可公开。

GPT-6 是 OpenAI 的新一代模型系列。首款 GPT-6 Astra 于2026年9月3日发布，Astra 是 OpenAI 首个达到其内部「关键」网络安全阈值的模型。

Gemini 4 Argon 是 Google Gemini 4 系列首个模型，2026 年 10 月 13 日全面开放，面向软件工程、金融、法律等多步骤复杂任务。

Jais-3-375B-A23B 是基础模型研究所（IFM）推出的阿拉伯语旗舰开源混合专家模型：总参数 3750 亿、每 token 激活 230 亿，上下文窗口 51.2 万 token，权重以 Apache 2.0 发布。

OpenAI Five 是 OpenAI 用强化学习训练的五人《Dota 2》机器人队伍，2019 年 4 月在旧金山以三局两胜击败当届世界冠军 OG。

Fuyu-8B 是 Adept 于 2023 年 10 月开源的多模态模型。它去掉了图像编码器，能接受任意分辨率的图片，面向需要读屏幕、图表和 PDF 的智能体场景。

Claude 2.1 于 2023 年 11 月 21 日发布，上下文窗口翻倍至 20 万 token，错误陈述较 2.0 版减少一半，并新增工具调用与系统提示。

Command R+ 是 Cohere 于 2024 年 4 月发布的 1040 亿参数语言模型，针对企业场景的检索增强生成和多步工具调用优化，先在微软 Azure 上线，随后开放权重。

升级版 Claude 3.5 Sonnet 于 2024 年 10 月 22 日公布，编程与智能体任务成绩明显提高，并以公开测试版推出电脑操作功能，是前沿 AI 模型中首个提供该功能的。

Gemini 2.0 Flash 是 Google Gemini 2.0 世代的首个模型，2024 年 12 月以实验模型形式发布，新增多模态输出与原生工具调用，2025 年 2 月正式开放。

Grok 3 与更便宜的 Grok 3 mini 是 xAI 2025 年 2 月发布的推理模型。Grok 3 加入了 Think 推理模式、100 万 token 上下文窗口和 DeepSearch 研究智能体。

Claude 3.7 Sonnet 于 2025 年 2 月 24 日发布，Anthropic 称它是市面上第一个混合推理模型，既能迅速作答，也能长时间逐步思考。它与 Claude Code 同时推出。

Command A 是 Cohere 的 1110 亿参数模型，2025年3月发布，支持 256k 词元上下文。Cohere 称它只需两块 GPU 即可运行，吞吐量比 Command R+ 08-2024 高 150%。

文心大模型 X1 是百度于 2025 年 3 月 16 日与文心大模型 4.5 一同发布的深度思考推理模型，支持多模态与工具调用，定价较低，此后又更新为 X1 Turbo 和 X1.1。

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。

Claude Opus 4 与 Sonnet 4 于 2025 年 5 月 22 日公布，均为带扩展思考功能的混合模型。Anthropic 称 Opus 4 是“世界上最好的编程模型”。

GLM-4.5 是智谱（Z.ai）2025 年 7 月发布的开源大语言模型，总参数 3550 亿，同时发布较轻量的 GLM-4.5-Air。两者均为混合推理模型，采用 MIT 许可证。

Grok 4 与 Grok 4 Heavy 是 xAI 2025 年 7 月发布的模型。Grok 4 的 API 上下文为 25.6 万 token，训练中大规模使用强化学习；Heavy 版本则并行运行测试时计算。

Qwen3-Coder 是 Qwen 团队推出的开放权重代码模型系列；其中 2025 年 7 月公布的旗舰版拥有 4800 亿参数，专门为智能体式编程任务而训练。

Genie 3 是 Google DeepMind 的通用世界模型，于 2025 年 8 月 5 日公布。它用文字提示生成可实时导航的 720p 交互环境，帧率为每秒 24 帧，以有限研究预览的形式发布。

DeepSeek-V3.1 由深度求索（DeepSeek）于 2025 年 8 月 21 日发布，采用 MIT 许可证，是该公司首个混合推理模型，同一组权重同时支持思考模式和非思考模式。

Qwen3-VL 是阿里巴巴通义千问团队2025年9月发布的开放视觉语言模型系列，以 Apache 2.0 许可证发布，旗舰版本为 2350 亿参数，支持长视频、界面操作与空间定位。

Claude Sonnet 4.5 于 2025 年 9 月 29 日发布，价格与 Sonnet 4 相同，可直接替换后者使用。Anthropic 报告，它能在复杂任务上保持专注超过 30 小时。

MiniMax-M2 是 MiniMax 于 2025 年 10 月发布的开源权重混合专家模型，总参数 230B、激活 10B，面向编程与智能体工作流。

Kimi K2 Thinking 是 Moonshot AI 于 2025 年 11 月发布的推理模型，沿用 Kimi K2 的混合专家结构，针对原生 INT4 推理与长链条工具调用做了训练。

2025 年 11 月 24 日，Anthropic 发布 Claude Opus 4.5，单价为此前 Opus 的三分之一，并新增投入程度（effort）参数，让开发者在能力与成本间取舍。

GLM-4.7 是智谱于 2025 年 12 月发布的开源权重语言模型，主打多语言智能体编程与终端任务，在软件工程类基准上较 GLM-4.6 有明显提升，并以 MIT 许可证开放。

DeepSeek-V3.2 于 2025 年 12 月 1 日发布，是 V3.2-Exp 的正式后继版本；配套的 V3.2-Speciale 专注于最大化推理，在多项竞赛中达到金牌水平。

Kimi K2.5 是月之暗面于 2026 年 1 月 27 日发布的开放权重模型，原生支持多模态，总参数 1 万亿，上下文 256K 个词元，并带有可并行调度子智能体的 Agent Swarm 功能。

Step 3.5 Flash 是阶跃星辰推出的开源混合专家（Mixture-of-Experts，MoE）语言模型，2026 年 2 月发布，总参数 1960 亿，上下文长度 256K，采用 Apache 2.0 许可证。

GPT-5.3-Codex 是 OpenAI 于 2026 年 2 月 5 日发布并上线的编程模型。OpenAI 称它是首个「在创造自身过程中发挥了作用的模型」，并把它的用途从写代码扩展到检索代码库、运行终端命令和调试。

Claude Opus 4.6 于 2026 年 2 月 5 日发布，是 Anthropic 最聪明模型的升级版，也是首个支持 1M 词元上下文窗口的 Opus 级模型（发布时为测试版）。

MiniMax-M2.5 是 MiniMax 于 2026 年 2 月发布的开源权重大模型，229B 参数，面向智能体编程与办公任务，同时推出速度更快的 Lightning 版本，并在软件工程基准上取得高分。

GLM-5 是智谱 2026 年 2 月 12 日发布的开源模型，采用 MIT 许可证，总参数 7440 亿，每个 token 激活 400 亿参数，面向智能体工程（agentic engineering）。

豆包大模型 2.0（Seed2.0）是字节跳动于 2026 年 2 月发布的模型系列，包含 Pro、Lite、Mini 三款面向智能体任务的版本，并公布了基准成绩与低价 token 策略。

通义千问 Qwen3.5 是阿里巴巴2026年2月发布的原生多模态模型系列，开放旗舰总参数 3970 亿、每个词元激活 170 亿，以 Apache 2.0 许可证发布。

Claude Sonnet 4.6 于 2026 年 2 月 17 日发布，附带测试版的 1M 词元上下文窗口，价格与 Sonnet 4.5 相同，并成为 claude.ai 免费版和 Pro 用户的默认模型。

GPT-5.4 是 OpenAI 于 2026 年 3 月 5 日推出的模型，有 Thinking 和 Pro 两个版本。它内置电脑操作能力，改进了深度研究，并取代了 GPT-5.2。

通义千问 Qwen3.6 是 2026 年 4 月发布的一代模型：闭源的 Plus、Max 版本主打智能体编程，开放权重的 Qwen3.6-35B-A3B 以 350 亿总参数、30 亿激活参数给出基准成绩。

GLM-5.1 是智谱于 2026 年 4 月以 MIT 许可证开源的大模型，主打编程与长程智能体任务，在 SWE-Bench Pro 上取得其对比表中的最高分。

Muse Spark 是 Meta Superintelligence Labs 于 2026 年 4 月 8 日推出的首个模型，最初闭源，驱动 Meta AI 应用和 meta.ai，后来推出了开放权重版本。

Claude Opus 4.7 于 2026 年 4 月 16 日发布，价格与 Opus 4.6 相同，新增 xhigh 投入程度档位，并支持大得多的图像。它是首个测试自动拦截高风险网络安全请求的模型。

Laguna XS.2 是 Poolside 首个开放权重模型，总参数 330 亿、每个 token 激活 30 亿，以 Apache 2.0 许可发布，训练用了 30 万亿 token。

Laguna M.1 是 Poolside 的 2250 亿参数混合专家编程模型，每个词元激活 230 亿参数，面向长程智能体编程；权重在发布 7 周后上线 Hugging Face。

Gemini 3.5 Flash 是 Google 于 2026 年 5 月 19 日发布的 Gemini 3.5 系列首个模型，面向智能体与编程任务，并成为 Gemini 应用和搜索 AI 模式的默认模型。

MiniMax 于 2026 年 6 月发布的大规模混合专家语言模型，总参数约 428B，支持 100 万 token 上下文，并引入为长上下文设计的新型稀疏注意力。[^1]

智谱于 2026 年 6 月以 MIT 许可发布的开源大模型，上下文扩至 100 万 token，通过跨层共享稀疏注意力索引器压低长上下文成本，推理与编程成绩高于 GLM-5.1。

字节跳动 Seed 团队于 2026 年 6 月 23 日发布的大模型系列，分 Pro 与 Turbo 两版，面向真实生产力场景，在智能体能力、代码交付、知识、推理与多模态理解上均有提升。

Claude Sonnet 5 于 2026 年 6 月 30 日发布，是 Anthropic 最具智能体能力的 Sonnet 模型，可自主制定计划、使用浏览器与终端。

混元 Hy3 是腾讯于 2026 年 7 月 6 日发布的开放权重推理模型，采用 Apache 2.0 许可，总参数 2950 亿，每个词元激活 210 亿，支持 256K 上下文。

OpenAI 于 2026 年 7 月 9 日发布的三模型系列，由弱到强为 Luna、Terra 和 Sol，其中 Sol 被定位为公司最强的编码与智能体模型。

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。

GLM-5.3 是智谱于 2026 年 8 月 14 日发布的开源权重模型。它沿用 GLM-5.2 的基座，全部提升来自后训练，在智能体编程与网络安全类基准上取得开源最好成绩。

混元 Hy4 preview 是腾讯于 2026 年 8 月 28 日发布的开放权重混合专家模型，总参数 7700 亿，每个词元激活 490 亿，上下文超过一百万词元。

Step 5 Preview 是阶跃星辰 2026 年 9 月发布的旗舰基础模型预览版，采用稀疏混合专家架构，总参数 6000 亿，支持 100 万 token 上下文，并公开了模型权重。

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。

DeepSeek-V4.1-Flash 于 2026 年 9 月 10 日发布，是一款 5520 亿参数的多模态混合专家模型，API 模型名为 deepseek-flash。

Claude Opus 5.5 于 2026 年 9 月 22 日发布，是 Claude 5.5 系列的首个模型。Anthropic 称其大多数工作表现与 Fable 5.1 相当。

Claude Sonnet 5.5 于 2026 年 9 月 28 日发布，是 Claude 5.5 系列的第二个模型，也是 Anthropic 迄今最快的 Sonnet。

OpenAI 在 2026 年下半年推出的模型系列：9 月 29 日 DevDay 发布 Sol，10 月 26 日推出更快更便宜的 Terra；原计划一同推出的 Astra 因安全原因未发布。

Kimi K3.1 Pro 是月之暗面（Moonshot AI）于 2026 年 10 月发布的开放权重模型，K3.1 系列的首个成员，面向金融研究、3D 建模与编程。它沿用 K3 的规模，但把全注意力层换成了稀疏注意力层。

Claude Haiku 5.5 于 2026 年 10 月 7 日发布，是 Claude 5.5 系列的第三个模型。Anthropic 称其为迄今最便宜、最快的小模型。

Muse Spark Open 是 Meta 于 2026 年 10 月 15 日发布的开放权重大语言模型，总参数 8,160 亿，主打编程和智能体任务，权重可下载。

Jais-3-MoVA-36B-A4B 是基础模型研究院（IFM）推出的阿拉伯语中心模型：总参数 360 亿、每个 token 仅激活 40 亿，上下文窗口 51.2 万 token，注意力层采用 MoVA 稀疏方案。

Jais-3-7B 是基础模型研究院推出的稠密 7B 阿拉伯语与英语模型，上下文窗口为 512,000 个 token，约 18 GB 即可在单张 GPU 上运行，思考过程放在单独字段返回。

讯飞星火 X2.6 是科大讯飞 2026 年 10 月发布的端云一体大模型系列，云端采用 2930 亿参数的混合专家架构，并由路由模型决定每个任务在端侧还是云端执行。

Gato 是 DeepMind 于 2022 年 5 月公布的通用智能体。同一套网络权重可处理文本、图像、Atari 游戏和机器人控制，目标是覆盖多种任务与具身形态。

Cohere 于 2024 年 3 月发布的 350 亿参数语言模型，面向生产环境的检索增强生成与工具调用，支持 128k 上下文，并以非商用许可开放权重。

Qwen2-VL 是阿里巴巴于 2024 年 8 月 29 日发布的视觉语言模型。它能理解 20 分钟以上的视频，能读取多种语言的图中文字，还可以作为代理操作手机和机器人。

Genie 2 是 Google DeepMind 开发的基础世界模型，于 2024 年 12 月 4 日公布，能把一张提示图像变成一个可玩的 3D 环境，人和 AI 智能体都能用键盘鼠标在其中行动。

通义千问 Qwen2.5-VL 是阿里巴巴 2025 年 1 月发布的视觉语言模型系列，有 3B 至 72B 四个尺寸，能读取图表和文档、定位物体并作为视觉代理工作，还能理解一小时以上的视频。

UI-TARS 是字节跳动 Seed 的图形界面智能体模型，只输入截图、直接输出键盘和鼠标操作，在十多个基准上报告了当时最好的成绩，并以 Apache-2.0 协议开放权重。

Llama Nemotron 是 NVIDIA 2025 年 3 月推出的开放推理模型系列，分 Nano、Super、Ultra 三种规格，基于 Meta 的 Llama 3 模型。

xLAM-2 是 Salesforce 的大行动模型系列，参数规模从 10 亿到 700 亿，用模拟智能体与人交互生成的数据训练，面向多轮工具调用而非单次函数调用。

Amazon Nova Sonic 是 Amazon Nova 系列中的语音到语音基础模型，2025 年 4 月 8 日发布，把语音识别、语言理解和语音生成放进同一个模型，而不是把多个模型串联起来。

字节跳动 Seed 在 2025 年 4 月发布的界面操作模型，是 UI-TARS 的后继版本。7B 版本以 Apache-2.0 协议开源，完整版本在多项屏幕操作基准上报告了当时最好成绩。

文心大模型 X1 Turbo 是百度于 2025 年 4 月 25 日发布的推理模型，作为文心 X1 的升级版，强调更强的思维链、多模态与工具调用能力，并把 API 价格压到更低。

Devstral 是 Mistral AI 与 All Hands AI 合作推出的智能体编程模型系列，2025 年 5 月首次发布，首个版本在 SWE-Bench Verified 上得分 46.8%。

混元 A13B 是腾讯于 2025 年 6 月开源的混合专家语言模型，总参数 800 亿、每个词元激活 130 亿，支持 256K 上下文和可开关的深度思考。

日日新 V6.5 是商汤于 2025 年 7 月发布的增强版多模态模型，以图文交错的思维链为核心能力，并驱动小浣熊助手的智能体升级。

Claude Opus 4.1 于 2025 年 8 月 5 日发布，在与 Claude Opus 4 价格相同的前提下，提升了智能体任务、真实编程与推理的表现。其后由 Claude Opus 4.5 取代。

Cohere 于 2025 年 8 月发布的首个推理模型，1110 亿参数，可按需开关「思考」过程，面向智能体任务与工具调用，并以非商业许可开放权重。

xAI 于 2025 年 8 月发布的面向智能体编程的快速推理模型，定价低，在 SWE-bench Verified 上得分 70.8%，并接入 GitHub Copilot、Cursor 等编程工具。

UI-TARS-2 是 UI-TARS 系列的新一代 GUI 智能体，采用多轮强化学习训练，2025 年 9 月发布技术报告，并在网页、桌面、安卓、游戏与软件工程等基准上给出成绩。

文心大模型 X1.1 是百度于 2025 年 9 月发布的推理模型，基于文心 4.5 训练，百度称其在事实性、指令遵循和智能体能力上较文心 X1 均有提升。

OpenAI 于 2025 年 9 月发布的模型，在 GPT-5 基础上针对智能体式编程优化，曾作为 Codex 的默认模型，2026 年 7 月关停。

xAI 于 2025 年 9 月 19 日发布的低成本推理模型，上下文窗口达 200 万 token，用更少的思考 token 和大幅降低的价格达到 Grok 4 的水平。

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。

Claude Haiku 4.5 于 2025 年 10 月 15 日发布，所有用户均可使用。它的编程表现接近 Sonnet 4，成本为其三分之一，速度则超过两倍。

Grok 4.1 是 xAI 2025 年 11 月对 Grok 4 的更新，侧重情商、创意写作和减少幻觉。Grok 4.1 Fast 是一款 200 万 token 的工具调用模型，于 11 月 19 日发布。

OpenAI 于 2025 年 11 月发布的智能体编程模型，属 GPT-5.1 系列。它是首个原生支持跨多个上下文窗口、并可在 Windows 环境运行的 OpenAI 模型。

MiniMax-M2.1 是 MiniMax 于 2025 年 12 月发布的开源权重模型，是 M2 的后继版本，主打软件工程与多语言编程能力，参数规模 2290 亿（229B）。

亚马逊 Nova 2 是 Nova 模型的第二代，2025 年 12 月在 AWS re:Invent 大会上发布。首款成员 Nova 2 Lite 是快速的推理模型，提供 100 万词元上下文。

Devstral 2 是 Mistral AI 2025 年 12 月发布的智能体式编程模型，SWE-bench Verified 得分 72.2%，2026 年 7 月退役。

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。

豆包大模型 1.8（Doubao-Seed-1.8）由火山引擎于 2025 年 12 月 18 日发布，定位为字节跳动最新旗舰，面向多模态智能体任务，工具调用和电脑操作能力更强。

Grok 4.20 是 xAI 在 2026 年推出的模型系列，分推理、非推理和多智能体三个版本，上下文窗口为 100 万 token；随后的 Grok 4.3 沿用同样的上下文和价格。

MiniMax-M2.7 是 MiniMax 于 2026 年 3 月发布的 2290 亿参数大语言模型，面向智能体任务，被公司称为第一个深度参与自身演化的模型。

Kimi K2.6 是月之暗面于 2026 年 4 月发布的开放权重模型，主打长程编程，上下文 262,144 个词元，支持文本与图像输入，Agent Swarm 最多可调度 300 个子智能体。

Mistral AI 于 2026 年 4 月发布的 128B 参数开放权重多模态模型，面向智能体与编程任务，曾短暂担任 Le Chat 默认模型，后被 Mistral Large 4 取代。

文心大模型 5.1 是百度于 2026 年 5 月 9 日发布的大语言模型，沿用文心 5.0 的预训练基础派生出更小的版本，预训练成本约为同类模型的 6%，并在 LMArena 文本、搜索榜上位列中国模型第一。[^1][^3]

Claude Opus 4.8 于 2026 年 5 月 28 日发布，价格与 Opus 4.7 相同。它新增了速度为 2.5 倍的快速模式，减少了自身代码中未被注意的缺陷。Anthropic 称它是一次“温和但切实”的改进。

Step 3.7 Flash 是阶跃星辰于 2026 年 5 月 29 日发布的开源权重模型，在 Step 3.5 Flash 的基础上加入了原生图像输入，支持 256K 上下文，采用 Apache 2.0 许可证。

GPT-Live-1 是 OpenAI 于 2026 年 7 月 8 日推出的全双工语音模型家族，能一边听一边说，取代了 ChatGPT 语音功能原先串联三个模型的做法。

Grok 4.5 是 xAI 于 2026 年 7 月发布的编程与智能体模型，用数万块 GPU 训练，与 Cursor 联合训练，并成为 Grok Build 的默认模型。

Gemini 3.6 Flash 是 Google 于 2026 年 7 月 21 日发布的主力模型，在编程、知识工作和多模态上优于 3.5 Flash，输出更省词元，并把计算机操作做成内置工具。

Grok 4.6 是 xAI 于 2026 年 8 月 12 日发布的语言模型，面向长时间运行的智能体以及交互与视觉类任务，上下文窗口 50 万 token，支持文本与图像输入。

Google 于 2026 年 8 月 13 日发布的主力模型，主打编程与智能体，定价分阶段上调，三周后即被 3.8 Flash 接替。

讯飞星火 X2.5 是 2026 年 9 月 7 日发布的大语言模型，采用 293B-A30B 的混合专家结构，训练与推理全部在国产算力上完成，支持 256K 上下文和 200 多种语言。

Grok 4.7 是 xAI 于 2026 年 9 月 21 日发布的大语言模型，公司称它是自己在编程与知识工作上能力最强的模型；基座模型更大、强化学习训练更久，并采用全新安全防护体系，token 价格未变。

MiniMax-M3.1-Flash 是 MiniMax 的稀疏混合专家模型，约 428B 总参数、23B 激活，支持文本、图像、视频输入，上下文最长 100 万 token。

商汤于 2026 年 11 月在香港发布的多模态智能体模型，面向办公与设计生成：具备长期记忆与任务执行能力，可产出 PPTX 演示、网页、SVG 图形乃至 Blender 三维模型。