Claude 4 发布后，官方主推 Sonnet 和 Opus 两个版本。实测一个月：两个版本差距在哪，编程选哪个，以及 Opus 到底贵在哪里。

o3 发布后全网刷屏。但实话说，不是所有场景都值得花 o3 的价格。这篇文章给 o3 的工程能力一个客观评价。

2026 年 1 月 5 日，OpenAI 宣布 GPT-5 正式通过全球首批 AI 代理认证（AIAA），获准在金融交易、医疗咨询等高风险场景作为独立决策代理运行。这是 AI 监管的一次重要尝试。

2026 年 1 月 5 日，Google DeepMind 发布 Gemini Reasoner。这是第一个在科学假设生成、因果推断、长程规划等复杂跨模态推理任务上超越人类平均水平的模型。

大家都在说 AI Agent，但"Agent"这个词已经被用烂了。这篇文章用分级框架来评估 Agent 的实际自主能力，从"只会聊天"到"完全自主"。

2026 年 1 月 2 日，Google DeepMind 发布 SIMA-Real，第一个具备实时物理世界交互能力的通用 AI 代理。已在 Boston Dynamics Atlas 机器人上完成开门、取物、避障全流程测试，零样本迁移。