过去一周，国内外AI大模型领域迎来新一轮密集更新。从多模态交互到超长上下文，从模型效率提升到智能体（Agent）生态构建，头部厂商正加速推动大模型从“技术秀肌肉”走向“应用落地”。

海外：多模态与长上下文成主旋律

OpenAI本周正式发布GPT-4o，其中“o”代表“omni”（全能）。该模型实现了文本、音频、图像的原生多模态交互，响应速度接近人类对话水平，且API价格较GPT-4 Turbo降低50%。这意味着开发者能以更低成本构建实时语音助手、视觉理解等应用。同时，OpenAI向免费用户开放GPT-4o，进一步扩大用户基数。

谷歌在I/O开发者大会上推出Gemini 1.5 Pro，将上下文窗口扩展至200万tokens，并面向全球开发者开放。该模型可处理长达数小时的视频、数万行代码，在长文档理解、代码库分析等场景中优势明显。此外，谷歌还展示了Project Astra智能体原型，能通过手机摄像头实时理解环境并对话。

Anthropic发布Claude 3.5 Sonnet，在推理、编码和视觉基准测试中超越自家旗舰Claude 3 Opus，且速度更快、成本更低。其“Artifacts”功能允许用户与AI协作编辑代码、文档并实时预览，标志着大模型向“工作伙伴”角色演进。Meta则开源了Llama 3的8B和70B版本，并预告400B参数模型仍在训练中，继续巩固开源生态。

国内：价格战升级，智能体成焦点

国内大模型厂商本周同样动作频频。阿里云发布通义千问2.5，声称在中文语境下多项能力超越GPT-4 Turbo，并宣布主力模型降价97%，Qwen-Long上下文扩展至1000万tokens，API输入价格降至0.0005元/千tokens。百度文心大模型两大主力模型ERNIE Speed和ERNIE Lite全面免费，同时推出文心智能体平台，支持开发者低代码构建智能体。

字节跳动正式发布豆包大模型家族，包括Pro、Lite、Character等版本，其中豆包Pro支持256K上下文，并宣布对企业客户降价99%。字节还推出“扣子”（Coze）国内版，主打智能体开发与分发。腾讯混元大模型升级至万亿参数，推出面向企业的“腾讯元器”智能体平台。月之暗面Kimi、智谱AI等创业公司也相继更新长文本能力，Kimi开始内测付费打赏模式。

趋势：从模型竞赛到应用落地

综合来看，本周更新呈现三大趋势：一是多模态能力成为标配，实时语音与视觉交互打开新场景；二是长上下文竞赛白热化，百万级tokens逐渐普及，为知识库问答、代码分析等应用铺路；三是价格快速下降，国内外厂商掀起“降价潮”，旨在降低开发门槛、抢占生态。与此同时，智能体平台密集发布，表明行业共识正在形成：大模型的下一站是让AI自主调用工具、完成任务。

对开发者而言，模型选型需权衡能力、成本与合规。对普通用户，更自然的人机交互和更低的订阅成本值得期待。随着模型能力趋同，数据、场景与工程化能力将成为差异化关键。