EasyLLM

智谱推出GLM-5.1，定位长程任务开源第一模型。评测显示准确率74.2%，推理与Agent能力提升显著，但响应时间和成本上涨。代码基准达开源第一，中文综合能力超越部分闭源模型。

Gemma 4 26B MoE评测：中文场景准确率50.3%，相比上代提升11.3个百分点；速度比31B Dense快43%，成本仅1.7元/千次调用；法律、Agent能力提升显著，适合低延迟边缘部署

谷歌发布Gemma 4开源模型，31B版中文评测准确率52.5%，较上代提升13.5%。法律、推理领域进步显著，成本极低（千次1.4元），定位同参数规模最强，但中文指令理解仍待优化。

阿里发布Qwen3.6-Plus，主打智能体编程。评测显示：准确率71.6%，较前代降3个百分点；成本涨82%。语言指令提升，但Agent调用下降9%，与官方宣称形成反差。

三款新模型表格识别分化：小米58%居中，GPT-5.4-Mini仅53%，Nano仅11%垫底。表格识别对小模型仍是硬门槛，官方基准难预测垂直场景表现。

GPT-5.4 Nano实现速度与成本双优化：准确率提升5.1%，耗时降85%，成本降32%。在多模型协作中定位清晰，虽中文指令遵从有所回调，但为轻量场景提供高性价比选择。

小米发布全模态旗舰MiMo-V2-Omni，实现音视图文统一感知与行动。评测显示中文文本准确率68.6%，与前代持平，响应速度提升58%，为智能体应用提供独特方案。

小米发布万亿参数旗舰MiMo-V2-Pro，激活42B参数，专注Agent与编程。中文评测总分67.6%，与轻量版持平；金融领域提升，响应速度提升59%，成本上涨超5倍。

OpenAI发布轻量级GPT-5.4 Mini，专为编码与智能体设计。中文评测显示，其准确率较前代提升6.2%，响应速度飙升87%。虽成本微增，但凭借低延迟与强大编码能力，在特定场景中优势明显。