AI 新闻：Gemini 2.5 Flash、OpenAI 模型、Claude Research 与 Kling 2.0

在这期 2025 年 4 月的新闻汇总中，我介绍 Gemini 2.5 Flash、OpenAI 的 o3 和 o4-mini、GPT-4.1、Claude Research、Groq Compound Beta 和 Kling 2.0。视频由 Replit 赞助。下文的价格、产品可用性和比较均以录制时为准。

Google 将 Gemini 2.5 Flash 描述为混合推理模型，提供可配置的思考预算。开发者可以选择是否启用思考以及分配多少计算量，在处理较难任务时权衡响应成本、延迟和效果。

屏幕显示的预览价格是每百万输入 token 0.15 美元、非推理输出 0.60 美元、推理输出 3.50 美元。这些是历史价格，不代表当前报价；实际费用取决于服务商和配置。

Google 展示的比较中，Flash 在不使用工具的 Humanity’s Last Exam 上得分 12.1%，在 GPQA Diamond 上得分 78.3%；表中 o4-mini 的对应成绩为 14.3% 和 81.4%。这些是厂商在特定设置下报告的部分结果，不能构成完整的模型排名。

一张价格与 Arena 分数图显示，Flash 的分数低于 Gemini 2.5 Pro，成本也更低。我计划进一步测试，因为基准成绩和价格不足以说明模型在所有真实任务中的表现。

OpenAI 发布了 o3 和 o4-mini。o3 在推理过程中使用工具的能力让我印象深刻，而 o4-mini 则是更小、更便宜的选择。我计划更彻底地测试两者。

为了展示图像推理，我删除保存的记忆中相关地点信息后，让 o3 判断一张度假照片的拍摄位置。它在这个例子中判断正确。一次成功不代表位置推断问题已经解决，而这个演示也引出了切实的隐私问题。

Replit 赞助本期视频，我介绍了它的云端 IDE 和 Agent V2。公司声称新版本比上一代更容易成功完成任务；这是赞助商的说法，未经独立验证。

OpenAI 还推出了 GPT-4.1、mini 和 nano。一张图将它们的多语言基准表现和延迟与 GPT-4o 系列进行比较，但坐标轴没有数值刻度，因此能够得出的精确结论有限。

Anthropic 推出了 Research 功能和 Google Workspace 集成。我很期待利用已连接服务查找信息、起草回复的可能性，但助手实际能够获取的信息取决于权限和产品配置。

我披露自己持有少量投资的推理服务公司 Groq 宣布了 Compound Beta。它将开放模型与服务器端网页搜索、代码执行结合，在返回答案前按需选择和使用工具。Groq 与 xAI 的 Grok 助手是不同产品。

当时介绍的配置使用 Llama 4 Scout 进行核心推理，Llama 3.3 70B 负责辅助路由和工具选择。我感兴趣的是工具使用与高速推理的结合；具体模型和服务配置均以当时介绍为准。

Kling 2.0 Master 的演示将其与 Kling 1.6 比较。在男子改变表情和女孩站在公园里的例子中，我认为新片段的动态和自然程度更好。这些是演示样例，并非对视频质量的系统评估。

有报道称 OpenAI 正在讨论以 30 亿美元收购 Windsurf。视频录制时交易尚未确认。我担心模型提供商收购产品后可能影响对竞争模型的支持，同时希望用户仍能保有选择。

另有报道称 OpenAI 正在考虑社交网络。我推测，社交产品可能提供持续更新的数据来源，也能受益于现有用户群。这只是一种可能的商业理由，不能证实产品一定会推出或成功。

Microsoft 宣布为 Copilot Studio 智能体提供电脑操作能力，介绍了通过图形界面完成数据录入、研究和发票处理等任务。我认为这可能改变机器人流程自动化，但实际部署仍需要可靠性、权限控制和监督。

最后，xAI 的 Grok 在部分市场推出了记忆测试版。其目的是跨对话提供个性化回答，并允许用户查看或删除保存的记忆。我欢迎这种便利，也理解其他人可能不想保留个人信息。

这就是本周汇总：新模型、研究和生产力功能，以及早期的智能体工作流。视频由 Replit 赞助；其中的描述和预测反映的是 2025 年的新闻背景，并非当前产品使用指南。