1. 本週概覽
本週大模型領域持續涌現創新成果，數學、編程和多模態能力均出現顯著進展。字節推出數學模型Seed Prover 1.5，在國際數學奧林匹克競賽中取得金牌線成績，而智譜AI開源GLM-4.7在多項評測中超越GPT-5.1。MiniMax的M2.1編碼模型以10B激活參數創下多語言軟件工程能力新高，北航提出的代碼模型Scaling Laws為最優數據配比提供理論基礎。
2. 重點關注事件
- 字節發佈數學模型Seed Prover 1.5，在16.5小時內解決IMO 2025前5道題目，失一題獲得35分達到金牌線；在北美本科級別數學競賽Putnam上大幅刷新SOTA成績
- 智譜AI開源GLM-4.7，在AIME 25和人類最後考試（HLE）等基準中分數超GPT-5.1；SWE-Bench分數達73.8%（+5.8%），創開源新高
- MiniMax發佈旗艦級Coding & Agent模型M2.1，在Multi-SWE-bench榜單中以僅10B激活參數拿下49.4%成績，超越Claude Sonnet 4.5等頂尖競品，拿下全球SOTA
- 北航提出代碼大模型的Scaling Laws，建立區分語言特性的Scaling Laws，並提出數學可解的最優數據配比方案，覆蓋0.2B到14B參數規模及高達1T訓練數據量，對七種主流語言進行系統性解構
3. 榜單變化
- OpenRouter模型調用量：Grok Code Fast 1、Claude Sonnet 4.5、Gemini 2.5 Flash位列前三；小米MiMo-V2-Flash (free)新晉第4名；Gemini 3 Flash Preview新晉第6名；編程調用量方面，Grok Code Fast 1保持第1，KAT-Coder-Pro V1 (free)上升3名至第3，GPT-5.2下降5名至第7位
- OpenRouter公司市佔率：Google保持第1；xAI、Anthropic緊隨其後；OpenAI市佔率下降7.2%（17.7% → 10.5%）至第4位；DeepSeek份額上升1.8%（7.8% → 9.6%）保持第5名；小米份額佔比7.0%，位列第7
- 大語言模型（Text Arena）：gemini-3-flash刷新成績，超過Grok 4.1 thinking位列第2；ernie-5.0-preview-1203新晉第13名，超過gpt-5.2（評分基於預發佈測試）
- 編程能力榜單（WebDev Arena）：glm-4.7新晉第6名，緊跟gemini-3-flash之後（評分基於預發佈測試）
- 編程能力榜單（LiveCodeBench GSO Leaderboard）：Gemini-3-Flash新晉第8名，排名在O4-mini之後
- 圖像編輯能力（Artificial Analysis Image Editing Leaderboard）：Reve V1新晉第8名，排名在Flux 2 Pro之後
- 文生圖榜單（Artificial Analysis Text to Image Leaderboard）：ImagineArt 1.5 Preview超過Imagen 4 Preview位列第10名
- 前沿數學能力（EPOCH AI FrontierMath）：DeepSeek-V3.2以22.1%得分超過Kimi K2 Thinking位列第14名
- GAIA榜單：SU Zero-Shuqian Series Pro MAX新晉榜首
4. OpenRouter排行榜
| 測評類型 | 第一名 | 第二名 | 第三名 |
|---|---|---|---|
| 模型調用量 | Grok Code Fast 1 | Claude Sonnet 4.5 | Gemini 2.5 Flash |
| 公司市佔率 | xAI | Anthropic | |
| 編程模型調用量 | Grok Code Fast 1 | GPT-5.2 | Claude Sonnet 4.5 |
各公司按不同能力領域排名彙總
| 測評類型 | 領先公司 |
|---|---|
| 大語言模型 Text Arena | Google、xAI、Anthropic、OpenAI、阿里巴巴、百度、月之暗面、智譜 |
| 編程能力 LMArena | Anthropic、OpenAI、Google |
| 編程能力 LiveCodeBench | OpenAI、Anthropic、Google |
| 代碼工程任務能力 SWE-benchLite | 基於Claude、Gemini、GPT、Qwen、DeepSeek開發的開源系統 |
| 圖像編輯和生成能力 Image Edit Arena | OpenAI、Google、字節、Reve |
| 文生圖能力 Text-to-Image Arena | OpenAI、Google、Black Forest Labs、騰訊、字節 |
| 圖像編輯和生成能力 Image Editing Leaderboard | OpenAI、Google、Black Forest Labs、字節、Pruna AI |
| 文生圖能力 Text to Image Leaderboard | OpenAI、Google、Black Forest Labs、字節 |
| GPQA | OpenAI、Google、xAI、Anthropic、阿里巴巴 |
| FrontierMath | OpenAI、Google、月之暗面、Anthropic、xAI |
| Humanity's Last Exam | Google、OpenAI、Anthropic |
| GAIA | Microsoft AI Asia -Ads、Suzhou AI Lab&Shuqian Tech、LR AILab of Lenovo CTO Org、NVIDIA、ZTE-AICloud、JoinAI、ShawnAgent、AIP agent等 |
關注我，第一時間掌握更多AI前沿資訊！
