Google 在 Flash 系列基础上发布 Gemini 3.7 Flash，专为编码和智能体任务优化。相比 3.6 Flash，在代码生成、Web 开发、知识工作等基准测试上显著提升，如 FrontierCode 1.1 从 34.4% 升至 43.6%，WebDev Arena Elo 从 1538 升至 1588。同时推出半价优惠，输入 $0.75/1M tokens，输出 $3.75/1M tokens，使开发者能更经济地扩展生产级智能体。模型已集成到 Gemini Spark 等产品中。 核心观点： 1. Gemini 3.7 Flash 在 FrontierCode 1.1 Main 上达 43.6%，较 3.6 Flash 的 34.4% 提升 9.2 个百分点。 2. 在 WebDev Arena 中 Elo 得分从 1538 升至 1588，生成更功能完整的 Web 应用。 3. AutomationBench 得分从 17.0% 升至 30.4%，企业工作流自动化能力显著增强。
Anthropic 发布 Claude Sonnet 5，定位为迄今最具智能体能力的 Sonnet 模型，在推理、工具使用和编码方面显著提升，性能接近 Opus 4.8 但价格更低。该模型已全面上线，成为 Free 和 Pro 计划的默认模型，并可通过 Claude API 使用。开发者可调整 effort 级别以平衡成本与性能，对构建复杂多步任务的智能体应用具有重要价值。 核心观点： 1. Sonnet 5 在 BrowseComp 和 OSWorld-Verified 等智能体评测中，通过调整 effort 级别可在部分任务上匹配 Opus 4.8 的性能。 2. Sonnet 5 引入新 tokenizer，输入 token 数约为之前的 1.0–1.35 倍，但通过定价调整实现大致成本中性。 3. Sonnet 5 的网络安全任务能力远低于当前 Opus 模型，整体不良行为率低于 Sonnet 4.6。
Z.ai 发布了 GLM-5.2 开源模型，具备 1M 上下文窗口和两种推理模式（High 和 Max），专为智能体和长周期编码任务设计。该模型在编码和智能体任务上有显著改进，已上线 Venice 平台，对 Pro 用户完全私有可用。 核心观点： 1. GLM-5.2 提供两种推理模式：GLM-5.2 (max) 和 GLM-5.2 (high)，分别对应极限推理和高效推理。 2. 模型支持 1M 上下文窗口，专为长周期智能体编码任务设计。