10. 最新模型与 Agent 技术（2026年3月复核）¶

⚠️ 时效性说明：本章只保留截至 2026-03-26 可从官方发布页、模型卡、API 文档直接核实的信息。无法从官方页面确认的社区传闻、混合 benchmark 总榜、跨平台价格表，不纳入事实表。

目录¶

1. OpenAI GPT-5.4
2. Anthropic Claude 4.6
3. Google Gemini 2.5 Pro
4. Qwen 3.5
5. DeepSeek 最新公开状态
6. 2026 年 Agent 技术趋势
7. 官方核验快照

1. OpenAI GPT-5.4¶

1.1 已核实信息¶

• OpenAI 于 2026-03-05（美国时间）发布 GPT-5.4；北京时间对应 2026-03-06。
• GPT-5.4 同步进入 ChatGPT、API 和 Codex。
• OpenAI 最新模型文档当前将 gpt-5.4 定位为重要通用任务与编码任务的默认旗舰模型，将 gpt-5.4-pro 定位为更难问题的高算力版本。
• GPT-5.4 官方文档当前确认 1M context window。
• OpenAI 平台定价页当前确认：
  • gpt-5.4 采用输入 / cached input / 输出分开计费
  • gpt-5.4-pro 采用更高档位的输入 / 输出分开计费
• OpenAI 当前文档对 GPT-5.4 系列提供 reasoning.effort 五档：none、low、medium、high、xhigh。

1.2 教程中应如何理解¶

• GPT-5.4 适合需要较强推理、编码和 agent workflow 的复杂任务。
• gpt-5.4-pro 更适合高难审计、复杂设计和长链问题分解。
• 如果你只需要“最新的 OpenAI 推理控制能力”，应重点关注 reasoning effort，而不是依赖非官方 benchmark 汇总表。
• 具体上下文长度、子型号上架情况和区域可用性，仍应以 OpenAI 平台页和控制台可见型号为准。

1.3 使用原则¶

简单任务       → none / low
通用生产任务   → medium
复杂调试/设计  → high
高难研究/审计  → xhigh

2. Anthropic Claude 4.6¶

2.1 已核实信息¶

• Anthropic 于 2026-02-05 发布 Claude Opus 4.6。
• Anthropic 于 2026-02-17 发布 Claude Sonnet 4.6。
• 官方模型总览页给出的 Claude API ID：
• claude-opus-4-6
• claude-sonnet-4-6
• 官方文档确认：
• Opus 4.6 是 Anthropic 当前最强的模型，重点面向 agents 和 coding。
• Sonnet 4.6 是速度与智能的平衡型模型。
• 两者都提供 1M context window。
• Opus 4.6 最大输出 128k tokens，Sonnet 4.6 最大输出 64k tokens。
• Claude API Docs 当前确认：
• claude-opus-4-6 与 claude-sonnet-4-6 都按输入 / 输出分开计费
• Anthropic 官方常用 MTok 口径展示价格

2.2 Extended Thinking 的正确理解¶

• Claude Opus 4.6：官方文档说明以 adaptive thinking 为主，手动 type: "enabled" 已弃用。
• Claude Sonnet 4.6：同时支持手动 extended thinking 和 adaptive thinking。
• 因此，如果教程要演示“显式设置 thinking budget”，应优先用 claude-sonnet-4-6 示例，而不是继续沿用旧的 Opus 手动写法。

3. Google Gemini 2.5 Pro¶

3.1 已核实信息¶

• Google 于 2025-03-26 发布 Gemini 2.5 Pro。
• 官方状态：Preview。
• 官方模型卡确认：
• 输入上限：1M tokens
• 输出上限：64k tokens
• 原生多模态输入：文本、图像、视频、音频、PDF
• Gemini Developer API 定价页当前确认：
• gemini-2.5-pro 同时区分 Standard 与 Batch 两种计费模式
• Standard / Batch 都会按输入 / 输出分别计费
• 价格档位还会受 prompt 长度阈值影响，因此更适合在教程中保留“计费结构”而非静态单价
• 官方 Gemini API 文档对 Gemini 2.5 系列确认支持 Function calling、Structured outputs、Search grounding、Code execution。

3.2 教程中应如何使用这些信息¶

• Gemini 2.5 Pro 更适合复杂、多模态、长上下文任务。
• 因为目前仍是 preview，SDK 形态、模型别名和参数名可能继续演进，所以代码示例应始终以 ai.google.dev 当期文档为准。
• 本教程不再维护“Gemini 2.5 Pro vs 竞品”的固定分数表，避免把不同时间、不同工具、不同协议下的分数误写成静态事实。

4. Qwen 3.5¶

4.1 已核实信息¶

• 阿里巴巴官方于 2026-03-25 发布 Qwen 3.5。
• 官方 GitHub 仓库 QwenLM/Qwen3.5 已建立并持续更新。
• 官方材料明确将 Qwen 3.5 定位为面向原生多模态 agent 的模型系列。
• 官方仓库当前明确写出：
• 首发版本包含 Qwen3.5-397B-A17B
• 支持 201 languages and dialects
• 官方 API 由 Alibaba Cloud Model Studio 提供，并兼容 OpenAI / Anthropic 两类 API 规格
• 官方仓库提交记录显示：
• 首批 3.5 系列信息在 2026-03-25 上线
• small models 更新在 2026-03-25 已进入主仓库

4.2 教程中需要避免的误区¶

• 不要把第三方榜单分数、推测参数、未在官方页出现的上下文扩展数字写成“确定事实”。
• Qwen3.5 Medium、Qwen3.5-397B-A17B 等具体型号，应只在官方仓库、公告或模型卡出现时再写入正文。
• “MCP 原生支持”“全面开源”“端侧全家桶发布日期”等说法，只有在官方页面明确写出时才应保留。

5. DeepSeek 最新公开状态¶

5.1 已核实信息¶

• DeepSeek 官方站和 API Docs 当前公开强调的最新主线是 DeepSeek-V3.2。
• 官方公告时间：2026-03-25。
• 官方表述重点：
• 强化 Agent 能力
• 融入思考推理
• 已在网页端、App 和 API 上线
• 官方公告明确写出：DeepSeek-V3.2 在思考模式下支持工具调用

5.2 截至 2026-03-26 的审计结论¶

• DeepSeek-R1 仍然是应当重点学习的公开推理模型。
• DeepSeek-V3.2 才是当前官方公开可核实的更新主线。
• DeepSeek 官方当前存在一个需要显式区分的口径边界：
• deepseek-reasoner 指南仍写明 Function Calling 与 FIM 补全 不支持
• 但 DeepSeek-V3.2 正式版公告已写明“思考模式下的工具调用”支持
• 因此，教程里不能把“DeepSeek 推理模型”一概写成统一支持或统一不支持工具调用，必须区分 DeepSeek-V3.2 与旧的 deepseek-reasoner 文档口径。
• DeepSeek-R2：截至 2026-03-26，我没有在 DeepSeek 官方公开页面核到正式发布，因此不把它写入事实表。
• DeepSeek V4：截至 2026-03-26，我没有核到 DeepSeek 官方公开发布页，因此不把它写入事实表。

6. 2026 年 Agent 技术趋势¶

6.1 这轮能官方坐实的趋势¶

1. 模型原生支持更长上下文与更复杂的 agent workflow。 GPT-5.4、Claude 4.6、Gemini 2.5 Pro、DeepSeek-V3.2、Qwen 3.5 都在官方材料里强调了复杂任务、长上下文、agent 或 coding 场景。
2. MCP 已成为主流开放工具接入标准之一。 MCP 官方站点与 Anthropic 官方公告当前明确把它描述为开放标准；Anthropic 还明确写出 ChatGPT、Cursor、Gemini、Microsoft Copilot、Visual Studio Code 已采用 MCP。
3. A2A 正在补齐“Agent 与 Agent”互操作层。 Google 于 2025-04-09 发布 A2A，Linux Foundation 于 2025-06-23 宣布启动 A2A 项目治理；A2A 官方文档当前将其定义为面向 AI agents 协作的 open standard。
4. 框架层开始统一。 Microsoft Agent Framework 已于 2026-03-25 进入 Release Candidate，明确承接 Semantic Kernel 和 AutoGen 的统一方向。
5. 厂商开始把“编码模型 + 兼容 API + 托管 MCP 工具”打包交付。 MiniMax 官方文档当前已公开 MiniMax-M2.7、MiniMax-M2.7-highspeed，并给出 Coding Plan MCP 指南；现阶段能稳定落锚的事实是：高速版主打“效果不变、推理更快”，官方 MCP 示例工具为 web_search 与 understand_image。

6.2 这轮明确不再写成事实的内容¶

• 未见官方发布页的“某某 Beta 新型号”
• 混合第三方来源的统一 benchmark 总榜
• 无法对齐计费口径的跨厂商价格表
• 只在社区二手文章中出现的参数规模和发布日期

7. 官方核验快照¶

参考资料¶

• OpenAI Using GPT-5.4
• OpenAI 定价页
• Anthropic Claude Models Overview
• Anthropic Extended Thinking
• Claude Opus 4.6 发布页
• Claude Sonnet 4.6 页面
• Gemini 2.5 Pro 官方博客
• Gemini 2.5 Pro Model Card
• Gemini Developer API Pricing
• Gemini Function Calling
• Qwen 3.5 官方仓库
• 阿里巴巴 Qwen 3.5 公告
• MiniMax 模型总览
• MiniMax 通过 AI 编程工具接入
• MiniMax Coding Plan MCP 指南
• DeepSeek 官方 Research
• DeepSeek-V3.2 公告
• DeepSeek 推理模型指南
• Model Context Protocol 官方站
• Anthropic MCP 公告
• Google A2A 发布页
• A2A 官方文档
• Microsoft Agent Framework Reaches Release Candidate

📝 本章练习¶

🤔 思考题¶

1. 模型选择：在以下场景中你会选择哪个模型？为什么？（a）数学推理（b）代码生成（c）多模态理解（d）低成本批量处理
2. Agent 协议：MCP 和 A2A 协议各自解决什么问题？它们可以互补使用吗？
3. 成本效益：如何在模型性能和 API 成本之间找到平衡？什么场景下应该用大模型，什么场景用小模型？

💻 代码实践¶

1. 入门：调用 2-3 个不同模型 API 完成相同任务，对比输出质量和延迟
2. 进阶：实现一个模型路由器，根据任务复杂度自动选择合适的模型
3. 高级：搭建一个 A/B 测试框架，对比不同模型在生产环境中的表现

最后更新日期：2026-04-21 核验方式：MiniMax-MCP 高频检索 + 官方发布页/API 文档交叉确认