AI行业周报：Gemini 2.5 Pro 发布，o4-mini 推理降本
本文覆盖近一周 AI 领域最新动态，涵盖大模型、视频生成、图像生成和开源生态四大板块。
AI行业周报：Gemini 2.5 Pro 发布，o4-mini 推理降本
一、Gemini 2.5 Pro 发布：多模态+搜索增强
Google 发布 Gemini 2.5 Pro，核心升级在三个方向。
第一，长上下文窗口。支持百万 token 级别的推理链处理，可一次性读取数百页技术文档并生成结构化摘要。
第二，原生日搜索能力。模型在推理过程中可自主调用搜索接口，结合实时信息生成回答，显著降低训练数据过时导致的事实错误。
第三，多模态原生理解。文本、图片、音频和视频统一编码，跨模态生成质量进一步提升。在编程和数学 benchmarks 上刷新多项记录。
适用场景：技术文档分析、实时信息整合、跨模态内容生产。
二、o4-mini 发布：推理效率与成本突破
OpenAI 推出 o4-mini，主要价值在推理效率。在相同推理预算下，代码生成和数学推理表现接近 o3 模型，但推理延迟降低约 80%。支持函数调用和结构化输出，对开发者构建自动化管线友好。
对内容生产的影响：低延迟模型适合实时 agent 工作流，可大幅降低自动化内容生成的成本。