AI动态汇总：Claude 4系列发布，谷歌上线编程智能体Jules

发布时间：2025-05-27 金工周报 研究所 分析师:肖承志SAC 登记编号:S1340524090001Email:xiaochengzhi@cnpsec.com研究助理:冯昱文 SAC 登记编号:S1340124100011Email:fengyuwen@cnpsec.com Claude 4 系列发布，谷歌上线编程智能体 Jules——AI 动态汇总 20250526 lClaude 4 系列发布 5 月 23 日，Anthropic 发布现阶段编程领域最强模型 Claude 4系列，包括 Claude Opus 4 和 Claude Sonnet 4 模型。其中，Opus 4在复杂推理与软件开发领域表现出色，Sonnet 4 则是平衡性能与成本的通用选择。 近期研究报告 《谷歌发布智能体白皮书，Manus 全面开放注册——AI 动态汇总 20250519》- 2025.05.20 l谷歌上线编程智能体 Jules 5 月 19 日，谷歌推出编程智能体 Jules，对标 Cursor、Codex，现已进入全球测试阶段，任何拥有 Google 账户的开发者每天都可以免费使用 5 次。Jules 基于 Gemini 2.5 Pro 多模态模型运行，能分析庞大的文件结构和项目历史，同时遵循代码库特定的贡献指南。 《证监会修改《重组办法》，深化并购重组改革——微盘股指数周报20250518》 - 2025.05.19 lAI 谷歌发布 Gemma 3n 端侧多模态模型，手机上可运行 DeepSeek 发布数理证明大模型——AI动态汇总 20250505》 - 2025.05.06 5 月 21 日，谷歌在 I/O 2025 开发者大会上发布了 Gemma 3n 端侧多模态 AI 模型，仅需 2GB 内存即可运行，可以在手机等移动端设备上本地运行，支持处理音频、文本、图片和视频多种数据类型。 《基金 Q1 加仓有色汽车传媒，减仓电新食饮通信——公募基金 2025Q1 季报点评》 - 2025.04.30 l英伟达发布 Cosmos-Reason1 模型 5 月 20 日，Marktechpost 发文称英伟达针对物理推理任务，设计推出了 Cosmos-Reason1 系列模型，标志着 AI 在物理世界认知与交互能力的重大突破。该模型通过深度融合物理常识与具身推理能力，使人工智能系统首次具备类人的时空关系理解和行为预测能力，为自动驾驶、机器人等具身智能领域带来范式变革。 《泛消费打开连板与涨幅高度，ETF 资金平铺机器人、人工智能与芯片——行业轮动周报 20250427》 -2025.04.28 《国家队交易特征显著，短期指数仍交易补缺预期，TMT 类题材仍需等待——行业轮动周报 20250420》 -2025.04.21 l风险提示： 以上内容基于历史数据完成，在政策、市场环境发生变化时存在失效的风险；历史信息不代表未来。 《小市值持续，高低波风格交替——中邮因子周报 20250413》 -2025.04.14 《4 月是否还会有“最后一跌”？——微盘股指数周报 20250406》- 2025.04.07 《“924”以来融资资金防守后均见到行情低点，仍关注科技配置机会——行业轮动周报 20250330》 -2025.03.31 目录 1AI 重点要闻 ................................................................................ 41.1Claude 4 系列发布 ...................................................................... 41.2谷歌上线编程智能体 Jules ............................................................... 71.3AI 谷歌发布 Gemma 3n 端侧多模态模型，手机上可运行.......................................81.4英伟达发布 Cosmos-Reason1 模型..........................................................92企业动态..................................................................................112.1Mistral 发布编程专用开源 AI 模型 Devstral...............................................112.2谷歌更新 Gemini 2.5 系列模型...........................................................123AI 行业洞察 ............................................................................... 143.1QQ 浏览器全面升级为 AI 浏览器 .......................................................... 144技术前沿..................................................................................164.1When Thinking Fails: 思维链可能会导致推理性能下降.....................................165风险提示..................................................................................20 图表目录 图表 1： Claude 4 多种基准测试结果对比 ................................................... 4图表 2： Opus 4 SWE-bench 测试结果........................................................4图表 3： Claude 进行宝可梦游戏测试........................................................6图表 4： Jules ........................................................................... 7图表 5： Jules 特性.......................................................................7图表 6： Chatbot Arena Elo 评分...........................................................8图表 7： MMLU 表现与模型大小的关系 ........................................................8图表 8： Cosmos-Reason1 模型概览 ..........................................................9图表 9： Cosmos-Reason1 参数细节 .........................................................10图表 10： Cosmos-Reason1 基准评价 ........................................................10图表 11： 模型表现与参数量对比 .......................................................... 11图表 12： Devastral 模型 SWE-bench 跑分对比 ...............................................11图表 13： Gemini-2.5-Pro 模型评测 ........................................................13图表 14： Gemini-2.5-Pro 登顶 Imarena .................................................... 13图表 15： QQ 浏览器升级为 AI 浏览器.......................................................15图表 16： When Thinking Fails 论文.......................................................17图表 17： IFEval 与 ComplexBench 指令遵循表现 .............................................18图表 18： IFEval 不同模型、使用方法对比..................................................19图表 19： ComplexBench 不同模型、使用方法对比 ............................................19 1AI 重点要闻 1.1Claude 4 系列发布 5 月 23 日，Anthropic 发布现阶段编程领域最强模型 Claude 4 系列，包括Claude Opus 4 和 Claude Sonnet 4 模型。其中，Opus 4 在复杂推理与软件开发领域表现出色，Sonnet 4 则是平衡性能与成本的通用选择。 根据发布会描述，Claude Opus 4 被定义为 Anthropic 迄今最强大的模型，专为处理复杂的推理流程和软件开发场景设计。测试数据显示，该模型在 SWE-bench 基准测试中准确率达到 72.5%；在 TerminalBench 测试中准确率为 43.2%。 资料来源：Anthropic，中邮证券研究所 资料来源：Anthropic，中邮证券研究所 Opus 4 的推出极大扩展了 AI 智能体的能力边界。众多前沿的 AI 智能体产品，都将获得强大支持。 ·Cursor：Opus 4 的编码能力已达业界顶尖水平，在理解复杂代码库方面，还取得了飞跃性进展。·Replit：在处理跨多个文件的复杂变更时，Opus 4 的精度大大提升，表现出显著进步。 ·Block：在“goose”智能体中，Opus 4 是首款能在编辑和调试过程中提升代码质量，同时还能保持完整性能和可靠性的模型。·Rakuten：Opus 4 通过了一项要求严苛的开源代码重构任务，这项任务独立运行长达 7 小时，期间它始终保持了稳定的性能。·Cognition：Opus 4 擅长解决其他模型难以应对的复杂挑战，能够成功处理先前模型未能完成的关键操作。 而 Claude Sonnet 4，则是基于 Sonnet 3.7 模型改进了编码和推理能力的全新模型，该模型在指令遵循方面也有着更好的表现。在 SWE-bench 测试中，Sonnet 4 甚至超越 Opus 4 取得 72.7%的最好成绩。Anthropic 认为综合来看Sonnet 4 的表现并不及 Opus 4，但它在性能与效率之间找到了最佳平衡，是能力与实用性平衡的非常好的模型。