一句话总结：2026 年 3 月 20 日 AI 领域呈现全维度爆发式发展，头部企业密集发布通用/垂直大模型与智能体产品，模型向高效推理、自我进化升级，智能体生态快速完善并实现产品化落地，算力硬件向端侧、专用化突破，AI 与汽车、影视、农业等产业深度融合，同时企业融资收购频繁，AI 安全治理、伦理问题成为行业重点关注方向，算力短缺、Token 成本优化也成为行业发展核心议题。
一、模型与技术突破
1.1 通用大模型 (大语言模型与多模态模型)
- 阿里：发布通义千问 3.5-Max-Preview，LM Arena 得分 1464，全球排名第五、中国第一，数学能力全球第三，综合性能全球第六，专家级处理能力跻身全球前十，千问 App 月活超 3 亿，模型在 Hugging Face 累计下载量破 10 亿次。
- 小米：发布 MiMo-V2-Pro 旗舰模型，总参数超 1T（42B 激活），混合注意力架构支持 1M 超长上下文，Artificial Analysis 全球综合排行榜第八、国内第二，在 OpenClaw 等框架中端到端任务完成能力超 Claude Sonnet 4.6，API 定价为 Opus 4.6 的五分之一，此前以 Hunter Alpha 匿名上线 OpenRouter 调用量多天登顶日榜破 1T tokens。
- Cursor：发布 Composer 2 编程模型，CursorBench 得分 61.3、Terminal-Bench 2.0 得分 61.7%，超 Claude Opus 4.6 并追平 GPT-5.4 Thinking，支持 100 万 Token 长上下文，输入每百万 Token0.5 美元、输出 2.5 美元，较 Composer 1.5 降价 86%，摆脱对竞品 API 依赖，建立编辑器到模型底座的完整护城河。
- MiniMax：发布 M2.7 模型，PinchBench OpenClaw 代理基准测试得分 86.2% 排名第五，Kilo Bench 自主编码评估通过率 47% 排名第二，SWE-Pro 得分 56.22% 接近 Opus，MLE Bench Lite 获 9 金 5 银 1 铜奖牌率 66.6%，与 Gemini 3.1 持平，具备自我迭代能力，可协助优化自身框架，输入每百万 Token0.3 美元、输出 1.2 美元，成本优势显著。
- 月之暗面（Kimi）：披露 K2.5 技术路线图，含 MuonClip 优化器、Kimi Linear 架构、智能体集群三大创新，核心为注意力残差技术，48B 参数模型上科学推理提升 7.5 分、数学 3.6 分、代码 3.1 分，同等算力性能提升，训练预算减少 20%，算力效率提升 25%，推理延迟增加不到 2%；Kimi 完成 10 亿美元融资，估值达 180 亿美元，三个月估值增长四倍。
- 英伟达：发布 Nemotron-Cascade-2 开源 30B MoE 模型（3B 激活参数），从 Nemotron-3-Nano-30B-A3B-Base 后训练而来，斩获 IMO 与 IOI 双金牌，支持思考和指令模式；发布 Nemotron 3 Super 120A12B 推理大模型，支持百万级上下文和多智能体协作。
- 腾讯：开源 Penguin-VL 多模态模型，从纯文本 LLM 初始化视觉编码器，改造因果注意力为双向注意力、引入 2D-RoPE 处理二维位置信息，2B/8B 参数版本在文档/图表理解、长视频时序定位表现优异，LLM 初始化编码器平均分从 31.3 提升至 34.6，完整配置达 49.3 分。
- 天工 AI（昆仑万维）：推出 SkyReels-V4 视频模型，登顶 Artificial Analysis 文转视频全球榜超 Sora 2、Veo 3.1，采用自研对称双流 MMDiT 架构，支持多模态输入、音画同步生成，最多九张关键帧参考，实现 1080p/32FPS/15 秒视频生成，应用于 DramaWave 短剧平台月活破 8000 万，年化流水 4.8 亿美元，API 已开放。
- YuanLab.ai：开源 Yuan3.0 Ultra 万亿级多模态模型，参数精简 33%，为大模型领域提供高效能的开源选择。
- OpenAI：发布 GPT-5.4 mini/nano 小型模型，mini 为高吞吐量设计、性能接近大模型且速度更快，nano 主打轻量低成本；Codex 周活用户超 200 万，年内增长三倍，收购 Astral 后将整合其工具延伸至依赖管理、漏洞修复等全流程。
- Mistral AI：发布 Mistral Small 4 全能型大模型，119B 参数量（6B 激活参数），采用 MoE 架构，推理、多模态、编程能力兼备，延迟优化模式下端到端完成时间缩短 40%，运行效率高。
- CMU&普林斯顿：发布 Mamba-3 架构，15 亿参数规模下平均准确率 57.6%，超 Transformer4%，端到端推理延迟为 Transformer 的 1/7，通过指数梯形离散化、复数值状态空间、MIMO 机制三大改进，用一半状态大小达 Mamba-2 同等性能，团队提出 5:1 混合架构方案弥补检索任务短板。
1.2 垂直大模型
- 小红书：发布 dots.mocr 多模态 OCR 模型，3B 参数，实现多语言文档解析 SOTA，支持将结构化图形（图表、UI 布局等）转为 SVG 代码，核心能力含定位、识别、语义理解、交互式对话，推出 dots.mocr-svg 专用变体。
- 百度：发布 Qianfan-OCR 4B 参数端到端文档智能模型，将文档解析、布局分析、理解统一于视觉语言架构，直接实现图像到 Markdown 转换，支持结构化文档解析、表格提取、文档问答等提示驱动任务。
- 阿里：提出 Video-CoE 视频事件链范式，将视频内容分解为连续时间序列，增强未来事件预测的逻辑推理能力，在视频事件预测基准上实现 SOTA。
