Gemini 4 Argon (High) 登 Arena Agent Arena 第 8 名,净提升 +7.92%
Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8,净提升分 +7.92%,每任务成本 $0.62。
推荐理由:原文给出 Gemini 4 Argon (High) 在 Agent Arena 的排名、净提升分和成本数据,读者可据此评估其智能体任务表现与性价比。
全球 AI 公司、研究机构和媒体的最新动态,自动挑出值得看的,全天自动更新。
更新于 11月17日 05:35 · 每小时自动更新
Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8,净提升分 +7.92%,每任务成本 $0.62。
推荐理由:原文给出 Gemini 4 Argon (High) 在 Agent Arena 的排名、净提升分和成本数据,读者可据此评估其智能体任务表现与性价比。
Artificial Analysis 评测 Google DeepMind 的 Gemini 4 Argon,其高推理档在 Artificial Analysis Intelligence Index 得分 53,追平 GPT-6 Astra (max)、领先 GPT-6.1 Sol (max) 1 分。
推荐理由:评测方给出与竞品的价格和智能指数对比,读者可据此评估 Google 新模型在成本与智能上的真实位置。
另有 2 家信源报道Google DeepMind 发布新前沿模型 Gemini 4 Argon,先通过 Fairwind Program 向可信网络防御者开放,后续将逐步面向开发者、企业和消费者推出。
推荐理由:官方发布给出了定价、输出 token 上限和多项基准成绩,读者可以据此比较它在编码与企业工作流中的实际位置。
另有 18 家信源报道Arena 评测榜单显示,OpenAI 的 GPT-6.1 Sol (Max) 以 1759 分位列 Code Arena: WebDev 第 3 名,混合价格为 $8/MToken。相比 GPT-6 Sol (Max) 同价提升 70 分,排名上升 4 位,且在 Consumer Product 等所有类目均有提升。
推荐理由:评测方公布了 GPT-6.1 Sol (Max) 的排名和价格数据,读者可以据此比较它在成本与性能权衡中的位置。
蚂蚁百灵推出 Ling-3.1-flash,总参数约 560B,每个 Token 激活约 25B,上下文窗口上限 1M,延续混合线性架构并提高线性 Attention 层比例(7 层 KDA 配 1 层 Gated MLA,512 个路由专家选 8 个加 1 个共享专家)。
推荐理由:官方发布同时给出架构细节、多项长程任务实测结果和对比数据,读者可据此评估其在办公、医疗和软件研发场景的适用性。
另有 3 家信源报道OpenAI 发布 GPT-6.1 Sol,接替仅上线 7 天的 GPT-6 Sol,Artificial Analysis 智能指数比 GPT-6 Sol 高 4 分、比 GPT-6 Astra 低 1 分。
推荐理由:Artificial Analysis 用自家基准拆解了新模型的智能得分与每任务成本,读者可据此比较它相对前代和旗舰档的实际性价比。
另有 1 家信源报道Arena 宣布 OpenAI 的 GPT-6.1 现已上线 Agent Arena,用户投票将影响其评估,分数即将公布。Agent Arena 通过数百万个真实世界、长时程智能体任务评测模型,模型可调用网页搜索、文件系统和终端工具完成复杂工作流,排行榜采用因果追踪方法衡量模型相对平均模型的结果表现。
推荐理由:OpenAI 新模型上架 Agent Arena 和 Code Arena,读者可自行投票并等待基于真实智能体任务的分数。
Arena 公布 Claude Sonnet 5.5 (High) 在 Code Arena: WebDev 以 1699 分排第 4,混合价格约 $8 per Mtoken,比第 2、3 名便宜 80%。相较 Sonnet 5 (High) 的 1540 分提升 159 分,Reference-Based Design、Simulations、Gaming 均从第 30 多名升至第 4。
推荐理由:原文给出实测榜单名次、分数与价格对比,读者可以据此评估该模型在成本与性能间的实际位置。
OpenAI 发布 GPT-6.1 Sol,在 agentic 编码、computer use 和专业工作等任务上接近 GPT-6 Astra,标准 API 价格为每百万输入 token $2、缓存输入 $0.10、输出 $10,约为 Astra 五分之一。
推荐理由:官方公布了与 GPT-6 Astra 的多项基准对比和完整 API 定价,开发者可以据此评估用五分之一成本替代旗舰模型的可行性。
另有 9 家信源报道Anthropic 发布对智谱 GLM-5.3 网络攻击能力的分析,发现其可自主开发端到端漏洞利用,在 ExploitBench 410 次尝试中成功 50 次,接近 Claude Mythos Preview 的 56 次。
推荐理由:Anthropic 第一手评测给出 GLM-5.3 的漏洞利用成功率和防护绕过数据,读者可据此了解开放权重模型带来的攻击面变化。
蚂蚁百灵发布 Ling-3.1-flash,总参数约 560B、每 Token 激活约 25B,上下文窗口上限 1M,采用 7 层 KDA 配 1 层 Gated MLA 的混合线性架构,围绕通用智能体、搜索、办公和软件研发优化。
推荐理由:官方发布给出架构参数和多场景评测数据,还附 Lua 编译器等长程任务案例,可据实对比模型的智能体能力。
Cohere 发布 Embed 5 嵌入模型家族,含 Pro 和 Fast 两档,支持文本与图像输入、100+ 语言、128K 上下文,已通过 Cohere API、Microsoft Foundry、Amazon SageMaker 等渠道开放。
推荐理由:官方给出两个档位的定价、基准成绩和共享嵌入空间设计,读者可以据此权衡检索质量与查询成本的部署方案。
NVIDIA 发布开源表格基础模型 Kumo Tabular,对带标签表格做单次前向推理即可完成分类和回归,无需训练、调参或特征工程。
推荐理由:官方技术博客披露了架构、纯人工数据预训练配方和四项基准成绩,读者可据此评估其替换梯度提升树的可行性。
另有 1 家信源报道OpenAI 发布 GPT-6.1 Sol,定价为每百万 token 2 美元输入、10 美元输出、0.10 美元缓存输入,为 GPT-6 Astra 标准价格约五分之一。
推荐理由:原文整理了 GPT-6.1 Sol 的定价、上下文与各家厂商基准对比,便于开发者评估其相对 Astra 和 Claude 的性价比。
另有 1 家信源报道Inception Labs 推出面向语音智能体的扩散大语言模型 Mercury Voice,面向企业客户开放。
推荐理由:原文给出具体的延迟、基准和定价数据,读者可以据此评估扩散语音模型在实时语音智能体场景的取舍。
Arena 公布 GPT-6 Luna (Max) 在 Agent Arena 排名第 23,基于 8K 真实智能体会话,净提升 +1.6%,比 GPT-5.6 Luna (xHigh) 上升 6 位。
推荐理由:Arena 用 8K 真实智能体会话数据给出 GPT-6 Luna (Max) 的排名与成本对比,读者可据此权衡其性价比定位。
Artificial Analysis 发布对 Claude Sonnet 5.5 的评测:其智能指数得分 56,max effort 下比 Sonnet 5 高 18 分,升至第 2 名,仅落后 Opus 5.5 (max)。
推荐理由:Artificial Analysis 实测指出 Sonnet 5.5 逼近 Opus 5.5 依赖约 193k 输出 token,成本细节对选型有直接参考价值。
Arena 宣布 Anthropic 的 Claude Sonnet 5.5 已进入 Agent Arena,并开放投票。Agent Arena 基于全球用户数百万个真实的长程智能体任务评测模型,模型可使用 web search、filesystem 和 terminal 工具完成复杂工作流,榜单用因果追踪方法衡量模型相对平均模型的结果表现。
推荐理由:Arena 介绍了其 Agent Arena 的评测方式,读者可以据此理解 Claude Sonnet 5.5 在真实智能体任务上的衡量口径。
Anthropic 发布 Claude Sonnet 5.5,是 Claude 5.5 家族的第二个模型。官方称相比 Sonnet 5 运行速度提升超过 30%,多数工作成本最高降低 30%;在 Claude Code 中用户完成的任务量比 Sonnet 5 多约 30%,同样工作所需 token 更少。视频演示中该模型用工具调用完成清理落叶任务,比 Sonnet 5 快 24 秒且少用 6K token。
推荐理由:来自 Claude Code 产品负责人的第一手数据,用具体任务对比说明 Sonnet 5.5 在编码场景的速度与 token 消耗变化。
Anthropic 发布 Claude 5.5 家族第二款模型 Claude Sonnet 5.5,输出速度比 Sonnet 5 快 30% 以上,每任务成本最高降低 30%,定价保持每百万输入 token 2 美元、输出 token 10 美元,缓存读取降至 0.10 美元。
推荐理由:发布方给出与 Sonnet 5 和 Opus 5.5 的多基准对比和定价细节,读者可据此评估日常编码与知识工作任务的迁移成本。
另有 14 家信源报道