全部动态

写代码跑 agent 的可以看看这份测试：Sonnet 5.5 开 max 档最强但贵 4 倍，xhigh 档 63 分只低 5 分，省钱首选。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

有人发现 DeepSeek V4.1 给自己打分挺高，给同样是自己扮演的子智能体打分却低不少，这个自评偏差挺有意思。

Teortaxes@teortaxesTex原文

有人试了 Gemini 4 Argon，说干活效率很高但视觉一般，比不过 Anthropic 的模型，比 OpenAI 的强，想选模型可以参考。

岚叔@lufzzliz11 个信源在谈原文

Liquid AI 出了个开源模型，24B 总参数但只激活 2B，跑分追平 Qwen3.6-35B-A3B，想本地部署的可以去 Hugging Face 看看。

TestingCatalog@testingcatalog原文

有人拿 Gemini 4 Argon 和 Opus 5.5 一起做 3D 动画任务，效果差不多但价格便宜 3 倍，附 API 可自己试。

@atomic_chat_hq@atomic_chat_hq11 个信源在谈原文

Meta 的 Muse Wonder 在文本榜冲到第 2，只差 Gemini 4 Argon 12 分，网页开发榜也进了前 15，可以直接 API 调用试试。

lmarena.ai@lmarena_ai4 个信源在谈原文

Meta 新模型第一次被评测机构认为能和 OpenAI、Google 掰手腕，这篇讲了基准对比细节。

The Information@theinformation11 个信源在谈原文

LiquidAI 的 24B 模型在 RTX 5090 上跑终端任务，8 场全赢 Gemma 4 26B，还快 3.1 倍，本地部署党可以看看。

@atomic_chat_hq@atomic_chat_hq2 个信源在谈原文

LlamaIndex 实测了 Gemini 4 Argon 和 Muse 两个新模型做文档 OCR，谁在表格理解上性价比最高、价格陷阱在哪都讲清楚了。

Jerry Liu@jerryjliu0原文

Alexandr Wang 和扎克伯格上播客聊新模型 Muse Wonder，聊了怎么造前沿模型、1000 亿怎么押、为什么 AI 不会赢家通吃，信息量不小。

官方账号Alexandr Wang (Meta MSL)@alexandr_wang原文

Anthropic 的 Opus 5.5 在 OpenRouter 上花销排第一了，Sonnet 5.5 和 Haiku 5.5 也卖得不错，跟 OpenAI 又有得打。

OpenRouter@OpenRouterAI11 个信源在谈原文

Gemini 4 Argon 上线 GitHub Copilot 了，编码基准全面超过上一代 Gemini，写复杂代码和跑 agent 任务可以试试

GitHub@github原文

Google 拿 Gemini 4 Argon 做了个有意思的实验：机器人看人玩沙包的视频，自己搭仿真训练，最后真学会了，不用手写程序。

官方账号Google AI@GoogleAI原文

Google 把内测的 Gemini 4 Argon 开放了，专业任务榜上分数超过了 Claude 两个型号，单次测试还便宜一半，做长任务的可以看看价格变化节点。

rohanpaul_ai@rohanpaul_ai原文

Google 新模型 Gemini 4 Argon 拿下 Val Index 第一，Chrome 团队用它重构了 4000 万行代码库，干掉了一整类崩溃，成本还只有 Opus 5.5 一半。

Cline@cline原文

Liquid AI 的 LFM-2.5 已经上了 OpenRouter，感兴趣可以直接去试试，架构和其他模型不太一样。

OpenRouter@OpenRouterAI原文

Google DeepMind 的 Argon 在 LMArena 上数据出来了，比 GPT-6.1 Sol 和 Opus 5.5 更友好但话更绕，多轮对话投票领先 62 分，喜欢长回答的可以试试。

lmarena.ai@lmarena_ai6 个信源在谈原文

LMArena 出面回应了榜首模型只靠人设赢投票的说法，解释了 Factuality 排名的具体算法，数据党可以看看。

lmarena.ai@lmarena_ai原文

Gemini 4 Argon 冲进 Arena 总榜第 5 了，前面还压着 Opus 5.5 和 GPT 6.1 Sol，想看各家模型排名的可以对比下。

TestingCatalog@testingcatalog11 个信源在谈原文

Google 的 Gemini-4 Argon 冲进了 Agent Arena 榜单前五，关注智能体模型排名的可以看看这个动向。

Thang Luong@lmthang11 个信源在谈原文

智能体对战榜换了新面孔，做 Agent 选型前可以去 arena.ai 上看看各家模型的实战评分再决定用哪个。

lmarena.ai@lmarena_ai原文

Phil Schmid 测试了 Gemini 4 Argon：不是直接出图，而是写了个多遍渲染器，一笔笔画出油画版曼哈顿，思路挺有意思。

Philipp Schmid@_philschmid原文

Google 隔了 7 个多月终于又发了旗舰模型，成绩追平 GPT-6 Astra，价格还便宜四成，11 月底前是折扣价。

官方账号Artificial Analysis@ArtificialAnlys11 个信源在谈原文

Agent Arena 把命令行评测指标换成了 Bash Reliability，前排还是 Claude Opus 5.5 和 GPT-6.1 Sol，想选模型跑智能体的可以看下榜单变化。

lmarena.ai@lmarena_ai11 个信源在谈原文

GoogleDeepMind 的 Gemini 4 Argon (High) 杀进了 Agent Arena 前五，关心模型智能体能力的可以看看榜单。

lmarena.ai@lmarena_ai原文

ARC Prize 实测了 DeepSeek V4.1 Flash，ARC-AGI-3 跑出 3.3%，成本不到 1000 美元，目前性价比最好的一份成绩单。

官方账号ARC Prize@arcprize5 个信源在谈原文

Google 放出了 Gemini 4 Argon，能输出 100 万 token，有人一句话让它自动抓图写代码做了个 3D 苹果博物馆，去看看效果。

Justine Moore@venturetwins原文

Mollick 抢先玩了 Gemini 4，说它写作和创意追平 OpenAI 和 Anthropic，但多智能体任务还会掉链子，评测细节挺实在。

Ethan Mollick@emollick11 个信源在谈原文