全部动态

Gemini 4 Argon 出来才两周，Google 又放出了 Carbon 预览版，直接在 Artificial Analysis 榜单上拿第一，还专门做了网络安全防御的检测和修复能力。

Koray Kavukcuoglu@koraykv原文

Google 的 Gemini 4 Carbon 把 Opus 5.5 和 GPT-6 Astra 都比下去了，还拿下 Artificial Analysis 指数第一，看看这次是不是真翻身。

Yuchen Jin@Yuchenj_UW原文

Google 新模型 Gemini 4 Argon 上线了，输出能到 100 万 token，写代码和迁移大项目这些活儿一把做完，还挺抗提示注入攻击。

Blognone@sponsored原文

Claude Opus 5.5 拿下 58 分登顶，GPT-6 Astra 只差 1 分，还新增了两个编程基准，选模型前可以看看这份榜单。

TestingCatalog@testingcatalog原文

谷歌自家基准把自家 Gemini 4 Argon 排到第五，通过率才 21.3%，GPT-6.1 Sol 的性价比数据对安卓开发者选模型很实用。

DeepMind 的 Genie 4 来了，能配 Gemini 3.8 Flash 看场景拆步骤、逐步检查，还能模拟 Apollo 人形机器人，做机器人训练的值得看。

kimmonismus@kimmonismus原文

Gemini 4 Argon 和 GPT-6 Astra 掰手腕，这次是 CS 研究基准，Argon 赢了，附了成绩链接。

Shubham Saboo@Saboo_Shubham_原文

Moonshot 放出 Kimi K3.1 Pro，分数只比 Claude Opus 5.5 低 3 分，价格便宜一半，下个月还开源权重，可以先用 API 试试。

两家模型分别发现了同一个 PHP 漏洞，一边是 OpenAI 的 GPT-5.6 Sol，一边是 Google 的 Gemini 4 Argon，AI 找安全漏洞这事已经真的在发生了。

官方账号Decoder@Matthias Bastian原文

有人晒出 Gemini 4 Argon 的吞吐数据：72小时25万亿tokens，算下来每秒9600万，顺便聊了智能不再稀缺这件事。

rohanpaul_ai@rohanpaul_ai原文

Google 又憋了个 Gemini 4 Carbon，要在刚发的 Argon 上再升级，和 Anthropic、OpenAI 掰手腕，可以看看细节。

The Information@theinformation原文

Meta 的 Muse Wonder 到底能不能打？这期实测直接拿它和 Claude Opus 5.5、GPT-6.1 Sol 做 3D 场景和建站对比，看完就知道差距在哪。

lmarena.ai@lmarena_ai原文

Anthropic 的新模型据说不怎么提示也能猜到你要干嘛，修 bug 还会顺带查同类问题，和 Gemini 4 Carbon、OpenAI Terra 撞车了。

宝玉@dotey原文

Meta 新模型冲进 Code Arena WebDev 第 6，还把 Meta 送到实验室第 3，跟 Claude、Gemini 的分数对比都列出来了。

lmarena.ai@lmarena_ai原文

DeepMind 让 4 个 Gemini 4 Argon 智能体自己分工、写代码、互相调试，27 小时干掉 Ender Dragon，全程没人插手，过程细节很有意思。

Blognone@mk原文

谷歌用四个 Gemini 4 智能体互相配合，27 小时自己通关了《我的世界》，还击败了末影龙，成本约 1620 美元，全程没人插手。

The Information 说 Anthropic 这个月要发新模型，亮点是能猜出你没说出口的意图、建议不那么套路，同期 Gemini 4 Carbon 和 OpenAI 的 Terra 也排队登场。

TestingCatalog@testingcatalog原文

两款新模型上线 CancerBench 评测，结果都拿零分，还并列第一和倒数第一，挺有意思的一条测试动态。

Tanishq Abraham (论文推介)@iScienceLuvr原文

Google 用四个 Gemini 4 Argon 智能体全自动打通了 Minecraft，没人给策略，全靠自己写程序和聊天协调，看它们怎么协作挺有意思。

官方账号Decoder@Matthias Bastian原文

谷歌把 Gemini 4 发出来了，还限时半价，想试试新模型的可以趁便宜接入玩玩。

量子位@henry原文

本周 Arena 榜单更新，Gemini 4 Argon 升到第 5，小米 MiMo 拿下开源第一，Meta 的 Muse Wonder 一上榜就冲到第 2，还有省钱 37% 的新路由器。

lmarena.ai@lmarena_ai原文

Google 新模型 ARC-AGI-3 拿了 97.5%，仅次于 OpenAI，但换个测试环境直接掉到 49.8%，数学和写代码还被对手压着，这篇把两面都讲了。

官方账号Decoder@Matthias Bastian原文

Gemini 4 Argon 刚拿下 WANDR 纪录，用 Perplexity Pro 或 Max 的话现在就能切换体验，可以去试试搜索效果差多少。

官方账号Perplexity@perplexity_ai原文

有人拿 Gemini 4 Argon 和 Muse Wonder 硬刚同一道题：建大黄蜂的 3D 模型再用 three.js 动起来，视频里能直接看出两者水平差距。

@atomic_chat_hq@atomic_chat_hq原文

Google 把机器人要用的感知、控制、仿真全塞进 Gemini 4 Argon 一个模型，ERQA 基准拿了 87%，但演示里人工干预还不少。

官方账号Decoder@Jonathan Kemper原文

Gemini 4 Argon 的 ARC-AGI 成绩出来了，ARC-AGI-3 拿到 97.5%，是第二家过 95% 的实验室，不过换个测试 harness 就只有 49.8%，差别挺大。

官方账号ARC Prize@arcprize原文

阶跃星辰把 Step-5-Preview 开源了，600B 参数只用激活 27B，输入输出都能吃 100 万上下文，长文档场景可以试试。

Gorden Sun@Gorden_Sun原文

Google 的 Gemini 4 Argon 今天正式 GA 了，两周前的基准成绩这次被 CursorBench 等第三方独立复现，想用的可以直接上手。

官方账号Latent Space (swyx)@Latent.Space原文

Meta 新模型 Muse Wonder (Max) 的实测排名出来了，智能体任务比上一代强不少，但价格贵了一倍多，文本榜冲到第 2，数据都在这。

lmarena.ai@lmarena_ai原文

有人拿 Devin 当 Agent，让 Opus 5.5 和 Gemini 4 Argon 各做一段视频，猜猜哪段是谁做的，评论区吵翻了。

Gorden Sun@Gorden_Sun原文