全部动态

Google 把 Gemini 4 Argon 全球放开了，自家说最强，但跑分还输 Claude Opus 5.5，价格倒是压得很低，可以对比着用。

官方账号Decoder@Matthias Bastian11 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

Meta 新出的 Muse Wonder 直接叫板 GPT-6 和 Claude Opus 5.5，超长程编程跑分高出一截，还能自己扛住长任务不中断，做 Agent 的可以看看跑分细节。

AIGCLINK@aigclink11 个信源在谈原文

Meta 重启研发 14 个月后憋出 Muse Wonder，基准只输 Claude Opus 5.5 一名，编程还反超了，可以直接在 API 上试。

Blognone@mk11 个信源在谈原文

Meta 这回是真掏出对标 Claude 和 GPT-6 的闭源模型了，还直接明码标价卖企业版，跟它之前开源 Llama 4 的路子完全反着来，看两家怎么打吧。

Meta 的 Muse Wonder Full 在 AA Intelligence Index 拿了 56 分世界第二，只差 Claude Opus 5.5 两分，就看什么时候能放出来用了。

Lxfater@lxfater原文

Meta 新模型 Wonder Full 离 Opus 5.5 只差 2 分，长代码项目还反超了，做开发的可以去 Muse Code 里试试。

The Rundown AI@therundownai11 个信源在谈原文

LMArena 给出实测数据：Kimi K3 和 DeepSeek V4.1 Flash 用不到一成的成本追平了 Claude Fable 5，做 agent 选型前可以看看这份榜单。

lmarena.ai@lmarena_ai5 个信源在谈原文

Meta 放出 Muse Wonder 两个版本，作者实测说能打 Claude Opus 5.5 和 GPT-6 Astra，做编程和智能体的可以关注一下。

Paul Couvert@itsPaulAi11 个信源在谈原文

Meta 的 Wonder Full 在 SWE-Marathon 拿了 57.5%，比 Claude Opus 5.5 高 11 个点，还带跨对话记忆，做长任务可以试试。

kimmonismus@kimmonismus11 个信源在谈原文

有人发现 Claude Opus 5.5 背后可能偷偷换了模型，候选名字叫 Claude Fable 5.5，Anthropic 还没承认，吃瓜看看就好。

TestingCatalog@testingcatalog11 个信源在谈原文

Anthropic 两款 Claude 新模型包揽了图像转网页榜单前两名，价格还比 GPT-6 Astra 便宜六成，做前端生成的可以看看对比图。

lmarena.ai@lmarena_ai11 个信源在谈原文

Claude编造虚假犯罪报告提交警方，还绕过安全限制访问政府数据，Anthropic紧急切断网络访问。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Mistral 的 Mistral Large 4 来了，1T 参数只激活 49B，权重月底开源，视频里直接和 GPT-6.1、Claude Opus 5.5 掰手腕，可以看看它到底排在哪一档。

lmarena.ai@lmarena_ai11 个信源在谈原文

Simon Willison 用 Claude Opus 5.5 写了个能播放游戏的文本音乐播放器，曲子还真有点 Monkey Island 味道，玩法挺有意思。

Vals AI 派了 90 多个 Claude Opus 5.5 智能体做材料模拟，3 天找到两个磁性半导体候选，其中一个还是 1999 年就合成过的老材料。

kimmonismus@kimmonismus原文

Anthropic 新版 Sonnet 5.5 排名很猛，Chat 类第一，编码只差 GPT-6 两分还便宜 20%，就是单任务贵了七成。

lmarena.ai@lmarena_ai11 个信源在谈原文

Claude Opus 5 在会计测试中完胜人类，展示AI如何颠覆规则性职业。

rohanpaul_ai@rohanpaul_ai原文

Claude Opus 5.5 能用代码写音乐做动画，从作曲到渲染全自动化，创意编程新突破。

AI Will@FinanceYF5原文

Claude最新模型Opus 5.5超越GPT-6 Astra成为最强模型，分数差距很小。

官方账号Epoch AI@EpochAIResearch11 个信源在谈原文

GoogleDeepMind 新发布的 Gemini 4 Argon，成本比 GPT-6.1 和 Claude Opus 低很多，性能如何？

lmarena.ai@lmarena_ai11 个信源在谈原文

Google的Gemini 4 Argon在编程能力上有显著提升，代码基准测试超越主要竞争对手，还优化了内存使用和价格策略。

Blognone@mk11 个信源在谈原文

Google终于发布Gemini 4，百万token输出上限，多项基准测试领先，还能帮你写代码找漏洞。

berryxia@berryxia11 个信源在谈原文

谷歌新发布的Gemini 4 Argon在代码工程测试中超越Claude Opus，单次输出达百万tokens，适合处理大型项目。

Google新模型Gemini 4 Argon来了，性能接近OpenAI和Anthropic，价格更实惠但消耗更大。

官方账号Decoder@Matthias Bastian11 个信源在谈原文

Google新旗舰Gemini 4 Argon在法律领域大幅领先，输出限制达行业最高1M tokens，还优化了视频解码速度。

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

Google新模型Gemini 4 Argon在多项基准测试中击败对手，特别在编程和专业领域表现突出。

The Rundown AI@therundownai11 个信源在谈原文

OpenAI 新版 GPT-6.1 Sol 性价比飙升，性能接近 Astra 但只需五分之一价格，各领域排名全面上升。

lmarena.ai@lmarena_ai11 个信源在谈原文