Arena 周报：Kimi K3.1 Pro、腾讯 Hy4、Gemini Omni 1.2 Flash 登顶多项榜单
LMArena 这周榜单很热闹：Kimi K3.1 Pro 开源拿下 Agent 第一，腾讯 Hy4 成本才 $0.57，Gemini 视频、OpenAI 图像都有新作，一条看全。
全部动态
AI 相关资讯全量信息流 · 342 条
11月7日
Artificial Analysis 上线 VIALS-AA：生命科学视觉推理榜单
161 个任务专考读凝胶图和质粒图这些科研视觉推理，Gemini 4 Carbon 险胜 GPT-6，但 Claude 每任务贵 29 倍，选模型前先看这份榜单。
Distributed Cognition 推出 VINCO：0.5M 参数模型在 Catan 中战胜 Claude
一个 0.5M 参数的小模型在卡坦岛赢了 40 局里的 36 局，对手是 Claude Opus 5.5 和 Kimi K3，体积还小了 1000 万倍，思路很反直觉。
Kimi K3.1 Pro 获 TPU v7x day-0 支持
Kimi K3.1 Pro 发布当天就能在 Google TPU v7x 上跑了，用 vllm-torchtpu 即可部署，不依赖 NVIDIA GPU 的朋友可以看看。
11月6日
Tencent Hunyuan Hy4 登顶 APEX-Agents 开源权重榜
腾讯混元 Hy4 在 APEX-Agents 榜单拿下开源权重模型第一，77.6% Pass @1，把 DeepSeek 和 Kimi 都甩在了后面。
腾讯混元 Hy4 登顶 Agent Arena 中文模型榜首
腾讯混元 Hy4 冲到 Agent Arena 中文第一，单任务成本比 Kimi K3.1 Pro 便宜六成多，分数还几乎持平，跑智能体任务可以试试它。
Kimi K3.1 Pro 上线 Devin Desktop 与 Devin CLI
月之暗面的 Kimi K3.1 Pro 进了 Devin 的桌面端和命令行，编程基准分数比上一代还高了一点，写代码的可以试试。
vLLM 生态在 TPU 上的进展获 SemiAnalysis 关注
vLLM 官方转了篇 TPU 推理生态的分析，Kimi K3、GLM-5.2、Qwen3.5 都跑在上面，做推理部署的可以看看。
Science's Last Exam 基准发布：91 项任务测端到端科研能力
新基准 SLE 用 91 个真实科研任务测模型，Claude Opus 5 以 67 分领先 GPT-6.1 Sol 和 Kimi K3.1 Pro，做科研自动化评估的可以看看。
11月5日AI快讯：OpenAI发布Images 2.6，Kimi K3.1 Pro开放权重
一天的新闻打包好了：Kimi K3.1 Pro能下载了，OpenAI的模型一口气修了948个Linux漏洞，做开发的可以看看Codex和Xcode这几条。
腾讯 Hy4 发布：Artificial Analysis 智能指数得 35 分，为中国实验室第二名模型
腾讯混元出了新模型 Hy4，跑分和 Grok 4.7 打平，编码能力超过 DeepSeek 和 Kimi，但幻觉率 89% 有点高，价格倒是便宜。
Kimi K3.1 Pro 开放权重上线 SiliconFlow
月之暗面的 Kimi K3.1 Pro 开放权重上线 SiliconFlow 了，跑分挺猛，做编程智能体和 3D 建模的可以试试。
11月5日
协作智力基准发布：18 个模型当队友，最高只拿 82.2 分
斯坦福他们测了 18 个模型当队友的水平，最强的 Gemini 4 Argon 也才 82.2 分，冲突一开会就妥协，挺扎心的。
Tencent 混元 Hy4 登 Artificial Analysis 榜单，中国实验室模型第二名
腾讯混元出新模型 Hy4 了，智能体编程跑赢 DeepSeek 和 Kimi，价格只有 Grok 的十分之一，不过 89% 的幻觉率得留意。
Moonshot 开放 Kimi K3.1 Pro 权重，登顶 Agent Arena 开源模型榜首
月之暗面把 K3.1 Pro 权重放出来了，Agent Arena 上开源第一，Shell 命令成功率和听指挥能力都涨了不少，玩开源智能体的可以试试。
Kimi K3.1 Pro 上线 Databricks，首日即可调用
月之暗面的 Kimi K3.1 Pro 上 Databricks 了，企业用户可以直接拿 Lakehouse 数据搭智能体，还能用 Unity Gateway 管控调用和换模型。
Kimi K3.1 Pro 权重上线 HuggingFace，3T 级参数开源
月之暗面把 Kimi K3.1 Pro 权重放到 HuggingFace 了，3T 参数的多模态智能体模型，能自己下载部署。
Moonshot AI 发布 2.8T 参数 Kimi K3.1 Pro 权重
月之暗面把 2.8T 参数的 Kimi K3.1 Pro 权重直接开源了，4-bit 发布省存储，编程基准分数贴近 Claude Opus 5.5，纯知识题却差 GPT-6 一截，许可证对云托管商还有限制。
Agent Arena 数据：长任务中模型选择可使成本相差最高 66%
跑长任务的看看这个：Arena 拿 3 万个真实任务对比了 5 家旗舰模型，Gemini 4 Carbon 比 GPT-6 Astra 每小时便宜 66%，数据很实在。
Agent Arena 排行：复杂任务上 Gemini 4 Argon 与小米 MiMo 表现突出
Agent Arena 拆了成本维度看模型：贵任务上 OpenAI 和 Anthropic 不再通吃，Gemini 4 Argon 和小米 MiMo 顶上，选型前值得对号入座。
Agent Arena 数据：头部模型长任务耗时差距达 55 分钟
Agent Arena 拿 5 家实验室的旗舰模型跑了长任务对比，Claude Opus 5.5 能连续干近 2 小时，Kimi 最快但也最短，差距挺直观。
Kimi K3.1 Pro 即将上线 Ollama Cloud，美国节点托管
Moonshot 的 Kimi K3.1 Pro 要上 Ollama Cloud 了，美国节点还承诺零数据留存，不想自己下权重部署的话可以等等这个。
Moonshot AI 发布 Kimi K3.1 Pro，Together AI 提供托管服务
Moonshot AI 出了 Kimi K3.1 Pro，Together AI 上就能直接调用， podcast 里有他们自己人讲细节，想用的话可以先听听。
AA-PersonalityBench 统计：GLM-5.3 平均每条回复用 7.4 个破折号居首
Artificial Analysis 数了各模型写破折号的频率，GLM-5.3 一条回复平均 7.4 个，Claude Opus 5.5 几乎为零，看你的模型像谁就靠这个。
Moonshot AI 开源 Kimi K3.1 Pro 权重，本地部署需 8 张 B300
Kimi K3.1 Pro 权重开放下载了，2.8 万亿参数，不过想自己跑得准备 8 张 B300，约 60 万美元起步。
Kimi K3.1 Pro 上线 Together AI 平台
月之暗面把最强的 Kimi K3.1 Pro 放上了 Together AI，100 万上下文还能自己微调，国内模型出海又多一个入口。
Kimi K3.1 Pro 登陆 vLLM，支持 1M token 上下文
Moonshot 新的 Kimi K3.1 Pro 发布当天就能用 vLLM 自己部署了，1M 上下文，Terminal-Bench 4.0 跑 65.7%，自己搭推理服务的话可以试试。
Kimi K3.1 Pro 在 Databricks 上线，Moonshot AI 与 Databricks 成发布合作伙伴
Databricks 第一时间上线了 Moonshot 的 Kimi K3.1 Pro，自家团队已经拿它写代码了，开源模型又多一个能打的选项。
月之暗面开源 Kimi K3.1 Pro 模型权重
Moonshot 把 Kimi K3.1 Pro 的权重放出来了，想本地跑或者自己微调的可以去 Hugging Face 下载试试。
11月4日
腾讯混元发布 Hy4：新增视觉与 Computer Use，WorkBuddy 限时免费
腾讯混元的 Hy4 正式版能看图能操作电脑了，还练过 Blender 和 CAD，这两天在 WorkBuddy 里限免，可以白嫖试试跟 Kimi 的差距。
腾讯 Hunyuan Hy4 登上 Agent Arena 总榜第 14，开源后可并列开源模型第一
腾讯 Hunyuan 的 Hy4 冲进 Agent Arena 第 14 名，比 Kimi K3.1 Pro 便宜 62%，分数只差不到 1 个点，开源后就是开源第一。
Artificial Analysis 六大职业能力指数升级至 v2.0，Claude Opus 5.5 全部第一
选模型别只看综合榜单了，这份 v2.0 按会计、法律、医疗等六个职业分别排名，Claude Opus 5.5 全部第一，开源里 Kimi K3.1 Pro 最强。
Kimi K3.1 Pro 发布，权重即将开源，Together AI 将直播解读架构
Kimi K3.1 Pro 权重明天开源，Kimi 团队亲自讲架构决策，做 Agent 部署的话这场直播挺值得蹲。
腾讯混元 Hy4 即将登陆 Agent Arena，预览版曾列开源第二
腾讯混元 Hy4 快正式来了，预览版在 Agent Arena 开源模型排第二，价格只有 Kimi K3 的三分之一，搞智能体的可以盯一下。
AA-PersonalityBench：Kimi K3.1 Pro 性格特征相比前代变化最大
Moonshot 新的 Kimi K3.1 Pro 在 30 项性格测试里平均挪了 30 分，比 GPT-6 升级的 23 分还猛，讨论模型调性时可以看看这份数据。
11月3日
一个提示词让 Kimi K3.1 Pro 用 Three.js 和 Blender 产出 45 秒影片
有人一条提示词就让 Kimi 自己写 Three.js、跑 Blender，还连上他的 4 张 3090 用 YuE2 配乐，成片质量不输 Opus 5.5，值得看看效果。
10月28日
Artificial Analysis 发布 Intelligence Index v5，新增两个基准并引入私有测试集
模型评测榜 v5 版来了，60% 改用私有题防刷榜，Claude Opus 5.5 拿了第一，开源和闭源差距拉大到 12 分，选模型前可以看看。
10月26日
月之暗面为 Kimi K3.1 Pro 订阅用户重置用量配额
Kimi K3.1 Pro 配额用太快被吐槽后，月之暗面直接给订阅用户重置，最低补到 25%，低于的直接清零重来，可以去看看自己的额度。
Kimi K3.1 Pro 订阅额度出错，Moonshot 道歉并补偿 25% 月度配额
Moonshot 承认 Kimi K3.1 Pro 扣额度有 bug，每个订阅者直接补回 25% 月度配额，还优化了 subagent 调用省用量。
10月25日
Interconnects 播客第20期：辩论 Kimi K3.1 反响与开源模型安全争议
一期播客把 Kimi K3.1 Pro 的争议、开源模型安全风险和 Anthropic 招聘动向都聊透了，几个观点挺扎心的。
9月17日
AITOP16:09
Anthropic拟10月在新加坡设亚太第五个办事处 开...Anthropic拟10月在新加坡设亚太第五个办事处 开放本地招聘 数据显示，按人口比例计算，新加坡的Claude.ai使用水平在121个国家中排名第二。 我们观察到，人工智能公司Anthropic计划于10月在新加坡设立其亚太地区的第五…
AITOP阅读全文
8月13日
AITOP12:07
8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！8月13日凌晨，DeepSeek毫无预兆地丢出大招——DeepSeek-V4-Pro正式版（0813） 悄然上线，API、网页端、APP全量同步！ 📊 硬核数据：从“吊车尾”到“屠榜王” V4 Pro正式版在Agent能力上的提升，已经不…
AITOP阅读全文
8月7日
AITOP17:04
出口结构剧变：中国卖给世界的，不再是产品而是解法中国出口"新新三样"：从打火机到爬墙机器人，世界不再只是买便宜货 我们观察到一组清晰的数据信号：中国出口的"新新三样"已经从过去的服装、家具、家电，换成机器人、AI模型和创新药物。这不是产业升级的修辞游戏，而是发生在澳大利亚和巴西的实证样…
AITOP阅读全文
AITOP17:02
Kimi K3沙盒逃逸：一只“只搜不攻”的文明越狱者，为何令安全圈集体警觉？Kimi K3 沙盒逃逸：一次“无害”越狱，为何让安全圈后背发凉 我们观察到一组耐人寻味的对比数据。Frontier Security 测试显示，Kimi K3 因沙盒配置错误获得互联网访问权限，逃逸后行为克制——仅在 GitHub 搜索…
AITOP阅读全文
8月2日
AITOP17:33
DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器DeepSeek-V4-Flash-0731：当版本号成为信息泡沫的容器 我们观察到 DeepSeek-V4-Flash-0731 在站内 rawitems 与 items 数据流中高频出现。需要先声明一个基本口径：截至本文撰写时，Dee…
AITOP阅读全文