Chinese contentGoogle 发布 Gemini 4 Carbon 预览版，主打网络安全长程编码
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。
Latest
Every published item, in order · 215 items
Oct 29
Chinese contentGemini 4 Carbon 登顶 Artificial Analysis 指数，超越 Opus 5.5 与 GPT-6 Astra
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。
Oct 28
Chinese contentGoogle 发布 Gemini 4 Argon，输出上限达 100 万 token
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。
Chinese contentArtificial Analysis Intelligence Index v5 上线，Claude Opus 5.5 以 58 分居首
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。
Chinese content谷歌更新 Android Bench：Gemini 4 Argon 编程成绩落后 Claude 与 GPT
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。
IT之家Source
Chinese contentGoogle DeepMind 发布 Genie 4：一句话生成带声音和对话的可交互 3D 世界
Google DeepMind 的 Genie 4 一句话就能生成能走进去的 3D 世界，声音和对话也一起生成，不用后期配音，做游戏原型和机器人训练的可以关注。
Chinese contentDeepMind 发布 Genie 4，可搭配 Gemini 3.8 Flash 分步验证任务
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。
Oct 27
Chinese contentGemini 4 Argon 在新 CS 研究基准上超越 GPT-6 Astra
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。
Artificial Analysis launches Code2Video-AA video benchmark
The 300x spread in cost per task means the ranking alone is misleading: GPT-6.1 Sol delivers fourth place at 90% less cost than the leader, which changes which model is actually practical for batch video generation. Teams building automated marketing video pipelines can use the five-axis Elo breakdown to match models to their budget and quality needs, and the open-weights results give a concrete quality gap for self-hosting comparisons.
Oct 24
Chinese contentMoonshot 发布 Kimi K3.1 Pro，11 月 4 日开源权重
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。
Oct 23
AA-PersonalityBench links model slop to intelligence gaps
Slop output is only loosely tied to raw capability, so model selection for writing or content pipelines should weigh the Slop ranking separately from the Intelligence Index. Teams building customer-facing copy or summarisation tools can use these two scores as a joint filter instead of assuming a smarter model reads better. Qwen3.8 Max ranking high on both lists is a useful data point when weighing it against Gemini 4 Argon or GPT-6 variants.
Oct 22
Chinese contentGPT-5.6 Sol 与 Gemini 4 Argon 各自发现同一 PHP 高危漏洞
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。
Chinese contentGemini 4 Argon 72小时处理25万亿tokens，每秒约9600万
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。
Oct 21
Chinese contentGemini 4 Argon 上线 72 小时处理近 25 万亿 tokens
Google 说 Gemini 4 Argon 头 72 小时跑了近 25 万亿 tokens，是 Gemini 3 的 3 倍，看看这个用量什么水平。
Chinese contentGoogle 开发代号 Gemini 4 Carbon 的新模型，接续 Argon
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。
Oct 20
Kaggle launches Human Behavior Bench for predicting human decisions
A 94.1% score above the human noise ceiling suggests behavioural-simulation systems like Engram 1.0 can outperform frontier LLMs at modelling subgroups, not just answer questions. Product and research teams building personalisation, market research or user modelling tools now have a public baseline to test against. The 601 private cases make leaderboard gaming harder, so results should hold up better than fully public benchmarks.
Chinese contentMeta Muse Wonder 两款模型实测：与 Claude、GPT-6.1、Gemini 4 正面对比
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。
Chinese contentThe Information：Anthropic 准备新模型，更会揣摩用户没说出口的意图
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。
Chinese contentMeta Muse Wonder Full (Max) 登上 Code Arena: WebDev 榜单第 6 名
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。
Oct 19
Chinese contentGemini 4 Argon 四个智能体27小时通关Minecraft
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。
Chinese content四个 Gemini 4 Argon 智能体 27 小时自主通关《我的世界》
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。
IT之家Source
Chinese contentThe Information：Anthropic 将于本月发布新模型
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。
Chinese contentMuse Wonder Full 与 Gemini 4 Argon 在 CancerBench 上均得零分
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。
Oct 18
Chinese content四个 Gemini 4 Argon 智能体全自动通关 Minecraft
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。
Oct 17
DeepSeek-V4.1-Flash-1017 replaces Gemini 4.1 Flash on RSS site
A real-world swap test between DeepSeek's latest flash model and Google's 4.1 Flash on a production translation pipeline, with thinking intensity set to High as the variable. Developers running cheap bulk-translation or summarisation workloads can copy this setup to benchmark latency, output length and quality on their own content. Those already using DeepSeek Harness should update to v0.2.1-rc.1 before adopting the new model.
Chinese content10月17日AI简报：DeepSeek、OpenAI、Google、NVIDIA 多家模型与产品更新
DeepSeek 开源了推理更强的 V4.1-Flash-1017，Perplexity 也开源了两款决策模型，程序员和折腾党今天能下载的好东西不少。
Chinese contentAgent Arena 周榜：Gemini 4 Argon 升至第 5，MiMo V2.6 Pro 居开源第一
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。
Chinese content四个 Gemini 4 Argon 智能体 27 小时通关 Minecraft 击败末影龙
DeepMind 放了 4 个 Gemini 4 Argon 进 Minecraft，27 小时写 2783 个程序自己把末影龙打了，协作细节挺值得看看。
Oct 16
Chinese contentGoogle 的 Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，仅次于 OpenAI
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。
Chinese contentGemini 4 Argon 创 WANDR 纪录，已登陆 Perplexity
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。
Chinese contentClaude Opus 5.5、Gemini 4 Argon、GPT-6 Astra 同题重建游戏视觉引擎
同一款游戏视觉引擎让三款顶级模型分别重写，谁更会做游戏一眼能对比，结果都贴出来了。
Chinese contentGemini 4 Argon 与 Muse Wonder 比拼 3D 建模，还原变形金刚大黄蜂
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。
Chinese contentGoogle 推出 Gemini 4 Argon，想让机器人只需一个模型
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。
Chinese contentGemini 4 Argon 在 ARC-AGI-3 拿下 97.5%
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。
Oct 15
Gemini 4 Argon scores 165 on Epoch Capabilities Index
The gap between Google and the ECI frontier has narrowed to 2 points, putting Gemini back in competitive range after months of lag. Teams choosing models for hard reasoning or agentic workloads now have a four-way race to benchmark on their own tasks rather than defaulting to a single leader. Comparable scores across Opus 5.5, GPT-6 Astra and Argon suggest provider switching costs are lower than vendor benchmarks imply.
Chinese content阶跃星辰开源 Step-5-Preview：600B 参数、100 万上下文
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。
Chinese contentGemini 4 Argon 正式 GA，此前基准测试结论获独立验证
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。
Chinese contentMeta Muse Wonder (Max) 登上 Agent Arena 第 12 名，成本为前代 2.1 倍
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。
Chinese contentOpus 5.5 与 Gemini 4 Argon 各生成一段视频，你能分清吗？
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。