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。
Latest
Every published item, in order · 233 items
Oct 27
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.
Chinese contentGoogle DeepMind：4个通用编程智能体自主通关 Minecraft
DeepMind 让 4 个编程智能体自己分工、写了 2783 个程序，27 小时打死末影龙，全程没人帮忙，思路挺有意思。
Oct 25
Chinese content用一句话让 Gemini 4 Argon 生成 HTML 版 PPT，实测效果最好
实测发现让 Argon 生成 html 版 PPT 特别好用，说一句"html 版 ppt"就行，比 Opus 5.5 内容更满，比 GPT-6.1 强多了
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 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。
Chinese contentAA-PersonalityBench：Gemini 系列模型自信度最高、最不愿承认不确定
Artificial Analysis 测了各家模型的性格：Gemini 全家自信度爆表，几乎从不说"我不确定"，分数都列出来了。
Oct 21
Chinese contentGemini 4 Argon 一句话生成本地开源健康 AI 应用
有人用 Gemini 4 Argon 生成了一个离线健康问答应用，底层跑 Gemma，飞行模式都能用，想试一键生成 app 可以照着做。
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 contentGemini 4 Argon 在 Antigravity 中配额异常：0% 显示却提示 10 月 25 日才重置
有 Antigravity 的朋友注意了，Gemini 4 Argon 的周配额好像算错了，有人等了一周重置连一条消息都发不出，你遇到了吗？
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 contentFable 5.5、Gemini 4 Carbon、GPT-6.1 Terra 传闻本月发布
一条 rumor 汇总帖，把 Fable 5.5、GPT-6.1 Terra 这些流传中的模型名都列了，看个乐就行，别当真。
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 content传闻：Google 开发 Gemini 4 Carbon，OpenAI 筹备 Terra 模型
两条未证实的传闻：Google 在搞 Gemini 4 Carbon 升级 Argon，OpenAI 要发比 GPT-6.1 Sol 便宜的 Terra，看看就好。
Chinese contentGemini 团队用 Gemini 4 Argon 和 Google Antigravity 从零做出 3D 巫师国际象棋
Google 用 Gemini 4 Argon 加多智能体操作 Blender，直接从想法做出能玩的 3D 国际象棋，这个工作流挺值得抄。
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 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 17
Chinese contentGemini Pro 用户可在 AI Studio 使用 Gemini 4 Argon
Google 给 Gemini Pro 订阅用户放开了 Gemini 4 Argon，APP、AI Studio、Antigravity 都能用，就是额度给得抠。
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 contentKaggle 推出 SVG 鹈鹕骑车测试，GPT-6 Astra 暂居榜首
Kaggle 把 Simon Willison 的鹈鹕骑车测试做成了人气投票，各模型画 SVG 让人打分，现在 GPT-6 Astra 排第一，Gemini 4 Argon 咬得很紧，去看看各家画得有多离谱。
Chinese content用 Gemini 4 Argon 给特斯拉 Roadster 做出飞行跑酷游戏
有人拿 Gemini 4 Argon 复刻了个 Subway Surfers，主角换成飞行版特斯拉 Roadster，代码都开源了，可以去玩玩。
Chinese content从 Gemini 4 Argon 的 Minecraft 实验看模型持久性能力
四个 AI 智能体没分工却在 Minecraft 里熬了 27 小时、死了 605 次通关，这篇分析讲了为什么持久性比聪明更关键。
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 contentGemini 4 智能体团队协作通关 Minecraft 论文解读
Ethan Mollick 分享的一篇论文，用 Gemini 4 智能体组队打 Minecraft，看 AI 怎么自发分工，跟人类协作思路还挺不一样。
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。
Chinese contentGoogle AI Studio Build 上线 Pan 和 Max 两种模式
Google AI Studio 的 Build 加了 Max 和 Plan 两个模式，一个跑得更久出更好结果，一个先出计划再改代码，写应用更省心。
Oct 16
Chinese contentGemini 4 Argon 登顶 WANDR 基准，已上线 Perplexity
Google 的 Gemini 4 Argon 刷了 WANDR 纪录，Perplexity 的 Pro 和 Max 用户现在搜索和 agent 模式都能直接用上。
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 contentGoogle DeepMind：四个 Gemini 4 Argon 智能体 27 小时通关 Minecraft
DeepMind 让四个 Gemini 4 Argon 智能体自己分工写代码，27 小时通关 Minecraft，做长任务智能体的可以看看这套协作机制。
Chinese content基于 Gemini 4 Argon 构建的项目现已 100% 开源
用 Gemini 4 Argon 在 Antigravity 里做的项目直接开源了，代码在 GitHub 上，Pro 用户现在也能用这个模型，可以拿来看看怎么搭。
Chinese contentClaude Haiku 5.5 降价 90%，微软发布决策模型 Decision-1
这期周报把几条定价信息都列清楚了：Haiku 5.5 便宜九成，Decision-1 输出还免费，做路由分类的可以对比下。
Chinese contentAntigravity 向付费 Google AI Pro 用户开放 Gemini 4 Argon
Google 给 Antigravity 的 Pro 付费用户上了 Gemini 4 Argon，额度按周算还和 3.8 Flash 分开，用编程工具的可以看看自己能不能用上。
Chinese contentGemini 4 Argon 上线 Antigravity，Pro 订阅者可用独立周配额
Google 把 Gemini 4 Argon 接进 Antigravity 了，Pro 订阅用户每周有独立配额，不占 Flash 的额度，写代码的可以试试。
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 向 Google AI Pro 订阅者推送，Antigravity 配独立周额度
Google 把 Gemini 4 Argon 推给 AI Pro 用户了，就在 Antigravity 里用，还单独给了一块每周额度，写代码的朋友可以看看自己有没有收到。