谷歌发布 Gemini 4 Argon：18 项基准拿下 12 项第一，但终端操作落后
谷歌发布新一代旗舰模型 Gemini 4 Argon，采用公司迄今规模最大的预训练，在谷歌公布的 18 项基准测试中拿下 12 项第一、1 项并列第一，DeepSWE v1.1 得分 77.9%，Vals Index 得分 68.9%。
推荐理由：梳理了 Gemini 4 Argon 的基准成绩、短板与定价，并提示自报分数需结合独立评测看待。
#模型发布
#模型发布
今日 11 条钛媒体精选AI 评分8080 雷峰网AI 评分7171 阶跃星辰发布 Step 5 Preview，AA 智能指数 44 分位列全球开源前二
阶跃星辰发布 Step 5 Preview，在 Artificial Analysis Intelligence Index 上拿到 44 分，位列全球开源前二，输出速度 99.8 tokens/s，单个 Intelligence Index 任务成本 0.71 美元，支持 1M 上下文与 600B 参数。
Tom's HardwareAI 评分3636 开发者用单张 RTX 3080 Ti 训练小型 AI 玩《宝可梦 红》
开发者 stmonty 用单张 RTX 3080 Ti 从零训练约 1250 万参数的世界模型，让 AI 在《宝可梦 红》中自主选择初始宝可梦。该模型基于 LeCun 参与的 LeWorldModel 研究，用 42,382 张灰度帧训练，同一存档 100 次运行中 52 次成功拿到初始宝可梦，随机按键为 0 次。代码已以 lePokeRed 在 GitHub 开源，推荐使用 CUDA GPU。
Latent Space精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon，支持 100 万 token 输出
Google DeepMind 发布 Gemini 4 Argon，面向编码、企业知识工作与网络防御，先在 Fairwind 计划的政府用户和可信网络安全人员中开放，后续再向开发者、企业和消费者开放。
推荐理由：汇总了 Gemini 4 Argon 的基准、定价与第三方评测分歧，可对照其与 Astra、Opus 5.5 的能力与成本差异。
TechCrunch · AIAI 评分7272 Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布 Gemini 4 Argon，可处理编码、研究和写作等任务，并专门针对防御性网络安全训练，能自主发现、验证并修补关键软件漏洞。
The Decoder精选AI 评分8080 Google 发布 Gemini 4 Argon，缩小与 OpenAI、Anthropic 的差距但未取得明显领先
Google 发布新前沿模型 Gemini 4 Argon，先向 Fairwind 计划的“可信网络防御者”和内部团队开放，随后再面向开发者、企业和消费者，尚未给出具体日期。
推荐理由：梳理了 Gemini 4 Argon 的定价、上下文与多项独立评测表现，可据此判断它在前沿模型中的位置。
Android AuthorityAI 评分6262 Google 预告 Gemini 4 Argon，称其为迄今最强模型
Google 开始预告下一代前沿模型 Gemini 4 Argon，称其为公司迄今能力最强的 AI 模型，目前仅向极少数测试者开放，重点用于网络安全防御。Google 表示，待确认 Argon 足够稳健后，访问权限将逐步扩展到 Google AI Ultra 订阅用户。基准测试显示，Argon 在多种智能体任务上取得极具竞争力的成绩。
The Verge · AI精选AI 评分8282 Google 发布 Gemini 4 Argon，初期仅向可信网络安全人员开放
Google 发布新一代前沿模型 Gemini 4 Argon，称其在软件工程、法律金融等企业知识工作和网络安全防御等复杂工作流中具备前沿性能。该模型初期仅向一组可信网络安全人员开放，Google 表示正参与美国政府的前沿模型预发布访问流程，并将逐步扩大访问范围。
推荐理由：Google 发布 Gemini 4 Argon 并限制访问范围，读者可了解其能力定位与分阶段开放的安全考量。
Ars Technica · AIAI 评分3838 Google 发布 Gemini 4 Argon AI 模型，但暂不可用
Google 宣布 Gemini 4 Argon AI 模型，但目前用户无法使用。此前外界预期的 Gemini 3.5 Pro 并未出现。
Google DeepMind精选AI 评分8484 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御方开放，随后逐步向开发者、企业和消费者推出。
推荐理由：Gemini 4 Argon 公布输出上限、定价与多项基准成绩，可据此判断前沿模型在长程工程与安全防御上的能力边界。
9to5Google精选AI 评分8888 Google 发布新前沿模型 Gemini 4 Argon
Google 发布新前沿模型 Gemini 4 Argon，面向复杂长程工作流的深度推理，输出 token 上限从 64K 提升到 1M，并扩展了编码、推理和多模态能力。
推荐理由：Google 新前沿模型把输出上限提到 1M token，并给出编码、安全与内部落地数据，可据此判断长程推理的实用边界。
Simon WillisonAI 评分2020 GPT 6.1 Sol：以五分之一价格实现接近 Astra 的智能水平
Simon Willison 于 9 月 29 日发布博文，标题为 GPT 6.1 Sol: Near-Astra intelligence for a fifth of the price。该文被归入 OpenAI、生成式 AI、LLM 与 GPT 等标签，正文未披露模型参数、benchmark 分数或具体定价数字。
Hugging Face Blog精选AI 评分6262 NVIDIA 发布 Kumo Tabular 表格预测基础模型
NVIDIA 发布开源表格基础模型 Kumo Tabular，给定带标签的表格行，无需训练、调参和特征工程，单次前向即可预测新行的分类或回归结果。模型提供 28M 至 215M 三种参数规模，仅用人工合成表格预训练，采用 OpenMDW-1.1 许可可商用，在 TabArena、BeyondArena、TALENT 和 ScoringBench 四个基准上排名第一。
推荐理由：表格基础模型首次做到免训练免调参单次前向预测，读者可了解其架构设计与基准表现。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，官方称其面向编码、计算机操作和专业工作，具备接近 Astra 的智能水平。其标准 API 输入与输出 token 价格均为 Astra 的五分之一。
推荐理由：OpenAI 发布 GPT-6.1 Sol，官方给出与 Astra 的定位和价格对比，可据此判断其性价比取向。
Simon Willison精选AI 评分8282 Anthropic 发布 Claude Sonnet 5.5
Anthropic 发布 Claude Sonnet 5.5，官方称其运行速度提升 30% 以上、多数工作成本最多降低 30%，定价与 Sonnet 5 相同但在各项基准上均优于 Sonnet 5。
推荐理由：作者用同一提示词实测 Sonnet 5.5 的免费层表现，并给出与 Opus 5.5 的对比和成本数据。
AWS Machine Learning Blog精选AI 评分7070 Claude Sonnet 5.5 上线 Amazon Bedrock 与 Claude Platform on AWS
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为面向编码与知识工作的更高效 Sonnet 模型，多数任务单任务成本更低、速度更快。
推荐理由：官方给出了 Sonnet 5.5 在编码与文档任务上的能力变化、与 Opus 5.5 的分工以及 Bedrock 接入方式，便于判断适用场景。
Hugging Face Blog精选AI 评分7272 H 公司发布 Holo4 系列智能体模型，覆盖 GUI、代码、MCP 与 API
H 公司发布 Holo4 系列智能体模型，包含 27B dense 与 35B-A3B MoE 两个版本，同时推出 Holotron4 Nano。Holo4 可通过 GUI、代码、MCP 和 API 与软件交互，同一模型可运行在桌面、网页、Android、代码沙箱和企业 API 上。
推荐理由：Holo4 同时覆盖 GUI、代码、MCP 与 API 四种接口，并公开全部评测轨迹，可据此判断通用型 computer-use 智能体的成本与能力边界。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.8 Live with Live Avatar
Google DeepMind 发布 Gemini 3.8 Live with Live Avatar，在 Gemini 3.8 Live 基础上加入近实时视频生成，让对话模型具备能听、能看、能说的动态视觉形象，并已在 Gemini Enterprise 上线。
推荐理由：Gemini 3.8 Live 新增实时视频形象能力，读者可了解多模态对话在企业场景中的形态变化。
Hugging Face BlogAI 评分3838 Liquid AI 发布 LFM2.5-VL-DSpark 草稿模型，为 LFM2.5-VL-3B 加速
Liquid AI 发布实验性草稿模型 LFM2.5-VL-DSpark，为视觉语言模型 LFM2.5-VL-3B 加入投机解码路径，端侧解码最高提速 3.13x、H100 上最高 2.66x，端到端最高提升 2.62x 和 2.27x。
NVIDIA Developer BlogAI 评分3131 NVIDIA 推出 NV-Reason-CT Open 3D CT VLM，面向放射科医生链式推理
NVIDIA 发布 NV-Reason-CT Open，这是一款面向 3D CT 扫描的开放视觉语言模型，支持放射科医生的链式推理（Chain-of-Thought）。现有通用前沿模型在体数据成像上表现不佳，多数开放医学 AI 模型也缺乏相关能力，而 3D CT 这一临床信息最丰富、数据最密集的模态长期被现代 VLM 忽视。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS
Google DeepMind 发布 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，前者面向角色设计与深度创作控制，后者面向高并发、低成本的配音与语音智能体场景。
推荐理由：Google DeepMind 发布两款 TTS 模型，给出语音克隆、逐行导演与安全水印的具体能力，可据此判断语音生成工作流的变化。
Simon Willison精选AI 评分8888 Anthropic 发布 Claude Opus 5.5，OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna
Anthropic 发布 Claude Opus 5.5，约一小时后 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna。
推荐理由：作者实测了同日发布的四款新模型，并给出完整价格对比表，可据此判断这轮降价对应用成本的影响。
OpenAI News精选AI 评分7878 OpenAI 发布 GPT-6 Sol 与 Luna 两款模型
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，将前沿智能带入日常工作，并在能力与成本之间提供不同取舍。
推荐理由：OpenAI 发布 GPT-6 Sol 与 Luna 两款模型，读者可了解其在能力与成本上的不同定位。
OpenAI NewsAI 评分2222 Parallel 借助 GPT-6 Astra 将研究时间与成本减半
Parallel 的智能体借助 GPT-6 Astra 研究并综合劳动力市场数据，耗时和成本均降至此前模型的一半。
Simon WillisonAI 评分6262 TypeSafe AI 发布 Jev，推出只输出概率决策的 System One 模型
TypeSafe AI 发布 Jev，一种被称为 System One 或决策模型的新形态模型，输入文本后不返回文本，而是返回类别、是/否判断、评分及对应置信分数。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款实时语音对话模型，前者面向规模化与成本效率，后者面向高复杂度多步推理任务。
推荐理由：两款语音对话模型同时发布，给出基准成绩与开发者接入渠道，可据此判断语音智能体的可用性。
OpenAI News精选AI 评分8282 OpenAI 发布 GPT-6 Astra，面向企业工作场景
OpenAI 发布 GPT-6 Astra，称其为面向企业场景能力最强的模型，具备高级推理、电脑操作以及更强的写作与设计判断能力。
推荐理由：OpenAI 公布 GPT-6 Astra 面向企业场景的能力定位，可据此了解其推理与电脑操作方向。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 WeatherNext 3 全球天气预报模型
Google DeepMind 与 Google Research 发布 WeatherNext 3，称其为目前最先进、最准确的全球天气模型，可直接学习实时卫星观测数据，每小时生成一次预报。
推荐理由：WeatherNext 3 用实时卫星数据替代 NWP 训练源，读者可据此理解 AI 天气预报在分辨率与更新频率上的路线变化。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 Flash 和面向网络安全的 Gemini 3.8 Flash Cyber，前者在软件工程、智能体任务和多步推理上较 3.7 Flash 明显提升，价格保持每百万输入 token 0.75 美元、输出 token 3.75 美元。
推荐理由：Gemini 3.8 Flash 在编码与智能体任务上接近更贵的前沿模型，同时保持 3.7 Flash 的价格，可据此判断性价比取舍。
Microsoft ResearchAI 评分4242 微软发布 GigaPath-Flash 与 GigaTIME-Flash 病理基础模型
微软研究院推出 GigaPath-Flash 与 GigaTIME-Flash，以蒸馏 ViT-S 骨干替代原十亿参数编码器，在约 50 倍算力下性能接近原版 GigaPath（差距 3% 以内）。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Omni 1.1 Flash
Google DeepMind 发布 Gemini Omni 1.1 Flash，通过 Gemini API 在 Google AI Studio 提供面向开发者的生成视频能力。
推荐理由：原文列出场景延长、首尾帧插值与 4K 放大等具体能力及 API 入口，可据此判断生成视频工作流的可控性变化。
NVIDIA Developer Blog精选AI 评分6262 阿里发布 Qwen3.8-Flash-Next 权重，预览 Qwen4 架构
阿里发布 Qwen3.8-Flash-Next 的模型权重，作为即将推出的 Qwen4 架构预览，供开发者实验和评估。该模型是多模态 MoE 模型，主模型 125B 参数，另有 51B N-gram 嵌入向量，每 token 激活 6B 参数，原生上下文窗口 262,144 token，可扩展至 1M token。NVIDIA 开发者博客介绍了在 GB300 NVL72 上针对智能体编码的实验。
推荐理由：阿里开放 Qwen3.8-Flash-Next 权重供开发者试用，可据此了解 Qwen4 架构预览版的 MoE 规格与长上下文能力。
Google DeepMind精选AI 评分6666 Google DeepMind 发布 Gemini 3.5 Transcribe 语音转写模型
Google DeepMind 发布 Gemini 3.5 Transcribe，称其为目前最精确的语音转文字模型，可直接把原始音频转成准确、格式化后的文本。
推荐理由：Gemini 3.5 Transcribe 给出了 WER、延迟与多语言数据，读者可据此判断语音转写在实际产品中的可用程度。
NVIDIA Developer Blog精选AI 评分6262 NVIDIA AVO 在 ARC-AGI-3 上达到 100%
NVIDIA 宣布其 AVO 在 ARC-AGI-3 上达到 100%，称其展示了面向长时程自主智能体的前沿级通用架构。文章指出前沿语言模型只是 AI 智能体的一部分，外围的 harness 决定模型如何接收上下文、使用工具、维持状态、响应反馈、从失败中恢复并在长任务中保持进展。
推荐理由：NVIDIA 公布 AVO 在 ARC-AGI-3 上的成绩，读者可了解其面向长时程自主智能体的架构思路。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.7 Flash，面向编码与智能体
Google DeepMind 发布 Gemini 3.7 Flash，称其为面向编码和智能体最强的主力模型，距 Gemini 3.6 Flash 发布仅三周。
推荐理由：Gemini 3.7 Flash 在编码与智能体任务上的基准提升和半价定价，可供开发者评估迁移成本。
Google DeepMind精选AI 评分7474 Google DeepMind 发布 SL2T 手语转文本模型，率先落地 Pixel 11 的 Gboard 与 Live Transcribe
Google DeepMind 发布多语种手语转文本模型 SL2T，在 Pixel 11 的 Gboard 和 Live Transcribe 中提供手语听写功能，首发支持美国手语（ASL）转英文，后续将扩展更多设备与语言。
推荐理由：SL2T 把多语种手语翻译模型落到 Gboard 与 Live Transcribe，读者可了解其数据规模、隐私设计与基准表现。
Google DeepMind精选AI 评分8383 Google DeepMind 开源 WeatherNext 气旋预测模型
Google DeepMind 发布 WeatherNext AI 模型，在预测气旋路径、强度和风场结构上达到 SOTA，平均为预报员多争取约一天的预警时间，三天预报精度相当于此前模型的两天水平。
推荐理由：WeatherNext 在气旋路径与强度预测上多出约一天预警时间，并开源模型权重，读者可据此判断 AI 天气预报的可用边界。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini Robotics ER 2 具身推理模型
Google DeepMind 发布面向机器人的具身推理模型 Gemini Robotics ER 2，可作为机器人的高层大脑，理解物理世界、规划多步任务并把动作执行交给底层 VLA 模型，还能原生调用 Google Search 等工具。
推荐理由：官方给出 Gemini Robotics ER 2 在进度分类、时刻定位与多机器人协作上的具体指标，可据此判断具身推理模型的当前水位。
Google DeepMindAI 评分5858 Google DeepMind 在 Flow Music 发布 Lyria 3.5 音乐生成模型
Google DeepMind 发布新一代音乐生成模型 Lyria 3.5，并已在 Google Flow Music 上线。官方称其在音乐性、歌词、人声和创作控制四方面均有提升，包括更复杂自然的旋律结构、更高的提示词遵循度与结构感知、更具情感和发音更准的人声，以及对节奏和时长的更便捷控制。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini Robotics 2，为机器人带来全身智能
Google DeepMind 发布 Gemini Robotics 2，作为新一代机器人的智能层，解锁全身控制、高级灵巧操作和多机器人协作。
推荐理由：Google DeepMind 发布 Gemini Robotics 2 系列模型，读者可了解机器人在全身控制、灵巧操作与多机协作上的能力边界。