Claude Sonnet 5.5 以 xHigh 推理进入 Code Arena WebDev 榜单第 3
Claude Sonnet 5.5 以 xHigh 推理模式进入 Code Arena: WebDev，得分 1786 分排名第 3，混合价格 $8/M tokens。
全部AI 动态
全部动态
X：Arena (@arena)AI 评分 X：Arena (@arena)精选AI 评分 小米 MiMo-V2.6-Pro 与 MiMo-V2.6-Flash 进入 Agent Arena 榜单
小米 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 进入 Agent Arena，Pro 在开源模型中排名第 5，在 8.1K+ 真实智能体会话中净提升 +3.17%，较 MiMo-V2.5-Pro 的第 13 名提升 9 位、提高 10.4 个百分点。
推荐理由：Agent Arena 的实测排名与成本数据，可用来对比 MiMo-V2.6 两个版本在真实智能体会话中的表现差异。
X：Arena (@arena)AI 评分 Arena 周报：GPT-6.1 Sol、Sonnet 5.5、Gemini 4 Argon 与 MiMo-V2.6 上榜
Arena 发布本周榜单更新，四款新模型改变了 Text、Code 和 Agent Arena 的帕累托前沿。
X：Arena (@arena)AI 评分 Claude Sonnet 5.5 在 Agent Arena 排第 3，WebDev 榜单位列第 3
Arena 公布 Claude Sonnet 5.5（Max）首次进入 Agent Arena 即排名第 3，净提升 +12.5%，比排名第 13 的 Claude Sonnet 5（High，+4.4%）高出 8.1 个百分点；在 Chat 分类中以 +15.6% 位列第 1，高于 Fable 5.1（+11.49%）和 Opus 5.5（+10.29%）。
X：Arena (@arena)精选AI 评分 Claude Sonnet 5.5 在 Agent Arena 排名第 3，Code Arena 第 3
Arena 公布 Claude Sonnet 5.5 (Max) 在 Agent Arena 首次上榜即排名第 3，净提升 +12.5%，比排名第 13 的 Claude Sonnet 5 (High) 高出 8.1 个百分点。
推荐理由：榜单给出了 Claude Sonnet 5.5 在 Agent Arena 与 Code Arena 的排名、分数和每任务成本，可据此比较它与 Opus 5.5、GPT-6 Astra 的性价比。
X：Arena (@arena)AI 评分 Claude Sonnet 5.5 在 Agent Arena 排名第 3，单任务成本 2.74 美元
Anthropic 的 Claude Sonnet 5.5（Max）在 Agent Arena 首次上榜即位列第 3，净提升 +12.5%，比排名第 13 的 Claude Sonnet 5（High，+4.4%）高出 8.1 个百分点。
X：fal (@fal)AI 评分 Tavus 发布 Griffin，称首个通过视频图灵测试的模型
Tavus 发布 Griffin，称其为首个通过视频图灵测试的模型，48% 的实时对话者认为它是真人，而此前系统的通过率低于 3%。该模型在 NVIDIA 的全双工 AI 视频基准上排名第一，并被称作首个 Human Interaction Model（HIM）。
X：fal (@fal)AI 评分 Grok Imagine Video 1.5 Lite 上线 fal，支持文生视频与图生视频
xAI 的 Grok Imagine Video 1.5 Lite 已在 fal 上线，这是 Grok Imagine 视频家族中的轻量级模型，支持文生视频和图生视频并带原生音频。该模型可生成 1 至 15 秒、480p/720p/1080p 分辨率的视频，覆盖从 16:9 到 9:16 的 7 种宽高比。
X：fal (@fal)AI 评分 Grok Imagine Video 1.5 Lite 上线 fal，支持原生音频与 1080p 输出
Grok Imagine Video 1.5 Lite 已在 fal 上线，是 Grok Imagine 视频家族中的轻量级模型。它支持文生视频与图生视频，可生成 1 至 15 秒、带原生音频的视频，输出 480p、720p 和 1080p，覆盖从 16:9 到 9:16 的 7 种宽高比。
X：OpenRouter (@OpenRouter)AI 评分 微软 MAI-Voice-2.1-Flash 上线 OpenRouter，150ms 生成 45 秒音频
微软 AI 的 MAI-Voice-2.1-Flash 已在 OpenRouter 上线，这是一款面向实时响应的低延迟文本转语音模型。官方称其可在 150ms 内生成 45 秒音频，同一音色可用 23 种语言说话并保持母语口音，定价为每 100 万字符 15 美元，面向语音智能体、助手和呼叫中心等实时场景。
X：OpenRouter (@OpenRouter)AI 评分 微软 MAI-Voice-2.1 语音模型上线 OpenRouter
微软 AI 的 MAI-Voice-2.1 已在 OpenRouter 上线，官方称其为 MAI 迄今保真度和表现力最高的文本转语音模型。该模型支持同一音色以 23 种语言说话并保持母语口音，定价为每 100 万字符 22 美元，面向有声书、播客、旁白和品牌音频场景。
X：OpenRouter (@OpenRouter)精选AI 评分 Black Forest Labs 的 FLUX 3 Image 上线 OpenRouter
Black Forest Labs 的新旗舰图像模型 FLUX 3 Image 已在 OpenRouter 上线，支持文生图与多参考图编辑，原生渲染最高 4K。
推荐理由：FLUX 3 Image 在 OpenRouter 上线，给出多参考图编辑、4K 输出与按分辨率计费的具体价格，可据此评估图像生成成本。
X：OpenRouter (@OpenRouter)精选AI 评分 Black Forest Labs 的 FLUX 3 Image 上线 OpenRouter
Black Forest Labs 的新旗舰图像模型 FLUX 3 Image 已在 OpenRouter 上线，支持文生图和多参考图编辑，原生渲染最高 4K。
推荐理由：FLUX 3 Image 在 OpenRouter 上线，给出了多参考图编辑、4K 生成与按分辨率计费的具体信息。
X：Elvis Saravia (@omarsar0, DAIR.AI)AI 评分 Tavus 预览 Human Interaction Model Griffin：能看、能听、能发声、能像人一样呈现
Tavus 预览了其最新模型 Griffin，一款能看、能听、能发声并像人一样呈现的 Human Interaction Model，目前尚未公开可用，此次仅为有限的研究预览。
X：Artificial Analysis (@ArtificialAnlys)AI 评分 Ideogram 4.5 登陆 Artificial Analysis 图像榜单：编辑榜第 23、文生图榜第 34
Ideogram 4.5 在 Artificial Analysis 的 AA-Image-Editing v2.0 榜单上位列第 23，是 Ideogram 首个进入该编辑榜的模型，同时在 AA-Image-T2I v2.0 上排名第 34，较 Ideogram 4.0 的第 40 名有所上升。
X：Artificial Analysis (@ArtificialAnlys)AI 评分 Ideogram 4.5 在 Artificial Analysis 图像编辑榜单位列第 23、文生图第 34
Ideogram 4.5 于 9 月 30 日发布，在 AA-Image-Editing v2.0 排名第 23（Ideogram 首个上榜的编辑模型），在 AA-Image-T2I v2.0 排名第 34，较 Ideogram 4.0 的第 40 名上升。
X：Artificial Analysis (@ArtificialAnlys)AI 评分 Ideogram 4.5 登顶 AA-Image-Editing v2.0 第 23 名，T2I 榜第 34 名
Ideogram 4.5 于 9 月 30 日发布，在 Artificial Analysis 的 AA-Image-Editing v2.0 榜单上排名第 23，是 Ideogram 首个登上该图像编辑榜的模型，在 AA-Image-T2I v2.0 上从 Ideogram 4.0 的第 40 名升至第 34 名。
X：Viggle AI (@ViggleAI)AI 评分 Viggle AI 9 月回顾：3 个开放权重模型上线 HuggingFace，Qwen-Image-2.1-viggle-turbo 登热门榜
Viggle AI 9 月在 HuggingFace 发布 3 个开放权重模型，其中 Viggle-Animate 与 Meridian 获评 Space of the Week。Qwen-Image-2.1-viggle-turbo 位列 trending Space 第 4、trending model 第 9，获 900+ likes、260K+ 下载量，并衍生 50+ 社区 Space。
X：Clément Delangue（Hugging Face CEO） (@ClementDelangue)AI 评分 微软发布 FrogNano-4B-2609：4B 参数零蒸馏，SWE-bench Verified 达 61.5%
微软在 Hugging Face 发布 4B 模型 FrogNano-4B-2609，基于 Qwen3.5-4B 用 TaskPilot 合成任务纯 RL 后训练，仅 5 轮迭代、每轮 300 个任务，零蒸馏。该模型在 SWE-bench Verified 上取得 61.5%。
X：Aravind Srinivas（Perplexity CEO） (@AravSrinivas)AI 评分 Perplexity 开源多项成果：多模态决策模型、嵌入模型、本地推理引擎与安全工具
Perplexity 近期开源了多项成果，包括 pplx-decider-v1-27b 多模态决策模型，在 11 项基准上平均得分 85.7%，领先 Jev；pplx-embed-v2-context-9b-preview 上下文嵌入模型在 ConTEB 和 turbopuffer context-bench 上表现最佳。
X：Google (@Google)AI 评分 Google 9 月 AI 更新回顾：Gemini 4 Argon、Googlebook 与 WeatherNext 3
Google 回顾 9 月 AI 更新，推出最新前沿模型 Gemini 4 Argon，具备高级推理能力和 100 万 token 输出上限，主打网络安全防御等复杂任务。
X：Arena (@arena)精选AI 评分 GPT-6.1 Sol 进入 Agent Arena 第 5 名，重塑帕累托前沿
Arena 宣布 OpenAI 的 GPT-6.1 Sol (Max) 进入 Agent Arena 第 5 名，提升 11.23%，并重塑帕累托前沿。其单任务中位成本为 $0.56，比 GPT-6 Sol 低 39% 且得分高 1.52 分，比 GPT-6 Astra 低 81% 且得分差距 1.04 分。
推荐理由：Agent Arena 榜单显示 GPT-6.1 Sol 以更低单任务成本进入前五，读者可据此比较它与 GPT-6 Sol、Claude 系列的性价比差距。
The DecoderAI 评分Cloudflare 发布 Clef 与 Clef-flash 决策模型，主打低延迟智能体决策
Cloudflare 发布 Clef 和 Clef-flash 两款面向 AI 智能体的决策模型，返回带概率的简短分类而非长文本，用于路由工单、触发升级或转交人工。
X：Gemini (@GeminiApp)AI 评分 Gemini 9 月 AI 发布回顾：Gemini 4 Argon、Gemini 3.8 Live、Googlebook 与 WeatherNext 3
Gemini 9 月发布回顾涵盖多项更新：Gemini 4 Argon 作为最新前沿模型，具备高级推理能力和 100 万 token 输出上限，主打网络安全防御等复杂任务。
X：蚂蚁百灵 (@AntLingAGI)精选AI 评分 蚂蚁百灵发布 Ling-3.1-flash，约 560B 参数、支持 1M token 上下文并上线 OpenRouter
蚂蚁百灵发布 Ling-3.1-flash，总参数约 560B、每 token 激活约 25B，支持最高 1M token 上下文，并计划近期开源。该模型已在 OpenRouter 免费上线，官方称其在 GDPVal-AA v2.1 上取得 1,673 Elo、FrontierSWE 75.16、HealthBench Professional 65.35。
推荐理由：官方给出 Ling-3.1-flash 的参数量、上下文与多项基准成绩，可据此判断其编码与智能体能力定位。
Hugging Face BlogAI 评分
Ai2 开源科学报告生成模型 AstaBrief 8B
Ai2 开源 AstaBrief 8B，一个把研究问题和检索到的文献片段转成带引用报告的模型，基于 Qwen3-8B 经 SFT 和 DPO 训练，权重与训练数据一并开放。
- The DecoderAI 评分
微软 AI 发布面向语音智能体的转录与语音合成模型
微软 AI 发布实时转录模型 MAI-Transcribe-2-Streaming，支持 60 种语言，首个部分结果延迟约 100 毫秒，微软称其在 Artificial Analysis 准确率排名第一，年底前音频价格为每小时 0.54 美元。
- The DecoderAI 评分
Black Forest Labs 发布 Flux 3 Image，支持多步编辑且不改动画面其余部分
Black Forest Labs 发布 Flux 3 模型家族中的图像模型 Flux 3 Image，官方称其支持多步编辑而不改动图像其他部分，覆盖文生图、图生图、文字渲染和照片级真实感。
X：X.PIN (@thexpin)AI 评分 小米 MiMo V2.6 Pro 进入 Arena 智能体榜第 19 名
小米 MiMo V2.6 Pro 进入 Arena 智能体排行榜第 19 名，输出价格为每百万 token 0.87 美元，低于排在其前面的全部 18 个模型。其单任务中位成本为 0.10 美元，与榜单前 19 名中的最低值持平，排名第 15 的 DeepSeek V4.1 Flash (Max) 与之相同。
X：Peter Steinberger (@steipete)AI 评分 Griffin 发布：首个通过视频图灵测试的模型
Griffin 发布，被称为首个通过视频图灵测试的模型，48% 与其实时对话的人认为它是真人，此前系统的通过率低于 3%。它还在 NVIDIA 的全双工 AI 视频基准上排名第一，被称为首个 Human Interaction Model（HIM）。
X：ARC Prize (@arcprize)AI 评分 ARC Prize 回应 Qwen3.8-27B 榜单成本估算方式，ARC-AGI-3 结果待测试完成
ARC Prize 表示 Qwen3.8-27B 的榜单成本是按阿里云公开 token 价格乘以记录的 token 用量估算，而非其专用推理收费。该模型经 Baseten 测试，使用自带 chat template：low 要求思考简短聚焦，xhigh 要求仔细思考并检查假设，medium 两者都不加。ARC-AGI-3 结果将在测试完成后公布。
X：ARC Prize (@arcprize)AI 评分 ARC Prize 实测 Qwen3.8-27B：ARC-AGI v2 得分 42.4%，单任务 0.45 美元
ARC Prize 公布 Qwen3.8-27B 在 ARC-AGI（Verified）上的测试结果：ARC-AGI v2 得分 42.4%、每任务 0.45 美元，ARC-AGI v1 得分 87.5%、每任务 0.22 美元。
X：Arena (@arena)精选AI 评分 小米 MiMo-V2.6-Pro 与 Flash 登陆 Agent Arena，Pro 位列开源模型第 5
小米 MiMo-V2.6-Pro 和 MiMo-V2.6-Flash 登陆 Agent Arena，Pro 在 8.1K+ 真实智能体会话中净提升 +3.17%，位列开源模型第 5，较 MiMo-V2.5-Pro 的第 13 名提升 9 位、净提升提高 10.4 个百分点。
推荐理由：榜单给出了 MiMo-V2.6 两款模型在真实智能体会话中的排名与成本对比，可据此判断开源模型在 Agent 场景的位置。
X：商汤 SenseTime (@SenseTime_AI)AI 评分 商汤 SenseNova 6.8 Flash Preview 驱动 Dynamic Design，让静态图像动起来
商汤发布由 SenseNova 6.8 Flash Preview 驱动的 Dynamic Design，可将静态图像转化为动态内容。该功能以预览版形式亮相，官方演示展示了黄果树瀑布、青海门源等静态图片的动态化效果。
X：Google DeepMind (@GoogleDeepMind)AI 评分 Google DeepMind 发布 SynthID Bio，可在蛋白质序列中嵌入水印
Google DeepMind 发布 SynthID Bio，这是一套面向 AI 生成生物设计的水印方法。该团队称可在蛋白质序列中直接嵌入不易察觉的签名，且不影响其生物功能。
Latent Space精选AI 评分Google DeepMind 发布 Gemini 4 Argon，支持 1M token 输出
Google DeepMind 推出 Gemini 4 Argon，面向编码、企业知识工作与网络防御，首批开放给 Fairwind 计划的政府用户与可信网络安全人员，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、定价与可用范围，并列出同期多家模型与工具的动态，便于横向比较。
X：Aravind Srinivas（Perplexity CEO） (@AravSrinivas)AI 评分 Perplexity 发布 pplx-embed-v2-context-9b-preview 上下文嵌入模型
Perplexity 发布上下文嵌入模型 pplx-embed-v2-context-9b-preview，该模型在 ConTEB 和 turbopuffer 的 context-bench 上取得新的 SOTA。
X：Tibo (@thsottiaux)AI 评分 OpenAI 称 GPT-6.1 Sol 需求创纪录，正扩容提升速度
OpenAI 的 Tibo 表示，GPT-6.1 Sol 在 API 和订阅两端的需求量几乎是历来最高的，ChatGPT 与 Codex 中负载很重。团队已上线更多算力，未来数小时速度应会明显改善，接近昨天服务速度的两倍。
X：Arena (@arena)精选AI 评分 Gemini 4 Argon 与前沿模型对比：单任务成本比 GPT-6.1 Sol 低 33%
Arena 分享 Google DeepMind 的 Gemini 4 Argon 与多款前沿模型在生成任务上的对比，单任务成本比 GPT-6.1 Sol 低 33%，比 Claude Opus 5.5 低 70%，并附上 @petergostev 的第一印象视频。评论区对评测方式提出质疑，认为用图形设计任务评估文本生成模型意义有限，也有人追问单任务成本是否包含思考 token。
推荐理由：原文给出 Gemini 4 Argon 与前沿模型的成本对比和实测片段，读者可据此判断其性价比定位。
X：Clément Delangue（Hugging Face CEO） (@ClementDelangue)AI 评分 Ornith-1.5 9B、35B-A3B、397B 的 DFlash 草稿模型发布
DFlash 草稿模型现已上线，适用于 Ornith-1.5 9B、35B-A3B 和 397B。DFlash 作为草稿模型一次起草多个 token，再由 Ornith 1.5 单次并行验证，取代逐 token 生成。性能评测显示 DFlash 最高实现 2.54× 加速，且生成质量无损失。