Arena 发布数据显示，Google DeepMind 的 Gemini 4 Argon (High) 在 Agent Arena 位列第 8，净提升分 +7.92%，单任务成本 $0.62，重塑了 Pareto 前沿。

Gemini 4 在 PostTrainBench 上达到 45.3%，是 Gemini 3.1 Pro 21.99% 的两倍多，并超过 GPT-6 Astra 🔥

Gemini 4 Argon！

Gemini 4 Argon (High) 在 Text Arena 以 1525 分排名第一，在 Code Arena: WebDev 以 1679 分排名第八。

Gemini 4 Argon 在 Artificial Analysis 上幻觉率为 15%，Grok 4.7 为 29%、GPT-6 Astra 为 45%、Opus 5.5 为 59%、Fable 5.1 为 69%。低于它的模型答题量极少，正确率均不超过 15%；Gemini 4 Argon 在 max 模式下正确率为 50%，低于 Opus 5.5 的 66%，但不确定时会直接说明而非编造。

Artificial Analysis 测评 Google 新模型 Gemini 4 Argon：在 high reasoning 档下其 Artificial Analysis Intelligence Index 得分 53。

ARC Prize 公布 OpenAI GPT-6.1 Sol 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-3 在 standard harness 下 52.7%、$7.6K，在 provider adapter harness 下 96.4%、$4.4K；ARC-AGI-2 为 94.2%、$0.25/task；ARC-AGI-1 为 98.5%、$0.06/task。其在 v3 上的 96.4% 与 GPT-6 Astra 的 99.9% 相当，但成本低 77%。

ARC Prize 指出 GPT-6.1 Sol 与 GPT-6 Astra 类似，在 ARC-AGI-3 上推理等级越高决策越好，完成关卡所需动作越少，从而降低总推理成本。

Ars Technica · AIAI 评分6666

Google 发布 Gemini 4 Argon 模型，暂未对外开放使用

Google 发布 Gemini 4 Argon 模型，宣称在编码、知识工作和网络安全方面具备行业领先性能，但目前仅限公司内部有限测试，外部用户尚不能使用。

Google is so back? Their new Gemini 4 Argon understands the physical 3D world better than any other AI. It ranks #1 on Blueprint-Bench 2, a benchmark where AI agents draw floorplans from photographs of apartment interiors.

Gemini 4 Argon 发布，先向网络防御方开放

Gemini 4 Argon 作为新的前沿模型发布，从今天起先向网络防御方（cyber defenders）开放，之后会尽快扩大范围。介绍价定为输入 $2、输出 $10。发布者称竞争再次回到三方格局。

Google 内部众多同事为打造这个模型付出了大量工作，看到这里的进展令人惊叹，而这仅仅是个开始！迫不及待想让更多人用上 Gemini 4 Argon。

Gemini 4 Argon 的基准测试预览公布，将率先向网络防御者推出，随后尽快向所有用户开放。

Google 官方宣布推出新前沿模型 Gemini 4 Argon，面向复杂、长周期工作流的持续深度推理，在真实软件工程、法律与金融等企业知识工作以及网络安全防御场景提供前沿性能。同时，该模型的输出 token 上限扩展至行业领先的 1M tokens。Argon 目前正向 Fairwind Program 中的一批可信网络安全防御者开放，将尽快扩大可用范围。

Gemini 首次登上 Vals Index 榜首。 Gemini 4 Argon 以 68.9% 占据 Vals Index 第 1 名。

Google 宣布 Gemini 4 Argon 是其前沿智能的下一个时代，在多项基准测试上取得显著提升，并在真实世界的长程软件工程任务上树立了新的 state of the art。

Google 宣布 Gemini 4 Argon 正通过 Fairwind Program 向首批网络安全防御者开放，供其使用前沿级网络安全防御能力。Google 表示将继续收集早期测试者反馈、迭代护栏，随后尽快向开发者、企业和消费者推出 Argon。

Google 宣布推出 Gemini 4 Argon，称其在复杂工作流中具备前沿性能，覆盖真实世界的软件工程、知识工作和网络安全防御，并拥有业界领先的 1M token 输出上限。

Google DeepMind 宣布推出 Argon，具备 1M token 输出上限，并加入更深一层的推理能力，以便一次性处理长而多步的问题。官方表示早期测试者的反馈将帮助其在不久后向开发者、企业和消费者更广泛推出之前强化系统，更多信息见 goo.gle/4rZBiSd。

Google DeepMind 宣布推出新前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御等复杂工作流构建，今天起通过 Fairwind Program 向一批受信任的测试者开放。

Google 发布新前沿模型 Gemini 4 Argon，即日起向网络安全防御者（cyber defenders）开放，并将尽快更广泛推出。Argon 介绍期定价为输入 $2、输出 $10。

Sundar Pichai 宣布推出 Gemini 4 Argon，称其在复杂工作流、网络防御和软件工程方面达到前沿表现。他表示 Google 内部团队已在从编码到量子计算的场景中广泛使用该模型并给出积极反馈，同时附上了基准测试结果。

Google DeepMind精选AI 评分7878

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者开放，随后将逐步面向开发者、企业和消费者推出，起步价为每百万输入 token 2 美元、每百万输出 token 10 美元。

我们维护了多项内部基准，以引导客户获得更好的搜索相关性。 @perplexity 的新模型登顶 context-bench——我们的内部上下文嵌入基准，并将文档 recall@10 相比传统 SOTA 嵌入模型提升了 50%+。

我们将开源最先进的上下文嵌入模型，它们在 turbopuffer 的 context-bench 中表现最佳。

在 Hugging Face 上查看 pplx-embed-v2-context-9b-preview： huggingface.co/perplexity-ai…

在 ConTEB 上，该预览版在所测模型中平均 nDCG@10 最高，尽管并非在每个任务上都领先。 它在分块检索上也击败了 voyage-context-4，且每向量存储量少 8 倍：1 KB（1024 维，int8）对比 8 KB（2048 维，float32）。

我们构建了一种训练上下文嵌入模型的新方法，它在编码文档每个分块时会参考整个文档。 pplx-embed-v2-context-9b-preview 在 ConTEB 和 @turbopuffer 新推出的私有 context-bench 上刷新了 SOTA。 perplexity.ai/hub/blog/conte…

webAI 发布开源模型 TwIL-LM3-Pro，参数量 3.6B，提供量化版本可在本地运行、无需云端。

Runway CTO Kamil Sindi 在今日 AI Summit 的主题演讲中介绍了 Runway 的首个 World Interface Model Solaris，称其为一种随用户交互自我构建的新型操作系统，每一帧都根据用户意图实时生成。他在演讲中提出所有软件都将被生成、无需写一行代码的愿景，Solaris 详情见 runway.com/news/research/int…。

Creatify_Labs 的 Boreal-H3 基于 MiniMax H3 构建，是一款针对广告优化的视频模型，在保持产品和角色一致性的同时，更准确地遵循创意简报。 很高兴看到 MiniMax H3 成为更多面向特定行业前沿模型的基础！✨

Runway 发布开源权重的 World Action Model Praxis-1，将视频预训练能力转化为对机器人的现实世界控制。Praxis-1 基于大规模视频预训练和实时基础设施构建，作为策略模型面向机器人开发者与研究者，可跨任意本体或环境工作。

蚂蚁百灵发布 Ling-3.1-flash：约 560B 总参数、每 token 约 25B 激活参数、最高 1M token 上下文，官方计划很快开源该模型。其在工作、编码与医疗三类评测上的成绩为 GDPVal-AA v2.1 拿到 1,673 Elo、FrontierSWE 75.16、HealthBench Professional 65.35。

Google DeepMind精选AI 评分7171

Google DeepMind 推出 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印

Google DeepMind 推出 SynthID Bio，将水印技术引入合成生物学，把不可感知的签名直接嵌入生物代码，使其在数字模型和合成出的实体蛋白质上均可验证，同时保持生物功能。

推出 Cohere Embed 5：我们全新的 SOTA 嵌入模型家族。 通过 Embed 5 Pro 获得前沿能力，或通过 Embed 5 Fast 获得低延迟性能。

Audio8 ASR Infinite 流式语音识别模型 原生流式架构每秒解码 12.5 次 滚动 KV Cache 使内存和延迟保持恒定，即使 24/7 运行 每个时钟步输出一个文本 token（12.5 / 8.3 / 6.25 次决策/秒），平衡感知粒度与资源成本 huggingchat 的 ML 实习生搭建了 Gradio 工作流供试用：huggingface.co/spaces/akhali… huggingchat: huggingface.co/chat/ 模型：huggingface.co/Edge0/Audio8-…

在 max 模式下结果更令人印象深刻！6.1 sol 的表现超过了 Opus 5.5，同时使用的 token 少了 4 倍。

Fermion AI 发布 Phonon-2 语音识别模型，164MB 体积称平均准确率超过 Whisper large

Fermion AI 发布语音识别模型 Phonon-2，下载体积仅 164MB，官方称其平均准确率超过体积约为其 10 倍的 OpenAI Whisper large。该模型可在 MacBook Air 上 20 秒转写 1 小时音频，权重以 CC-BY-4.0 协议开放。

GPT 6.1 Sol：以五分之一价格实现接近 Astra 的智能

Simon Willison 发布博文《GPT 6.1 Sol: Near-Astra intelligence for a fifth of the price》，讨论 GPT 6.1 Sol 以约五分之一的价格提供接近 Astra 的智能水平。原文未披露参数规模、benchmark 分数或具体定价等细节。

- 排行榜：arcprize.org/leaderboard - 复现公开结果：github.com/arcprize/arc-agi-… - 测试政策：arcprize.org/policy - GLM 5.3 Flash 完整结果：arcprize.org/results/zai-glm…