AI 日报 · 2026 年 10 月 4 日 · 星期日
Claude Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon 登顶编码智能体指数
Artificial Analysis 编码智能体指数显示，本周发布的 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 均接近榜单前列，但性能与成本平衡各不相同。Claude Sonnet 5.5 在 Agent Arena 首次上榜即排名第 3，净提升 +12.5%。
模型发布/更新
Artificial Analysis 编码智能体指数：Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 登顶但成本差异显著
Artificial Analysis 的 Coding Agent Index 显示，本周发布的 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon 均接近榜单前列，但性能与成本平衡各不相同。
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。
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。
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。
Google DeepMind 发布 SynthID Bio，可在蛋白质序列中嵌入水印
Google DeepMind 发布 SynthID Bio，这是一组面向 AI 生成生物设计的水印方法，可在不影响生物功能的前提下把不可感知的签名直接嵌入蛋白质序列。该水印类似数字身份证，可帮助 DNA 实验室验证合成蛋白质并保持序列数据库准确，相关工具以开放形式供研究使用。
产品发布/更新
Black Forest Labs 的 FLUX 3 Image 在 fal 上线
Black Forest Labs 的 FLUX 3 Image 已在 fal 平台上线，主打精准图像编辑，保留未修改部分。该模型支持原生 2K 和 4K 图像生成，最多可组合 10 张参考图，能在一次生成中完成多处定向编辑，并对布局和构图提供细致控制。
论文研究
微软与 Hugging Face 发布 ThinkingBox：按数据库终态而非生成文本给 AI 智能体打分
微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，通过隔离的 MCP 工具会话运行智能体，按终端后端状态和副作用而非生成文本打分，覆盖 507 个有状态业务流程、每个任务重复运行 20 次。
技巧与观点
研究显示 Claude Opus 5 在会计任务上 20 题全对，12 名注册会计师正确率 0% 至约 90%
一项针对中等长度、定义明确的会计任务的研究发现，前沿 AI 模型比初级会计师更快更准确，甚至优于研究中表现最好的会计师。Claude Opus 5 在 20 道题中取得 20 题全对、正确率 100%，每题几分钟内完成；12 名持证注册会计师的正确率从 0% 到约 90% 不等，其中数人用完了 3 小时时限。研究还提到，18 个月前这些模型在同类任务上的得分远低于人类会计师。