AI 模型发布与更新

Baseten Base Labs 发布决策模型 joey-1，直接以单 token 和校准概率返回决策结果，称内部测试中为 3B 及以下参数最强决策模型。2,000-token 请求 P50 端到端延迟 20 ms，约比 elephant-1（49 ms）快 2.5 倍，价格为每百万 token $0.01、是 mammoth-1 的十分之一。

Artificial Analysis 推出 Artificial Analysis Progress Index，与 Intelligence Index v5 一同发布，用项目反应理论为 2022 年以来所有语言模型估计统一能力分数，专用于跨时间比较。

Arena 在 Agent Arena 上公布，OpenAI 的 GPT-6.1 Sol (Max) 每任务成本 $1.91，比第一名 Claude Opus 5.5 (Max) 的 $12.51 低 85%，比 GPT-6 Astra (Max) 的 $14.93 低 87%。

Artificial Analysis 评测 Phonic 的 Phonic 1 (High)，以 87.1 分在 22 个模型中登顶语音到语音指数，微弱领先 Grok Voice 3.0（86.9）。

Mistral 发布 Mistral Large 4（昵称 Le Chonk）权重，总参数约 1 万亿、每步激活 52B，文本图像输入、输出文本和代码，预览三周后经强化学习继续训练，Terminal-Bench 4.0 从 28 升到 41%。

Artificial Analysis 评测 Fish Audio 发布的 Drama 3：在两个 Speech Arena 均为开源权重模型第一，Provider Voice Elo 1,278、Controlled Voice 1,085，Pronunciation Robustness 以 94.6% 位列全部模型第一。

Mistral 发布新改进版 Le Chonk 的开放权重，主打智能体编码与网络安全方向。该模型在 Cognition 的 FrontierCode 上排名开源模型第一，并在 Artificial Analysis 上创下 Pareto 效率新基准；网络防御能力经 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试，权重可在 Hugging Face 下载，支持用 Mistral Forge 定制并自行部署。

Arena 公布近 9K 个智能体会话的实测结果：OpenAI 的 GPT-6.1 Terra (Max) 在 Agent Arena 排名第 8，净提升 +10.6%，单任务中位成本 $0.62，重塑 Pareto 前沿。

Artificial Analysis 评测 Mistral 刚开放权重的旗舰模型 Mistral Large 4，总参数 1.05T、激活参数 52B，上下文窗口 1M tokens。

人工智能实验室 DiffuSpace（扩散智能）发布 Clover 系列首个成员 Clover-35B-A3B-Preview，以 Apache 许可开源。该模型采用 MoE 架构，通过多轮迭代实现从模糊到具体的全局思维，在多项基准测试中性能超过同规模自回归模型 Qwen3.6-35B-A3B，尤其擅长智能体编程与工具使用任务，同时保持更快生成速度。

Mistral AI 发布全新升级的 Le Chonk 模型权重，主打智能体编码与网络安全。该模型在 Cognition 的 FrontierCode 开放模型中排名第一，并在 Artificial Analysis 上创下新的 Pareto 效率基准；网络防御能力经 CrowdStrike、Cloudflare、Rubrik、Zscaler 等厂商测试。

Mistral 公开了万亿参数开源模型 Mistral Large 4（ML4，绰号 Le Chonk）的权重，企业和政府可在 Hugging Face 下载或通过 API 部署。

Mistral 公开 Mistral Large 4（Le Chonk）的模型权重，该模型为 1 万亿参数原生多模态模型，此前处于公开预览阶段。

Block 发布研究预览版 Dessa，一款仅用人类对话音频训练的全双工语音到语音模型，不使用文本和预训练模型。它用 1 台 NVIDIA GB200 NVL72（72 块 GPU）训练，可在 MacBook Pro M4 Max 及以上本地运行且快于实时。目前仅有演示，未公布 benchmark 分数、参数量、权重、论文或 API，需申请 waitlist。

英伟达于 10 月 28 日发布开放权重语音转录模型 Nemotron 3.5 Transcribe，并公开训练数据管线 Granary v2。

OpenAI 发布 GPT-6 Luna 系统卡 10 月 29 日增补版，针对 10 月 28 日版本更新能力评估。该版本在生物与化学领域被列为 High capability，生物模型拒答评估中严重提示词表现提升、双重用途提示词出现退步；网络安全评估与 10 月 7 日版本持平，无统计显著退步。

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis Intelligence Index v5，并率先通过 Fairwind Program 向可信网络防御者开放。

NVIDIA 发布开源权重语音模型 Nemotron 3.5 Transcribe，单模型支持 40 种语言、最长 1 小时音频的转录，可内置输出说话人标签、词级时间戳和翻译。

ForgeKernel 已登顶 NVIDIA SOL Bench 的 FIB 赛道以及华为 CANNBench。目前，ForgeKernel 的目标是在 DeepSeek 最复杂的算子之一上超越顶尖人类专家。 https://x.com/i/broadcasts/2LPbqbgpZXaogj

腾讯在腾讯全球数字生态大会上宣布 Hy4 即将发布，相比 Hy4 preview 全面大幅提升，强化长程与真实生产力任务能力，显著提升思维链效率，并首次引入视觉理解。Hy4 flash 也将在近期发布，定位极致性价比的实用模型，继承 Hy4 的视觉、Agent 等能力。此前 8 月 28 日发布的 Hy4 preview 总参数 770B、激活参数 49B、上下文长度 1M。

10 月 29 日，首批风云气象卫星极端天气人工智能模型在 2026 年风云卫星用户大会上正式发布。台风智能云图解译模型覆盖 7 类台风特征、融合 20 余种卫星实况产品，每 15 分钟解译一次，27 秒即可生成台风位置、结构、强度及演变趋势的解译文本；强对流短临预警模型利用风云四号卫星过去两小时观测，将预警时间提前至四小时。

Hugging Face 发布 Mistral Large 4（Le Chonk）的上线博客，模型为多模态多语言 MoE 架构，总参数约 1T、激活 49B、上下文窗口 1M token。

Google 发布 Gemini 4 Carbon 的早期预览，该模型以 59 分位列 Artificial Analysis Intelligence Index v5 第一，比 Gemini 4 Argon 高 9 分，在复杂推理、知识和科学任务上领先。引用的 Artificial Analysis 评测称其编码智能体仅次于 Claude Opus 5.5，定价 $4/$20 per 1M tokens 与 Argon 标准价一致，目前仅向部分用户开放，尚未公开可用。

Google 发布 Gemini 4 Carbon，距上一代 Argon 不到一个月，作者认为发版速度反映模型自我改进能力大幅强化。同日财报后股价盘后下跌 10%，主因搜索业务增长连续两个季度放缓；1,275.77 亿美元总营收中广告占 64.28%，Google Cloud 占 24.07%，纯搜索占比首次跌破 50%。

同一个机器人，同一个任务，两个模型的书写风格截然不同 ➤ 左侧，Claude Opus 5.5 一点一点地写出“hello world”：34 分钟内完成 3,270 次机械臂移动 ➤ 右侧，GPT-6 Astra 以连续笔画书写：13 分钟内完成 514 次移动 来自 AA-Robotics v0.1，从模型视角呈现 更多示例见：https://artificialanalysis.ai/articles/aa-robotics

Arena 宣布 Gemini 4 Carbon (High) 首次上榜：Text Arena 第一（1528 分），Agent Arena 第二（+16.2% 净提升），Code Arena: WebDev 第四（1768 分）。

谷歌正式发布新一代前沿大模型 Gemini 4 Carbon，主打网络安全与长程任务能力，在 Artificial Analysis Intelligence Index v5.0 中以综合得分 59 排名第一。

Google 发布最新前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有显著提升，目前在 Artificial Analysis Intelligence Index (v5.0) 上排名第一，超过 Claude Opus 5.5 和 GPT-6 Astra。

Arena 发布 Gemini 4 Carbon 预览版的早期实测视频，由 @petergostev 用 3D 生成、创意提示词、可视化讲解和 UI 任务对该模型进行了长时间测试，对比对象包括 Gemini 4 Argon、Claude Opus 5.5、GPT-6.1 Sol、Muse Wonderful、Kimi 和 DeepSeek。

ElevenLabs 研究团队发布强制对齐模型 Cue，能将每个字符精确放到音频时间轴上，精度高于其测试过的所有开源对齐器，覆盖基准测试全部 29 种语言。Cue 单模型可一次处理任意长度的录音，在单张 GPU 上约半秒对齐一小时音频，已用于 ElevenLabs 全部 Speech to Text 转写，并可通过 Forced Alignment API 单独使用。

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis Intelligence Index v5.0，前代 Argon 为 50 分。

Arena 宣布 Google DeepMind 的 Gemini 4 Carbon (High) 登上 Agent Arena、Code Arena: WebDev 和 Text Arena 的帕累托前沿。在 Agent Arena 中它排名第 2，净提升 +16.2%，每任务中位成本 $1.80，比排名第 1 的 Claude Opus 5.5 (Max) 低 72%。详情见 https://arena.ai/leaderboard/agent/pareto

Google 在发布 Gemini 4 Argon 两周后宣布新一代前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有提升，但暂不向公众开放。

Meta 的 Muse Spark Open 在 ARC-AGI（已验证）上的成绩： - ARC-AGI-3：0.4%，$3.0K（provider adapter harness），0.1%，$3.9K（标准 harness） - ARC-AGI-2：57.5%，$0.73/任务 - ARC-AGI-1：89.0%，$0.29/任务 其在 v1/2 上的得分与 Haiku 5.5 和 GPT-6 Luna 相近，但成本约为后者的 9 倍。

Google DeepMind 发布 Gemini 4 Carbon，为其迄今最强模型，主打长时程智能体编程与网络安全防御，在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。

Google DeepMind 发布新前沿模型 Gemini 4 Carbon，在 Artificial Analysis 上超过 GPT-6 Astra 和 Claude Opus 5.5。

Google 发布 Gemini 4 Carbon，距 Gemini 4 Argon 发布仅两周。Carbon 在 Artificial Analysis Index v5.0 以 59 分排名第一，网络安全评测 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，长程任务较 Argon 明显提升并加强了前沿安全防护。模型将先向部分可信网络防御者开放，通过 Fairwind Program 扩展到更多合作伙伴，随后更广泛…

Arena 宣布 Google DeepMind 的 Gemini 4 Carbon (High) 上榜，拿下 Text Arena 第一（1528 分）、Agent Arena 第二（+21.9K 真实智能体会话中净提升 +16.2%）、Code Arena: WebDev 第四（1768 分）。

Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登上 Intelligence Index v5 第一。

Artificial Analysis 昨日发布 Intelligence Index v5，60% 评测权重首次建立在私有测试集或隐藏答案之上，并把 Cognition 的 FrontierCode 2.0 纳入编码评测，按仓库维护者是否愿意合并 PR 打分。