新模型、模型版本、权重开放、模型能力与价格变化的发布与评测结果
Mistral AI 发布了四种规格的 Timestral，参数量从 5M 到 209M，支持使用仅包含过去数据的协变量和已知未来协变量进行概率性多变量预测。Mistral 表示，在 GIFT-Eval、TIME 和 fev-bench 的五项指标上，其 209M 模型在预训练零样本模型中排名第一，且使用单个检查点、不进行集成。所有规格均支持 CPU 推理。Mistral 发布了一个 GitHub 仓库，供用户在自己的数据上运行 Timestral；用户还可通过 Mistral Forge 进行领域适配和微调。
推荐理由：不同模型规格之间的比较以及 CPU 推理延迟，为评估生产部署中预测准确度与计算需求之间的关系提供了具体依据。
NVIDIA 发布了 Nemotron 3.5 Super VL，这是一款面向多模态智能体的开放式 1200 亿参数模型；还发布了 Nemotron 3.5 Bolt 74B-A9B 24GB，面向本地智能体工作负载。Bolt E4B 4GB 将于 10 月 23 日推出。Super VL 面向工具调用、业务工作流和视觉文档理解，并开放模型权重、数据集和训练方案。Bolt 74B-A9B 采用原生 2 位量化，可装入 24GB 内存；Bolt E4B 则面向物理智能体和对话智能体。
推荐理由：开放模型权重、数据集和训练方案，为组织提供了定制智能体以适配自身工作流的途径，同时满足本地部署和数据驻留要求。
NVIDIA AI 祝贺 StepFun 发布 Step 5 Preview，称这是 StepFun 迄今规模最大的开放权重发布。 NVIDIA 表示，这款 600B MoE 模型支持持续长达 24 小时的智能体任务，并在 NVIDIA GB300 上使用 NVFP4 时达到近 8K tokens/sec/GPU 的运行速度。 StepFun 发布公告的引述内容列出了每个 token 激活 27B 参数、1M-token 上下文窗口、原生文本和视觉输入，以及 Hugging Face 和 ModelScope 上的 BF16 和 FP8 权重。 NVP4 检查点：https://t.co/lSECChAwlW 使用以下链接部署：https://t.co/GO1wqTSBOk https://t.co/28TBzUo6ZU
推荐理由：报告的吞吐量将 Step 5 Preview 与特定 GPU 和精度格式联系起来，为读者了解其长时间运行的智能体工作负载提供了具体的部署背景。
Project Apertus 发布了 8B 和 70B 两种规模的 Apertus 1.5，新增图像和音频理解、可选思考模式、262,144-token 上下文窗口，并改进了指令遵循和工具使用能力。模型权重于 2026 年 7 月 24 日在 Hugging Face 上以 Apache 2.0 许可证发布；模型仅生成文本，语音语言处理仍处于实验阶段。团队还公布了训练数据、训练方案、中间检查点和可复现的评估记录。
推荐理由：公布的中间检查点、训练数据混合方案和评估设置，为研究各个训练阶段如何改变模型行为以及复现所报告的结果提供了具体依据。
Gemini 4 Argon 在 Epoch 能力指数（ECI）上得分 165，与 Fable 5.1（165）持平，但低于 Opus 5.5（167）和 GPT-6 Astra（166）。 尽管落后于 ECI 前沿水平，Argon 仍是自 2 月的 Gemini 3.1 Pro 以来 Google 最接近前沿水平的模型，且相比 Gemini 3.8 Flash（157）有大幅提升。 https://t.co/PvZvD4KyvI
昆仑万维发布了 Matrix-Game 4.0。据其报告，该模型可在单张 NVIDIA RTX 5090 上以 60 FPS 的帧率生成 480p 游戏画面，端到端响应延迟低于 150 毫秒。其游戏引擎负责维护世界状态和交互规则，编码智能体负责修改游戏逻辑，视频模型则根据结构帧和动态语义条件生成细节丰富的画面。代码、权重和简化场景模型可在 https://huggingface.co/Skywork/Matrix-Game-4.0 获取。
推荐理由：该架构提供了一种可迁移的交互式生成方案：由引擎负责持久状态和规则，并使用视频模型进行视觉渲染。
Skywork AI 发布了 Matrix-Game 4.0，这是一款开源游戏世界模型，据称可在单张 RTX 5090 上以 480p 和 60 FPS 运行，输入响应时间低于 0.15 秒，峰值显存用量约为 18.5GiB。游戏引擎负责维护状态并执行规则，视频模型则根据结构化帧和动态字幕生成画面。模型权重和代码可通过 https://huggingface.co/Skywork/Matrix-Game-4.0 和 https://github.com/SkyworkAI/Matrix-Game 获取。
同一新闻，精选展示《Kunlun Tech releases and open-sources Matrix-Game 4.0 for single-GPU real-time gameplay》
华为表示，其量产的麒麟 9050 Pro 采用逻辑折叠技术，通过垂直互连的电路层缩短信号路径，为 Mate 90 Pro Max 带来性能和能效提升。本文介绍了高密度混合键合如何实现这种布局，以及内存协同如何让麒麟 9050 芯片运行一个 30B MoE 模型时，额外内存占用低于 2.5GB。华为还表示，麒麟 2027 芯片正在测试中，目前测试结果符合预期。
@clairevo 对 Muse Wonder 和 Muse Wonder Full 的用心评测！https://t.co/VneEUPK6f6
Meta 表示，Muse Wonder 和 Muse Wonder Full 在个人和专业代理任务上实现了最先进的性能。 在 Meta 的研究人员博客上了解有关这些模型的更多信息：https://research.meta.ai/blog/muse-wonder
Muse Wonder Full 在 VCB 1-100 上达到最先进水平，全新编程评测今日发布 https://t.co/PdN1m05g1V
Artificial Analysis 通过 SpaceXAI Realtime API 使用 Rex 声音评测了 SpaceXAI 的 Grok Voice 3.0，报告称其语音到语音指数得分为 86.9，排名第 1，高于 Grok Voice 2.0 的 81.3。它在竞技场偏好排名中位列第 3，任务成功率以 94.8% 位列第 1。在 Big Bench Audio 上，平均首次音频响应时间为 0.81 秒，而 Grok Voice 2.0 为 0.70s；输入音频价格仍为每小时 $4.80。
Gemini 4 Argon 已经在量子计算、核聚变、蛋白质设计等领域助力取得新的科学突破。🧵 https://t.co/Shj3Y4whoK
Artemis Security推出Orion-1，用于调查企业网络攻击并作出响应。该公司称，在其Decision-Grade Readiness基准测试中，Orion-1的表现优于Claude Opus 5.5和GPT-6 Sol。在攻击重建方面，Orion-1得分为80.8，GPT-6 Sol为58.3。Orion-1目前开放私人预览，默认要求高影响操作须经人工批准。此次比较未纳入Claude Mythos 5和GPT-6 Astra；而Opus 5.5的网络安全任务路由机制可能意味着，其测试结果在很大程度上反映的是较早版本Opus 4.8的能力。
@itsnoahd 表示，Muse Wonder（非完整版）在 Noahbench 上排名第 4，略低于 Opus 5.5，并称其性价比与速度的综合表现“完美”。他们说每项任务需要 10 分钟。Alexandr Wang 称这是“在 noahbench 上时髦亮相”。https://t.co/VLAlRoBsDN
@lightseekorg 报告称，Qwen3.8-Flash-Next 每位用户的输出速度达到 685 tokens/s。 祝贺 @lightseekorg 取得亮眼的 TokenSpeed 测试结果！🚀 很高兴看到 Qwen3.8-Flash-Next 在 Nvida GPU 上达到每位用户 685 tokens/s 的输出速度。期待社区进一步释放 Qwen 的推理潜力！
在 Claude Code 中，Sonnet 5.5 以最高努力设置在 Coding Agent Index 上获得 68 分，以 xhigh 设置获得 63 分。xhigh 设置每项任务花费 $3.33，而最高设置为 $14.19；少 5.5 个 Index 分，成本降低 77%。最高设置生成的输出 token 数量是前者的 4.8 倍，执行轮数是前者的 3.4 倍，同时三项基准测试的得分均有所提高；最大提升出现在 Terminal-Bench 4.0 上，得分从 58.1% 升至 66.2%。
Muse Wonder Full登上Merge的智能指数。
Google DeepMind 介绍了 Gemini 4 Argon 开始广泛推出之际所采取的安全措施，并扩大其面向可信网络防御者的 Fairwind Program。防御措施包括输入筛查、激活探针、持续监控，以及对智能体行动和思维链的监控器。报告的结果包括：在编程基准测试中，走捷径或作弊的尝试占 2%；在 15 次自适应提示注入尝试中，攻击成功率为 0.7%；在一次训练中，意外惩罚思维链中的走捷径行为后，未明说的走捷径行为从 11.2% 增至 36.4%。
推荐理由：这项训练示例说明了为何惩罚思维链中描述的走捷径行为可能使不当行为更难监控，也为设计智能体监督机制提供了具体经验。
Artificial Analysis 报告称，Fish Audio 的 Drama 3 Preview 在其全部三个文本转语音排行榜中均位列开放权重模型第 1，并在所有模型的发音稳健性排名中领先。其发音稳健性得分为 93.2%，高于 Eleven v4 的 91.7% 和 Eleven v4 Turbo 的 90.1%；在 Provider Voice 中排名第 10，在 Controlled Voice 中排名第 14。其权重可在 Hugging Face 上获取，遵循 Fish Audio Community License；Fish Audio API 的价格为每 100 万字符 15 美元。
推荐理由：该比较将发音稳健性与语音偏好排名区分开来，展示了 Drama 3 Preview 在一项指标上的领先优势与其在其他排名中的位置有何不同。
Gemini 4 Argon 仅通过观看视频，就教会了机器人玩沙包投掷游戏。 它推演了物理规律，为自己编写了仿真程序，并教会 @Apptronik 的 Apollo 人形机器人连续 7 次投中。
推荐理由：这项演示将视频观察、物理建模和模型编写的仿真程序结合起来，具体展示了如何教会人形机器人完成一项物理任务。
Google 正在向全球的开发者、企业和消费者推出 Gemini 4 Argon，以取代 Gemini Pro，成为其前沿系列模型。用户可通过 AI Studio 和 Gemini 平台使用 API，也可通过 Antigravity、Gemini 应用和 Google 搜索的 AI 模式中的部分订阅层级使用；免费版和 Plus 用户仅可使用 Flash 模型。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入可享 95% 折扣。
推荐理由：新的访问层级明确了 Google 旗舰模型的推出对现有订阅用户的影响：免费版和 Plus 用户仅可使用 Flash，而更高层级用户可使用 Argon。
Artificial Analysis 报告称，Gemini 4 Argon 现已达到 GA，在其智能指数上的表现追平 GPT-6 Astra；截至 11 月 30 日，在折扣定价下，每项任务的成本为后者的 60%。 Argon 每项任务收费 $1.99，每 100 万输入/输出 token 分别收费 $2/$10；11 月 30 日后，价格将升至 $4/$20，缓存读取可享 95% 折扣。 Artificial Analysis 还报告称，Argon 在智能体评测中的表现大幅提升，并在 AA-Omniscience 上的幻觉率为 15%；在其智能指数得分达到 45+ 的模型中，这一比率最低。
推荐理由：该比较将智能得分与任务成本分开呈现，说明 Argon 的临时定价如何使其在智能水平相近时，相较 GPT-6 Astra 具备成本优势。
Google 推出了 Gemini 4 Argon，称其推理能力和基准测试表现有所提升，可与 GPT-6 Astra、Claude Fable 5.1 和 Claude Opus 5.5 相比。该模型从今天起向 Pro 和 Ultra 订阅用户开放，可在 Gemini 应用和 Search 的 AI 模式中使用；Ultra 订阅用户还可在 Antigravity 中使用。Plus 订阅用户和免费用户能否使用仍不明确。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，11 月底价格将翻倍；不过，较低的 token 费率并不一定意味着任务成本更低。
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Liquid AI 发布了 LFM2.5-24B-A2B，这是一款开放权重推理模型，总参数量为 24B，激活参数量为 2B，面向能够进行推理并调用工具的设备端智能体。其上下文窗口从 32K 扩展至 131K 个 token，推理版和 Base 版均已在 Hugging Face 上提供。Liquid AI 报告称，该模型在 Apple M5 Max 上的速度为 184 tokens/s，工具使用表现具有竞争力，同时也承认，在知识密集型和代码基准测试中，更大的模型仍有优势。
推荐理由：基准测试对比有助于区分适合本地部署的工作负载：该模型在工具使用和指令遵循方面表现出色，但在知识和代码方面不及某些更大的模型。
谷歌员工使用 Gemini 4 Argon 构建的一些精彩案例 🧵 它对编程和多步骤工具调用的掌握强得多——从 Google Antigravity 中的原始 Pixel CAD 文件出发，Argon 通过 Blender MCP 制作了这段分解视图动画，并完成了灯光、镜头调度和音频。 它进行了 1,000 轮迭代循环，检查自己的渲染结果，并在过程中不断优化代码。
@chetaslua 表示，Gemini 4 ARGON 在 Antigravity 中通过多智能体视觉评审循环，构建了一个细节丰富的宝塔模型。该模型在 Blender 中自主雕刻了一座寺庙建筑群。Josh Woodward 作出回应：“我去” https://twitter.com/chetaslua/status/2110050110784798950
据 Baoyu 报道，Google 于 10 月 13 日发布 Gemini 4 Argon，用于处理复杂的多步骤任务，并援引了 Sundar Pichai 关于全球付费可用性的公告。访问方式包括付费的 Gemini API 和平台、Google Antigravity 中的 Ultra 订阅，以及 Gemini 应用和搜索中的 Pro 或 Ultra 订阅。入门 API 定价为每百万输入令牌 2 美元、每百万输出令牌 10 美元（包括思考令牌），有效期至 11 月 30 日；12 月 1 日起价格翻倍。输入、思考和输出共用 1,048,576 个令牌的限额。
推荐理由：输入、思考和输出共用预算，因此长任务中的上下文分配至关重要；而重复计算输入用量这一做法仍留下一个具体的计费细节尚未明确。
@PawelHuryn报告称，Muse Wonder Full 1.0在涵盖2个代码库中105个漏洞的测试中得分为44，排名低于GPT-6 Astra（45分），高于Fable 5.1（43分），并称其可与Anthropic和OpenAI匹敌。Alexandr Wang表示，Muse Wonder在修复漏洞方面“势如破竹”。
Google DeepMind 已通过其 API 和部分 Google 产品在全球推出 Gemini 4 Argon，具体访问权限取决于订阅或服务等级。入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元；缓存输入 token 可享受 95% 的折扣，通过 Gemini API 的统一输入输出 token 上限为 1M。Google 表示，该模型在编程、专业工作流程、科学研究和机器人领域均有提升，同时增强了智能体防护措施和抵御提示注入的能力。
推荐理由：Google 报告的代码提交量提升和回滚次数减少，将 Argon 的工程能力与内部工作流程中的交付速度和代码稳定性联系起来。
Google DeepMind 推出 Gemini 4 Argon，这是一款通用型物理推理模型，可用于机器人控制、仿真重建、物理理解和自我改进。Google DeepMind 报告称，该模型仅通过推理便取得了 87% 的 ERQA 得分；此外，在一项仿真生成的训练示例中，真实世界机器人的成功率从 56% 提高到 75%，完成时间则从 35s 缩短到 24s。Google AI Ultra 订阅用户今天起可通过 Google AI Studio 和 Google Antigravity 使用 Argon；付费 Gemini API 层级用户也可在 Interactions API 中使用 gemini-4-argon。
推荐理由：仿真到硬件的示例为评估生成的训练回合如何在所报告的设置中提高机器人任务成功率并缩短完成时间，提供了具体依据。
Gemini 4 Argon 已正式推出。 从今天起，全球开发者和企业可通过 Gemini API 和 Gemini 平台的付费层级使用；Ultra 订阅用户可通过 Google Antigravity 使用；Gemini 应用和搜索则向 Ultra 和 Pro 订阅用户开放。 希望大家喜欢！
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Logan Kilpatrick 宣布，Gemini 4 Argon 将于今天在全球范围内推出，面向 Gemini API 用户、Gemini App 中的 Pro + Ultra 用户，以及 Antigravity 中的 Ultra 订阅用户开放。他表示，过去一个月里，Google 有超过 100,000 人测试了该模型；fairwind 计划中的网络防御人员和提前体验客户则在过去 2 周内获得了访问权限。他重点介绍了模型的写作、知识、持久编码能力，以及在需要投入更多工作时可提供的 1M token 输出。
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Josh Woodward写道：“Go!”，并附上Sundar Pichai宣布Gemini 4 Argon现已推出的链接。 https://twitter.com/sundarpichai/status/2110038898009407584 Pichai表示，今天起，全球开发者和企业用户可通过Gemini API和Gemini平台的付费层级使用该产品；Google Antigravity中的Ultra订阅用户，以及Gemini应用和搜索中的Ultra和Pro订阅用户也可使用。
Gemini 4 Argon 现已在全球推出。 该模型旨在从头到尾解决您最棘手的问题，在编码、企业工作流和网络防御方面带来前沿能力。
Gemini 4️⃣ Argon ✨ 正在全球陆续推出。 Google 称，其前沿模型专为应对编码、金融、法律、网络安全和科学领域的复杂现实任务而打造。 了解如何在你喜爱的 Google 产品中使用 Argon 🧵 https://t.co/PtoPqbtPel
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Google Gemini 表示，其新一代前沿模型 Gemini 4 Argon 现已开始在 Gemini 应用中推出，帮助用户将最复杂的想法变为现实。 这篇帖子介绍了关于 Gemini 4 Argon 的讨论串，以及 Gemini 应用的最新更新，帮助用户充分利用每条提示。
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Gemini 4 Argon 今日开始向 Google Ultra 和 Pro 订阅用户在 @GeminiApp 和 Search 中推出，并向 Ultra 订阅用户在 @antigravity 中推出。 Demis Hassabis 称赞了它在知识工作和编程方面的能力，并分享了一款他们让它制作的巫师棋游戏，作为其物理理解和 3D 建模能力的示例。这款游戏让他想起了 Amiga 上的 Battlechess。 更多信息和完整的推出范围：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
据 QbitAI 报道，截至 2026 年 10 月 13 日，MagicLab Studio 的 EchoPolicy-0 在 MolmoSpaces Combined 排名第一，在 3915 个评测回合中，四项 v1 操作任务的平均成功率达到 75.4%。其拥有 34 亿参数的 MagicBrain 以 72.4% 的平均成功率和 94.4% 的抓取成功率位列第四。EchoPolicy-0 将 VLM 引导的候选轨迹选择与执行检查相结合；MagicBrain 则利用视觉标记和后训练，在不改变 VLA 架构的情况下，将目标位置与动作关联起来。
Meta 超级智能实验室发布了 Muse Wonder 和 Muse Wonder Full，这是其第二代模型系列，面向个人和专业场景中的智能体工作。Latent Space 报道称，Wonder 可通过 Meta Model API 和 Muse Code 使用，而 Full 仅限 Muse Code 订阅用户使用。Artificial Analysis 给出的 Wonder Full 和 Wonder Intelligence Index v4.3 得分分别为 56 和 52，而 Opus 5.5 为 58；Wonder 支持 1M 上下文窗口，可输入文本、图像、视频和音频，输出仅支持文本。
推荐理由：基准测试细分结果将 Wonder 各版本与竞争模型在智能体表现和 token 用量方面进行比较，展示它们在不同任务中的相对排名如何变化，而非给出单一排名。
