谷歌发布 Gemini 4 Argon：百万 token 输出，13/19 基准测试自称第一
Google DeepMind 发布 Gemini 4 Argon，在 19 项基准测试中自称 13 项第一，包括 DeepSWE 得分 77.9%、Text Arena 第一（1525）、Terminal-Bench 4.0 从 19% 提升至 57.6%。
全部 AI 动态
Latent SpaceAI 评分6060 Ars Technica · AIAI 评分2727 Google 宣布 Gemini 4 Argon AI 模型，但还无法使用
Google 宣布推出 Gemini 4 Argon AI 模型，但目前尚无法使用。正文仅一句"So much for Gemini 3.5 Pro."暗示该版本可能是对前代模型的重大升级。暂无参数规模、功能特性或可用时间等详细信息。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布前沿模型 Gemini 4 Argon，输出 token 限制扩展至 1M，支持复杂长周期工作流。模型已赋能 Google 内部编码和知识工作，在 CWE-bench v1 漏洞修复中达 68%、Vals Finance Agent v2 多步金融研究中领先、视频理解基准 LVBench 达 91.7%。
推荐理由：模型在复杂工作流中的具体表现有数字支撑（1M token 输出、CWE-bench 68%、2.7x 加速等），便于读者判断其对实际工作的价值。
Simon WillisonAI 评分88 GPT 6.1 Sol：五分之一价格，接近 Astra 的智能水平
GPT 6.1 Sol 发布，智能水平接近 Astra，价格仅为后者的五分之一。Simon Willison 于 9 月 29 日发布月度简报，追踪 LLM 领域重大进展。
Simon WillisonAI 评分5353 Anthropic 发布 Claude Sonnet 5.5：速度提升 30%、成本降低 30%
Anthropic 于 9 月 28 日发布 Claude Sonnet 5.5，官方称其速度提升 30% 以上，多数任务成本降低 30%，定价与 Sonnet 5 相同但各项基准测试均有提升。
Simon WillisonAI 评分7373 Claude Opus 5.5、GPT-6 Sol、GPT-6 Luna 与新一轮价格战
Anthropic 与 OpenAI 于 9 月 22 日同日发布新模型，Claude Opus 5.5 定价下调 20% 至 $4/M（输入）/ $20/M（输出），而 OpenAI 将 GPT-6 Sol 和 GPT-6 Luna 定价为 GPT-5.6 系列的半价，GPT-6 Luna 最低至 $0.10/M（输入）/ $0.50/M（输出），引发了新一轮价格战。
Google DeepMind精选AI 评分7575 Google DeepMind 推出 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking
Google DeepMind 发布 Gemini 3.8 Live 和 Gemini 3.8 Live Extended Thinking 两款语音对话模型，前者主打规模化成本效益，后者针对高复杂度任务强化多步推理。
推荐理由：原文给出了具体评测分数和分平台上线时间，读者可以据此判断 Gemini 3.8 Live 系列在语音对话模型中的实际能力和可用范围。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 WeatherNext 3 全球最先进天气 AI 模型
Google DeepMind 和 Google Research 发布 WeatherNext 3，号称是目前最先进、最准确的全球天气 AI 模型，由独立机构 Brightband 实时评估验证。
推荐理由：WeatherNext 3 在分辨率（5km）、更新频率（每小时）和降水预测精度（CRPS 提升 10%-60%）上均给出了可量化指标，用户可直接判断它对天气预报可靠性的实际影响。
Microsoft Research精选AI 评分6666 Microsoft Research 开源 GigaPath-Flash 和 GigaTIME-Flash：面向大规模病理分析的高效基础模型
Microsoft Research 开源了 GigaPath-Flash 和 GigaTIME-Flash，这是 GigaPath 和 GigaTIME 的蒸馏高效版本。
推荐理由：GigaPath-Flash 在保持 97% 性能的同时将计算量降低约 50 倍，使大规模病理研究从不可行变为可操作。