腾讯混元 Hy4 在 Artificial Analysis Intelligence Index v5 得 35 分，居中国 AI 实验室模型第二

过去八天内，Grok 4.5、GPT-5.6、Muse Spark 1.1 与 Kimi K3 四款前沿模型相继发布，使 Artificial Analysis Intelligence Index 得分超 50 的实验室从 6 月初的 2 家增至 6 家。

Artificial Analysis 改版其 Intelligence Index 至版本 5，Kimi K3.1 Pro 从第 4 降至第 9，开源模型与榜首差距从 3 分扩大到 12 分，Grok 4.7 也下跌 12 分。

有推油友指出我是在给 Kimi 洗地 @grok @bot 请客观分析确实有洗地吗？如果有具体哪里？ 如果确实有，请联系 Kimi 给我支付费用 😅

安全任务中使用最多的模型，按支出占比：GLM 5.3 与 Kimi K3 Grok 4.7 是排名最高的闭源模型 https://openrouter.ai/rankings#task-spend

有人用同一提示词让 GPT-6 Astra、Grok 4.7、Kimi K3 和 Fable 5.1 分别构建飞行模拟器，Astra 综合仍排第一，但 Grok 4.7 出乎意料地接近。Kimi K3 与 Fable 5.1 基本打平，两者产出结果更流畅，Grok 4.7 的整体质量则与 Astra 相当。综合排名为 Astra > Grok ≈ Kimi ≈ Fable。

终于，在经历了相当安静的一周左右之后，这周有东西可看了 grok 4.7 出现在 OpenCode 中 opus 5.5，早前传闻称其与 opus 5.2 或 fable 5.2 是同一个 checkpoint gpt-6 Sol，可能上周被推迟了 kimi k3.1 也有暗示

所以我们已经看到以下模型的测试： Sonnet 5.2 Opus 5.2 Fable 5.2 Gemini 4 Pro 而我们已经确认或得到暗示即将发布的还有： Grok 4.7 GPT-6-Sol（Sam 和 Tibo 预告周二会有重大发布，可能就是这个）Kimi K3.1（Kimi 一条含糊的帖子似乎在暗示 3.1） 这周挺无聊的。但下周大概会疯狂。

马斯克透露 Grok 4.8 是 2.5T 参数模型，基于全新 C++ 软件栈训练，本周完成训练并启动 RL。该模型比当前可用的 Grok 4.6 大约 67%，规模与 2.8T 参数的 Kimi K3 同档。Grok 4.7 因此前公布的延期，预计仍将很快推出。

Artificial Analysis 的 AA-PersonalityBench 显示，Grok 近三个版本在 Slop、Sycophantic 两项上持续下降、Sincere 持续上升。

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）。