GPT-6 Astra 无 Python 跑 MazeBench 得 14%

Google 推出旗舰模型 Gemini 4 Argon，在多数基准上超过 GPT-6 Astra 和 Claude Opus 5.5，其中 Harvey's Legal Agent Benchmark 得分 19.6%，明显高于对比模型的 6.7% 等成绩。

Rohan Paul 发推称"现在轮到下一个 GPT 模型了"，并引用 Gavin Baker 的话指出前沿模型公司之间总在玩"更先进 checkpoint"的博弈游戏。

Vals AI 联合创始人兼 CEO Rayan Krishnan 在 Bloomberg 上预测，约 2027 年 8 月模型将在研究能力上超越人类研究员，实现完全无需人类参与的递归自我改进（RSI）。他描述这一状态为 GPT-6 自主造出 GPT-7，或 Claude 自主造出下一代版本，而当前人类仍参与模型开发过程。

Inception Labs 发布扩散式大语言模型 Mercury 3，称其在多项基准上超过 GPT-6 Luna 和 Claude Haiku 5.5，速度达 1068 tokens/秒，参数量较 Mercury 1 扩大 40 倍以上。

Google 于10月14日全面开放 Gemini 4 Argon，作者实测后认为其很难冲击 Claude Opus 5.5 和 GPT-6 Astra 的地位。

Gemini 4 Argon于10月13日全面开放，Pro会员可在Gemini APP使用，Antigravity需100刀Ultra会员。作者实测认为其知识类专业能力强，Vals Index综合第一（68.9）且单次成本仅15.68美元，但CUA-bench仅4.83%排倒数第二；前端效果不及GPT-6 Astra，额度消耗快，中文写作味道重，整体体验糟糕，不建议订阅Ultra。

Artificial Analysis 发布 Coding Agent Index 榜单，Claude Sonnet 5.5 (max) 在 Claude Code 以 68 分居首，但每任务成本最高达 $14.19。

Arena 宣布 Claude Sonnet 5.5（xHigh）进入 Code Arena: WebDev 榜单，以 1786 分排名第 3，距第 2 名 GPT-6 Astra 的 1788 分仅差 2 分。

Arena 宣布 Claude Opus 5.5 (Max) 以 1818 分登顶 Code Arena: WebDev，领先第二名 GPT-6 Astra (Max) 26 分，比 Opus 5 (Max) 的 1692 分高出 126 分。

Artificial Analysis 称本周 MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna 和 GPT-6 Sol 的发布在 Intelligence Index 与每任务成本 Pareto 前沿上新增十一个点位，其中 GPT-6 Luna 贡献五个，Claude Opus 5.5 贡献四个。