AI圈报
模型发布 / 更新普通

Artificial Analysis 更新 MLCR-AA 医疗长上下文推理榜单

信息来源：X：Artificial Analysis (@ArtificialAnlys)·
GPTClaude
原始标题：We've updated MLCR-AA, our leaderboard for Wisedocs' Medical Long Context Reasoning benchmark, with Claude Sonnet 5.5 and GPT-6 Astra now...

内容摘要

Artificial Analysis 更新了 Wisedocs 医疗长上下文推理基准 MLCR-AA 的提示与评分方式，Claude Sonnet 5.5（max with fallback）与 GPT-6 Astra（max）以 41.7% 并列第一。
内容分类AI 模型发布与更新
内容层级普通情报
发布时间（北京时间）
本站收录时间（北京时间）
信息来源X：Artificial Analysis (@ArtificialAnlys)
站内情报编号intel-8ea0a23f34bb10c555662451
阅读原始信息 ↗查看数据来源更多模型发布 / 更新

相关推荐

综合分类、实体标签与信息来源匹配

模型发布 / 更新精选
Artificial Analysis：Claude Sonnet 5.5、GPT-6.1 Sol 与 Gemini 4 Argon 登顶 Coding Agent Index 榜单但成本差异大
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。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude / Gemini
模型发布 / 更新精选
MiMo-V2.6-Pro、Claude Opus 5.5、GPT-6 Luna/Sol 发布改变智能指数与成本 Pareto 前沿
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。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude
模型发布 / 更新普通
Devin Fusion 双模型组合 Coding Agent 评测得分 68.1
Artificial Analysis 用 Claude Opus 5.5 (max) 主模型加 GPT-6 Luna (high) 副模型测试 Cognition 的 Devin Fusion CLI，在 Coding Agent Index 上得 68.1 分。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude
模型发布 / 更新普通
Artificial Analysis 发布 Terminal-Bench-Science 0.1 榜单
Artificial Analysis 上线 Terminal-Bench-Science 0.1 智能体科研基准榜单，GPT-6 Astra (max) 以 63% 居首，Claude Opus 5.5 (xhigh) 以 62% 紧随其后。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude
模型发布 / 更新普通
三大模型刷新智能成本前沿
上周，智能指数与成本帕累托前沿大幅外移。Claude Fable 5.1、Muse Spark 1.3 和 GPT-6 Astra 各自在高效智能方面树立了新标杆。 分析链接：https://artificialanalysis.ai/#intelligence-comparison-tabs
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Claude
模型发布 / 更新精选
Inception Labs 发布扩散大语言模型 Mercury 3，速度达 1068 tokens/秒
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。
信息来源：Inception Labs：Blog（网页） · GPT / Claude
模型发布 / 更新精选
Gemini 4 Argon 全面开放，作者实测后认为难以撼动 Claude Opus 5.5 和 GPT-6 Astra
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。
信息来源：X：卡兹克 (@Khazix0918) · GPT / Claude / Gemini
模型发布 / 更新精选
实测Gemini 4 Argon：知识工作强劲但体验糟糕，卡兹克称难撼Claude Opus 5.5与GPT-6 Astra
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。
信息来源：公众号：数字生命卡兹克 · GPT / Claude / Gemini
模型发布 / 更新精选
Claude Sonnet 5.5 (xHigh) 以 1786 分登 Code Arena: WebDev 第 3 名
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。
信息来源：X：Arena (@arena) · GPT / Claude
模型发布 / 更新精选
Claude Opus 5.5 登顶 Arena Code Arena: WebDev 榜首，得 1818 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。
信息来源：X：Arena (@arena) · GPT / Claude