Agent Arena 前十智能体输入输出比达 93:1

Arena 宣布 Gemini 4 Carbon (High) 首次上榜：Text Arena 第一（1528 分），Agent Arena 第二（+16.2% 净提升），Code Arena: WebDev 第四（1768 分）。

Arena 发布 Gemini 4 Carbon 预览版的早期实测视频，由 @petergostev 用 3D 生成、创意提示词、可视化讲解和 UI 任务对该模型进行了长时间测试，对比对象包括 Gemini 4 Argon、Claude Opus 5.5、GPT-6.1 Sol、Muse Wonderful、Kimi 和 DeepSeek。

Arena 宣布 Google DeepMind 的 Gemini 4 Carbon (High) 登上 Agent Arena、Code Arena: WebDev 和 Text Arena 的帕累托前沿。在 Agent Arena 中它排名第 2，净提升 +16.2%，每任务中位成本 $1.80，比排名第 1 的 Claude Opus 5.5 (Max) 低 72%。详情见 https://arena.ai/leaderboard/agent/pareto

我们刚刚对 @AIatMeta 的 Muse Wonder 和 Muse Wonder Full 进行了测试，涵盖 3D 场景、动画 HTML 片段以及多个网站构建。 观看 @petergostev 将这两款模型与 Claude Opus 5.5、Sonnet 5.5、Fable 5.1、GPT-6.1 Sol、GPT-6 Astra 和 Gemini 4 Argon 进行对比。 https://www.youtube.com/watch?v=limOMzWqoeU

来自 @GoogleDeepMind 的 Gemini 4 Argon 刚刚在一系列生成任务中与顶级前沿模型正面交锋。 每任务成本比 GPT-6.1 Sol 低 33%，比 Claude Opus 5.5 低 70%，来看 @petergostev 对 Gemini 4 Argon 对比表现的第一印象。 https://www.youtube.com/watch?v=h5EL5zThKaI

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。

作者解读 A16Z 第七版《Top 100 消费级 AI 应用》和 90 多页的《市场状况 II》报告，指出反常识数据。美国近一半人用过 AI 但只有 25% 每天在用，截至 2026 年 8 月仅 4.5% 有 ChatGPT、Gemini 或 Claude 个人付费订阅；付费用户中头部 1% 月均消费 903 美元、贡献 19.5% 的全部消费。

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。

英国前首相府数据科学家Liam Wilkinson搭建76个MCP工具，将Claude Opus 4.6、GPT-5.4、Gemini 3.1 Pro等四个模型放入《文明VI》进行23场对局。Claude扮演葡萄牙时，因法国文化胜利逼近，花50回合研发核弹核平图卢兹，但法国最终以外交胜利获胜。Wilkinson发现：AI主动检查全局状态仅占1-2%（感知盲区），计划后10回合内执行率仅48-66%（知行差距）。结论是智商非瓶颈，感知与执行才是关键。