Arena 周报：Kimi K3.1 Pro 开放权重登顶 Agent 榜，Gemini Omni 1.2 Flash 领跑视频生成

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。

@petergostev 对 Kimi K3.1 Pro 的第一印象来了。 我们把 @Kimi_Moonshot 的 Kimi K3.1 Pro 用于 3D 场景、HTML 动画、网站、UI 构建和研究型页面，并与 K3、Opus 5.5、Sonnet 5.5、GPT-6.1 Sol、Gemini 4 Argon 等模型进行对比。 看看它表现如何，并在我们的 YouTube 上找到 Peter 的提示词。 https://www.youtube.com/watch?v=rV…

邵猛发问：最近几个以 Pro 结尾的模型是否都不太达预期，点名 DeepSeek V4 Pro、Kimi K3.1 Pro，以及“胎死腹中”的 Gemini 3.5 Pro。他由此提出，做 Flash 模型对大多数 AI 团队才是正路。

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。

Arena 宣布 DeepSeek-V4.1-Flash-20261017 (Max) 成为 Code Arena: WebDev 榜单第一开源模型，超过 Kimi K3 (Max)，成本低约 10 倍。

Arena 宣布 Meta 的 Muse Wonder (Max) 进入 Code Arena: WebDev 榜单第15名（1651分），与 Kimi K3 (Max) 的 1655 分相差 4 分。

Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8，净提升分 +7.92%，每任务成本 $0.62。

Arena 宣布 Google 的 Gemini Omni 1.2 Flash 在 Text-to-Video 和 Image-to-Video 榜单首秀即排名第一，Video Edit 排第三。其文生视频得分为 1541 分，比上一代 Gemini Omni 1.1 Flash 的 1514 分高出 27 分，Google 的 Omni 系列就此包揽文生视频榜前三。被引用的 Google 介绍称，该模型视频生成和编辑时长上限提升到 15 秒，720p 视频 API 价格降…

月之暗面（Kimi）在 Hugging Face 开源 Kimi K3.1 Pro 模型权重，据 Arena 称其现为 Agent Arena 开源模型第一。

Agent Arena 统计近 14 天近 30000 个任务运行超过一小时，平均模型每小时发起 332 次工具调用。长程任务上模型选择最多可省 66% 成本：Gemini 4 Carbon 每小时任务中位成本 $10.51，Claude Opus 5.5 为 $21.13，GPT-6 Astra 为 $31.08。