AI圈报
模型发布 / 更新普通

Artificial Analysis 推出 HLE-Diamond 榜单，Gemini 4 Carbon (high) 以 69% 居首

信息来源：X：Artificial Analysis (@ArtificialAnlys)·
Gemini
原始标题：We've launched our HLE-Diamond leaderboard, our independent evaluation of the refined 1,000-question version of Humanity's Last Exam, as ...

内容摘要

Artificial Analysis 推出 HLE-Diamond 榜单，对 CAIS 和 Scale AI 清理精炼后的 1000 题 Humanity's Last Exam 版本做独立评测，纳入 Artificial Analysis Intelligence Index v5。
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-db69e7d945c8782ccef5aecc
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
Gemini 4 Argon 正式 GA，智能指数追平 GPT-6 Astra，Cost per Task 仅为 60%
Gemini 4 Argon 正式进入 GA，在 Artificial Analysis Intelligence Index 上与 GPT-6 Astra 排名持平，Cost per Task 为后者的 60%。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Gemini
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
Google发布Gemma 4多模态开源模型系列
Google DeepMind推出Gemma 4系列四款多模态开源模型，支持文本、图像及视频输入。31B（密集架构）与26B A4B（MoE架构）拥有256k上下文窗口，可在单张H100运行；另两款较小模型支持128k上下文。GPQA Diamond测试中，Gemma 4 31B（Reasoning）获85.7%，仅次于Qwen3.5 27B，但输出token仅约1.2M，效率更优；26B A4B（Reasoning）得分79.2%，超越gpt-oss-120B。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Qwen / Gemini
模型发布 / 更新普通
Artificial Analysis：Gemini 4 Carbon 登顶 Intelligence Index v5，编码智能体仅次于 Claude Opus 5.5
Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登上 Intelligence Index v5 第一。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Claude / Gemini
模型发布 / 更新普通
AA-PersonalityBench 揭示模型 Slop 差异
在 AA-PersonalityBench 中，智能较低的模型通常会产生更多 Slop，但前沿模型之间的 Slop 差异仍然很大 ➤ 智能水平相同但 Slop 排名相反：GPT-6 Sol 和 Muse Spark 1.3 在 Intelligence Index 上均得分 48，但在 Slop 上分别排名第 1 和第 80 ➤ 智能高但 Slop 也高：Muse Spark 1.3（Slop 80）、Qwen3.8 Max（75）和 Gemini 4 Argon（70） …
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Qwen / Claude
模型发布 / 更新普通
Gemini 模型在 AA-PersonalityBench 中最自信
在 AA-PersonalityBench 中，Gemini 模型是所有被测模型中最自信、最不愿承认不确定性的 ➤ 最自信：Gemini 3.8 Flash（100）、Gemini 4 Argon（97）和 Gemini 3.1 Pro Preview（95） ➤ 最不愿承认不确定性：Gemini 3.1 Pro Preview（1）、Gemini 4 Argon（4）和 Gemini 3.8 Flash（6）
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Gemini
模型发布 / 更新普通
Artificial Analysis 评测：Grok Voice 3.0 以 86.9 分登顶语音到语音模型榜
Grok Voice 3.0 在 Artificial Analysis Speech to Speech Index 以 86.9 分首秀登顶，领先 GPT-Live-1（Astra, medium）的 83.2 和 Gemini 3.8 Live Extended Thinking（High）的 82.6，较 Grok Voice 2.0 提升 5.6 分。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Gemini / Grok
模型发布 / 更新普通
HiDream-O1-Video-1.0 在 Artificial Analysis 图生视频音频榜首秀排第 6
HiDream-O1-Video-1.0 在 Artificial Analysis Video Arena 图生视频（含音频）榜排名第 6，紧随 Dreamina Seedance 2.0 720p，与 MiniMax H3、Vidu Q4 Preview、Gemini Omni Flash 处于接近梯队，领先 Wan 3.0。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Gemini
模型发布 / 更新普通
Artificial Analysis 评测 Gemini 4 Argon，智能指数追平 GPT-6 Astra 且成本仅 60%
Artificial Analysis 评测 Google DeepMind 新模型 Gemini 4 Argon，在 Artificial Analysis Intelligence Index 得 53 分，追平 GPT-6 Astra (max)，高于 GPT-6.1 Sol (max) 1 分。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · GPT / Gemini
模型发布 / 更新普通
Gemini 3.8 Flash TTS 登顶发音鲁棒性榜
Gemini 3.8 Flash TTS 以 89.5% 登顶 Artificial Analysis 发音鲁棒性基准，领先 Gemini 3.1 Flash TTS（88.2%）、SpaceXAI TTS（87.6%）和 Gemini 3.8 Flash-Lite TTS（87.4%）。
信息来源：X：Artificial Analysis (@ArtificialAnlys) · Gemini