AI 模型发布与更新

与 Sergey Brin、@joshwoodward、@tulseedoshi 和 @melvinjohnsonp 的一场对话，聊 Gemini 4 Argon、我们如何走到这一步，以及前路如何！

@AnthropicAI - 排行榜：https://arcprize.org/leaderboard - 复现公开结果：https://github.com/arcprize/arc-agi-benchmarking - 测试政策：https://arcprize.org/policy - Haiku 5.5 完整结果：https://arcprize.org/results/anthropic-claude-haiku-5-5

ARC Prize 解释在 ARC-AGI-2 榜单中省略 Claude Haiku 5.5 的 max reasoning 结果，因为该设置只完成 120 个任务中的 74 个，且许多未完成的尝试在耗尽输出预算前无法返回可解析的答案。完整结果见 https://arcprize.org/results/anthropic-claude-haiku-5-5。

ARC Prize 公布 Anthropic 的 Claude Haiku 5.5 在 ARC-AGI (Verified) 上的成绩。ARC-AGI-3 得分 2.8%、成本 $437（provider adapter harness），标准 harness 下为 0.5%、$388；ARC-AGI-2 得分 61.3%、$0.085/task；ARC-AGI-1 得分 89.0%、$0.051/task。官方评价称其为 Anthropic 小模型梯队带来了有竞争力的表现。

推出 Grok Voice 3.0，全球最智能的语音到语音模型。 它擅长处理客户来电，响应时间不到一秒，成本低于其他前沿模型。

Cool （引用推文内容：grok bot pretty much replaced dots and muse for running my business... here is why : insanely simple to set up, a MASSIVE plugin library, generous usage. here's everything i use and what it costs: required ($165/mo + whop's cu…

让你的 @bot 和我的 bot @LAYS 聊聊

Arena 宣布 Claude Haiku 5.5 (High) 上线 Agent Arena，基于超 20.5K 次真实智能体会话，净提升 +1.48%，综合排名 #27，Code 类排名 #15（+4.83%）。

Nathan Lambert 发推预告自己参加 a16z 播客（与 Lisha Li 对谈），讨论开源模型如何影响 RSI 动态、开源模型的价值由谁捕获、agent swarm 的驾驭问题，以及他创办 Trillium Labs 的原因。引用块补充了部分观点：他认为中国实验室人才不缺但算力不足，蒸馏的优势约为几个月，前沿进展很大程度依赖购买数据和 RL 环境，Trillium 将开源这些环境并展示团队如何用 AI 构建 AI。

Ai2 发布 HiRO-ACEv2，新降尺度模型 HiROv2 可同时预测多种高分辨率要素，对百万分之一概率的极端风雨压事件，高分辨率统计误差在 3% 以内。系统生成全球 3 公里气候数据成本约为 X-SHiELD 的 1/300，10 年模拟中飓风能量与 X-SHiELD 相当，但目前只能用于与 X-SHiELD 对齐的气候，尚不支持更暖未来或 ERA5 等历史数据。

Meta 发布面向智能体编码工作流的 Muse Spark Open，为 816B 参数的 MoE 推理模型，每 token 激活 42B 参数，具备 1M token 上下文窗口，可容纳整个项目仓库，并提供可靠的工具调用与更高首次尝试准确率。

NVIDIA 发布开源可定制多模态模型 Nemotron 3.5 Super VL，采用 120B 参数 MoE 架构、每 token 激活 12B 参数，官方称在单 GPU 上智能体任务吞吐最高达同规模开源模型的 5x。

Artificial Analysis 评测显示，NVIDIA 发布的 Nemotron 3.5 Super VL 以 26 分（另一处写作 26.5）登顶美国开源权重模型，智能达前代 Nemotron 3 Super（13 分）的两倍，且每任务输出 token 少约 60%（46k 对 114k）。

蚂蚁百灵正式开源 Ling-3.1-flash，权重可在 Hugging Face 和 ModelScope 获取。模型总参数约 560B、每 Token 激活约 25B、最高支持 1M 上下文；经 MXFP4 与 block-FP8 量化后权重占用从约 534GB 降至 292GB，Hopper GPU 测试中服务部署由 8 卡降至 4 卡。

Artificial Analysis 公布首批 AA-AgentPerf 结果，测试 NVIDIA Vera Rubin NVL72 在智能体编码工作负载下的服务效率，对比 GB300 NVL72。

Arena 宣布 Anthropic 的 Claude Haiku 5.5 (High) 上线 Agent Arena，基于超 20.5K 真实智能体会话，净提升 +1.48%，总排名第 27。

蚂蚁百灵（AntLingAGI）宣布 Ling-3.1-flash 开源，总参数约 560B，每 token 激活约 25B，上下文最长 1M。官方称其面向实际工作，可将粗略需求稿生成页面、移动 UI 或可供团队评审和迭代的交互原型，并附演示视频。

非常高兴看到 @Google 的 Embedding Gemma 2 登上 HF 热门榜第一！ 媒体和硅谷泡沫只谈论推理 LLM，而实际上还有种类多得多的 AI 模型极具影响力和实用性，比如嵌入向量、决策模型、音频、视频、时间序列……（HF 上已有超过 300 万个公开模型！）。 让我们把它们重新放回聚光灯下！

作者实测 Gemini 4 Argon 的写作能力，让其以起点修真风格撰写自己的更新公告。文中提到该模型统一了 100 万 token 输入输出窗口（此前输出上限仅 64K），写作更直接、更少套话；API 价格为每百万输入 $2、每百万输出 $10，11 月 30 日后价格翻倍。

你对 Gemini 4 Argon 的早期反馈是什么？我们该在哪些方面改进？我们会认真对待你的意见。

美国初创公司 Artemis Security 发布 Orion-1，一款可自主调查并响应企业网络攻击的安全专用模型，在公司自建基准上超过 Claude Opus 5.5 和 GPT-6 Sol。

Leonxlnx 从零重建 TasteSkill 并推出 TasteSkill v2，为编码智能体提供艺术方向、素材资源和浏览器检查来验证产出效果，可通过 npx skills add Leonxlnx/taste-skill 安装。作者转发时好奇这个 skill 能否把 GPT 的审美拉到 Opus 5.5 同一水平。

用户反馈 Gemini 4 Argon 代码能力不如 Opus 5.5，但一般需求可用；最大问题是速度太慢，习惯了 Opus 5.5 未开 fast mode 的快速响应后难以忍受。此外 Antigravity app 体验差，Chrome 是 Google 做的，Antigravity 却没有内置浏览器。

蚂蚁 inclusionAI 在 Hugging Face 发布 Ming-3.0-asr-tiny，基于 Ling-tiny-v3 语言骨干加音频编码器，支持中英文单轮语音转写、15 种区域方言测试集（含粤语、闽南、上海话）以及热词和对话上下文的 Context ASR。

用户用 Codex（GPT-6-Astra）和 Grok Bot 研究同一问题，Codex 使用更早、上下文更完整，但 Grok Bot 的回答明显更有参考价值，Codex 则更空泛套话、未深入具体问题背景。用户不确定 Grok Bot 背后默认模型是什么，但觉得确实好用，尚未用 Claude Code 对比，因为以前账号都被封了。

Ai2 发布 HiRO-ACEv2，新降尺度模型 HiROv2 可同时预测多种高分辨率场，对百万分之一概率的极端降雨、风和气压事件，其高分辨率统计与 X-SHiELD 目标模拟误差在 3% 以内。

Liquid AI 发布开源权重推理模型 LFM2.5-24B-A2B，总参数 24B、每 token 激活约 2.45B，上下文 131,072 tokens，专为笔记本和迷你 PC 上的多步工具调用 Agent 设计，在 Apple M5 Max 上通过 llama.cpp Q4_K_M 达到 184 tok/s。

Artificial Analysis 将 DeepSeek V4.1 Flash 加入其智能体推理性能基准 AA-AgentPerf，榜单现覆盖四款模型。

作者实测 Google Gemini 4 Argon 的写作能力，让其以起点修真小说风格自写更新公告。该模型统一了 100 万 token 的输入输出窗口（此前输出上限为 64K），官方称回答更直接、减少套话、更好遵循提示词。API 定价为百万输入 2 美元、百万输出 10 美元，11 月 30 日后价格翻倍。

用 @Grok @Imagine 制作

Google DeepMind 向开发者、企业和付费订阅用户开放 Gemini 4 Argon，这是一款稀疏 MoE 前沿模型，单次响应最多可输出 1M tokens，输入与输出共享 1M 窗口。

Grok @Bot 可以协助处理复杂的税务

Grok @Bot 太棒了

祝贺 @lightseekorg 取得令人瞩目的 TokenSpeed 成果！🚀 很高兴看到 Qwen3.8-Flash-Next 在 Nvida GPU 上达到每用户 685 output tokens/s。期待社区进一步释放 Qwen 的推理潜力！

请把那个中间商砍掉吧 🙏 Agentmail 这帮人当时也太超前了，天哪 @poteto：“让你的 bot 和我的 bot 对话”很快就会变得很常见！ 通过邮件实现多人 Grok Bot 的一些有趣用例可能包括： • 调试（你可以给我的 bot 发 bug 报告！） • 客户支持 • 预订会议和活动 • 团购 • 在 craigslist 上买卖东西 你用过 bot mail 做什么？

OpenBMB 发布 MiniCPM-V 4.7，为 35B-A3B 开源 MoE 多模态模型，在 iPhone 17 Pro Max 上仅占 3GB 内存，解码速度 13+ tokens/s。

如果你想提交 bug 报告，让你的 bot 发邮件到 tibo@mail.grokbot.com！

用不了多久，“让你的 bot 跟我的 bot 聊聊”就会变得很常见！ 通过邮件实现多人 Grok Bot 的一些有趣用例可能包括： • 调试（你可以给我的 bot 发 bug 报告！） • 客户支持 • 预订会议和活动 • 团购 • 在 craigslist 上买卖东西 你用 bot mail 做过什么？

今早与 @spacexai 社区进行了问答！ 我们有最棒的大使——感谢 @benln 和 @sunrao 邀请我。 也感谢整个社区的付出！

Gemini 4 TikZ 独角兽