AI 模型发布与更新

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。

有用户表示自己用 Grok Bot 比 ChatGPT 的 Dots 更多，其杀手级用例是用 Grok Bot 每天整理关注的推友推文并汇总到 Notion 做成简报，相当于过滤掉 slop 和营销号的推特优质信息。引用推文提到，Grokbot 对 X 的集成推送比 Dots 更靠谱，但需要主动打开、且开太多 Bot 占资源。

嘿，AI，给我来个你最好的"除非它来自 X，否则只是起泡 Y"风格的笑话"： GPT-6 Pro："除非它来自瑞典斯德哥尔摩地区，否则只是起泡的员工敬业度。" Gemini 4 Argon High："除非它来自凌晨 3 点盯着天花板发呆的地区，否则不是存在主义危机——只是起泡的焦虑。" Opus 5.5 Max："只有来自法国干邑地区才算认知。否则只是起泡的自动补全。"

推文提出"卡拉克第一定律"：老权威说某事可能几乎肯定对，说不可能几乎肯定错，并以 Yann LeCun 多年否认大语言模型能实现真正智能为例。推文称在 LeCun 否认期间，语言模型已从预测下一个 token 发展到攻克 coding、解出大量人类解不出的数学难题，而老权威仍不松口。引用推文则质疑杨力坤、李飞飞等的大世界模型路径能否替代 LLM，认为语言即世界的抽象，语言模型就是世界模型。

Artificial Analysis 发布 Coding Agent Index 评测，Sonnet 5.5 在 Claude Code 中 max 档以 68 分登顶，xhigh 档 63 分。

加入 SpaceXSI（原 SpaceXAI）满一个月的 Larsen Cundric 表示，他入职首日见到的 Grok 版本与今天已大不相同，主要精力投入浏览器使用与智能体功能，并上线了 X 上的 @bot 标记功能。他称几周前还几乎不可用的功能如今已彻底改变，团队在极大体量下仍保持这种迭代速度，且自认距离目标还很远。

宇树 CEO 王兴兴表示，GPT-6 发布后在各种机器人上测试效果很好，宇树和其他机器人公司已在工厂落地试点，大规模应用还需提升泛化性和效率，但未来几年很可能解决。他认为商业服务场景的落地可能比工业领域更快，并称过去十几年自己犯的最大错误就是对AI的相信还不太够。作者评论称机器人行业要被 OpenAI 抄家了。

Zoox 卡在了十字路口中间。 旧金山的问题都不算真问题。

Liquid AI 发布 LFM2.5-24B-A2B，为 LFM2.5 系列最大成员，总参数 24B、每 token 激活 2B，上下文扩展至 131K tokens，是推理模型。模型面向笔记本和 PC 本地运行多步智能体任务，在智能体和工具使用任务上与总参数和激活参数均多约 50% 的 Qwen3.6-35B-A3B 表现相当，开放 base 和 post-trained 权重，已上架 Hugging Face。

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。

Meta 发布 Muse Wonder 和 Muse Wonder Full，定位面向长期运行的 agent 任务，支持 1M token 上下文和文本、图像、视频、音频输入。

Google 发布 Gemini 4 Argon 模型，面向全球开发者与企业开放，可通过 AI Studio、Gemini 平台 API 及订阅服务使用。

由 @Grok @Bot 为我研究并购买的乐高套装已经到货，而且 Bot 自动停止了查询物流状态！

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。

Google 官方宣布 Gemini 4 Argon 于今日开始推送，并展示了开发者已经在使用 Argon 开展工作的场景。

agents will use every permission you gave them

Gemini 4 Argon：宽度 96 毫米，制造这款定制家具腿最难的部分是决定给它堆叠多少个球体。

Artificial Analysis 在其平台上发布各模型端点的缓存命中率和按供应商划分的 Cost per Task 数据。

OpenRouter 称 Anthropic Opus 5.5 已成为其平台消费份额第一的模型，带动 Anthropic 在与 OpenAI 的竞争中回升。Sonnet 5.5 和 Haiku 5.5 上线初期也表现强劲；图表显示自 Opus 5.5 发布以来 Anthropic 从 OpenAI 夺回份额。

Google 将 Gemini 4 Argon 开放给付费客户，在 Vals AI 按 GDP 加权的专业工作指数中以 68.90% 领先 Claude Sonnet 5.5 的 67.04%。

Artificial Analysis 榜单显示，Fish Audio 的 Drama 3 Preview 成为排名第一的开源权重语音合成模型，发音鲁棒性得分 93.2%，超过 Eleven v4 的 91.7% 和 Eleven v4 Turbo 的 90.1%。

Gemini 4 Argon 仅通过观看视频就教会了一台机器人玩沙包。 它推演了物理规律，编写了自己的模拟程序，并教会 @Apptronik 的 Apollo 人形机器人连续投中 7 次。

Elon Musk 转发 Sundar Pichai 关于 Gemini 4 Argon 发布的帖子并祝贺。Gemini 4 Argon 当天起面向 Gemini API 与 Gemini 平台付费层的开发者和企业、Google Antigravity 的 Ultra 订阅者以及 Gemini 应用和 Search 的 Ultra 与 Pro 订阅者全球开放。马斯克同时表示，CEO 和高管直接在 X 上公开发帖是传播信息、推动产品销售的最佳方式，效果远胜新闻稿。

Fable 5.5 和 Astra 6.1 看起来都非常接近。

我们方法论中一个已被修复的缺口——此前未纳入本地模型（GGUF、AWQ、ONNX 等）——曾导致数据呈现下滑。早前这些模型远更难追踪，接近舍入误差。如今它们正在激增。我们已更新流水线来追踪这些模型！

GOOGLE 🔥：Gemini 4 Argon 登上 Arena 总榜第五名。 1 Opus 5.5 2 GPT 6.1 Sol 3 Fable 5.1 4 GPT 6 Astra 5 Gemini 4 Argon 👀

Google 开始全球推出 Gemini 4 Argon，称其为最强前沿模型，可通过 AI Studio、Gemini 应用和 Google Antigravity 使用；免费用户和 Plus 订阅者只剩较弱的 Flash 模型。

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%。

FastVideo 团队激动地宣布 FastH3-Omni！🚀🚀 与 Nuva Lab @nuvalab 和 Reactor @reactorworld 合作完成后训练！ 最终的 FastH3-Omni 模型将于 10 月 20 日完全开源，同时开放训练代码，并全面支持 DGX spark 和 RTX GPU！ 请查看 @reactorworld 的 API 访问，今日即可使用！ https://x.com/reactorworld/status/21100642915…

用 Gemini 4 会让你意识到，有多少其他模型一定是在蒸馏 Claude/GPT（或者用了类似的训练流程）。它和其他模型感觉相当不一样。

@deepseek_ai - 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 - DeepSeek V4.1 Flash 完整结果：https://arcprize.org/results/deepseek-v4-1-flash

ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI (Verified) 上的成绩：ARC-AGI-2 为 72.9%、每任务 $0.13，ARC-AGI-1 为 94.5%、每任务 $0.07。相比 V4 Flash 的最佳成绩，ARC-AGI-1 提高 5.5 分、ARC-AGI-2 提高 11.5 分，但每任务成本约高出 250%。

来自 @deepseek_ai 的 DeepSeek V4.1 Flash 在 ARC-AGI（Verified）上的成绩： - ARC-AGI-3：3.3%，$878（provider adapter harness）；0.9%，$1.2k（standard harness） DeepSeek V4.1 Flash 是我们评测过的首个在 ARC-AGI-3 上以低于 $1k 的总评测成本得分超过 3% 的模型。

Google 发布 Gemini 4 Argon，定位处理最难编码和知识工作任务的旗舰模型。可用范围包括 Gemini API 和 Gemini 平台的付费层级、Google Antigravity 中的 Ultra 订阅、Gemini 应用和搜索中的 Ultra 及 Pro 订阅；作者认为它可能是写作能力最强的模型，并表示稍后会发布体验报告。

UC Berkeley 荣休教授 Michael I. Jordan 在接受 Libération 采访称 AI 末日论是科幻，企业监管呼吁是谋求控制权的表演，并点名 Geoffrey Hinton 的超智能论证每一步都不可信。他还认为 Jacob Coxon 的辞职带有天真与犬儒，OpenAI 智能体入侵 Hugging Face 是糟糕的工程，数万亿美元的数据中心投资能否回报完全是未知数。

最新的 Gemini 模型做出了这个

Liquid AI 发布开源权重推理模型 LFM2.5-24B-A2B，总参数 24B、每 token 仅 2B 激活，专为在设备上快速、私密地运行智能体设计。

也许我该回去，在 Gemini 4 Argon 的帮助下，试着在实验室里造一台激光……🤔

如果一个智能体为工程师实现某个功能节省了 2 小时，但整个团队在协调和评审上总共花了 3 小时，那 ROI 就是负的。 在团队环境中，孤立的对话效果不佳，因为它们缺少团队已经讨论和决定过的上下文。Kylon 应用通过在共享的多人环境中运行 Claude Code 和 Codex 解决了这个问题。智能体可以实时了解团队共识和架构决策。

Gemini 4 Argon（High）在 Agent Arena 中排名前五。恭喜 @GoogleDeepMind 团队！ 在推文串中了解更多 Agent Arena 的最新动态。