Google DeepMind 发布 Gemini 4 Neon,在 Arena 智能体竞技场以 1336 分位列总榜第二,并进入性价比帕累托前沿。该成绩基于 4200 场真实智能体会话,超越 Carbon、Hydrogen、Argon 等模型,评测者认为其已逼近前沿水平。
帕累托前沿
Pareto Frontier
在多个目标(如性能与成本)间无法在不牺牲一方前提下改善另一方的最优解集合
收录情报动态
Gemini 4 Neon (High) 在 Arena 智能体竞技场指数上以 1336 分位列总榜第二,成为 Google DeepMind 在该榜单上表现最好的模型,并进入帕累托前沿。其单任务中位成本为 2.82 美元,比排名第三的 Claude Opus 5.5 (Max) 低 53%,比榜首 Claude Fable 5.2 (Max) 低 69%。在用户好评度、可操控性与任务完成度三项关键指标上均进入前三。
OpenAI 推出 GPT-6.2 Astra 与 GPT-6.2 Sol 两款新模型,前者面向科学、法律、金融等高强度专业任务,后者主打日常快速响应,API 价格较前代下调 20%。在 Artificial Analysis 智能指数上 Astra 位列第二,仅次于 Claude Fable 5.2,但在性价比帕累托前沿上占据优势。
微软 AI 的图像生成模型 MAI-Image-2.7 结束预览正式上线,在 Arena.ai 三个图像竞技场上均处于帕累托前沿,单张生成成本 0.035 美元。该模型在单图编辑榜单位列第 4、多图编辑第 3、文生图第 4,相较 2.6 版本综合提升约 50 分,其中写实与电影感影像从第 8 升至第 3,文字渲染从第 13 升至第 4。
Wincon Research 让 16 款前沿与开源大模型在隐藏社区排行榜的条件下挑战 Zachtronics 汇编解谜游戏 TIS-100 的全部 47 道题,模型共刷新 133 项前沿点、在 18 道题上取得新纪录并创下 3 项周期绝对纪录。人类玩家随后数天内接手并改进了其中大部分程序,说明模型产出具备真实工程可用性。
Arena.ai 周报显示,月之暗面开源 Kimi K3.1 Pro 权重,以 5.3% 净提升位列 Agent Arena 开源模型第一;腾讯混元 Hy4 以每任务 0.57 美元中位成本成为 Agent Arena 最强中文模型并改写帕累托前沿,权重即将开放。谷歌 Gemini Omni 1.2 Flash 同时登顶文生视频与图生视频,OpenAI GPT Image 2.6 系列以约两倍于前代的速度上线。
腾讯发布新一代大语言模型混元 Hy4,首次引入视觉理解能力,并显著扩展预训练与后训练规模。上线首日调用量激增,腾讯对 WorkBuddy 推理集群进行十倍扩容并提升免费额度。Hy4 在 Artificial Analysis 智能指数中位列中国模型第二,在 Agent Arena 榜单居开源模型第一,单任务成本约 0.78 美元,性价比突出。
腾讯混元 Hy4 在 Agent Arena 基于 1.2 万+ 真实长程智能体会话的评测中升至总榜第 14,成为排名最高的中文模型,也是唯一进入前五的中国实验室。其净提升 +5.4%,任务中位成本 0.57 美元,与 Kimi K3.1 Pro 分数相差不足 1 个百分点但成本低约 62%。
Arena.ai 更新 Agent Arena 的 Bash Recovery 评测信号后,小米 MiMo V2.6 Pro 以 +3.8% 的净提升登顶开源模型榜首,Flash 版本位列第四。两款模型是榜单中仅有的进入帕累托前沿的开源模型,Pro 单任务成本 0.11 美元,比排名第二的 DeepSeek V4.1 Flash 低 15%,比第三名 Hy4 preview 低 71%。
腾讯混元 Hy4 在 Agent Arena 基于 8500+ 真实长程智能体会话的评测中位列总榜第 14,较预览版提升 3.6 个百分点,并进入帕累托前沿。其单任务成本 0.55 美元,比得分相近(差距 1 个百分点内)的 Kimi K3.1 Pro Max(1.46 美元)低约 62%。官方称权重开放后,Hy4 将与 Kimi K3.1 Pro 并列开源模型第一,目前仍为闭源。