谷歌发布 Gemini 4 Neon,定位前沿级智能与复杂软件工程、知识工作和科研流程的端到端快速任务完成。该模型在 Artificial Analysis 智能指数上以 61 分位列总榜第三,在 Vals Index 上排名第二并进入帕累托前沿,同时在 Agent Arena 可操控性榜单上排名第二。
可控性
Steerability
模型遵循用户指令精确调整输出内容属性(如风格、动作)的能力
收录情报动态
谷歌正式发布 Gemini 4 Neon,定位为兼顾前沿智能与端到端快速任务完成的模型,覆盖复杂软件工程、知识工作与科学工作流。该模型在 Artificial Analysis 智能指数上以 61 分位列总榜第三,在 Vals Index 上排名第二并进入帕累托前沿,同时在 Agent Arena 可操控性榜单上排名第二,体现出对任务中途用户纠正的良好适应能力。
Thinky Machines 今日开源 Inkling 2 Small,该模型在 Agent Arena 中以 11.5k 真实智能体会话取得 +2.9% 净提升,位列全部开放模型第 2、总榜第 22,是唯一进入开放前十的美国模型。其可控性提升 10.9% 为开放模型最高,单任务中位成本仅 0.26 美元,约为榜首 Kimi K3.1 Pro 的 1/4.7。
Anthropic 发布 Claude Fable 5.2 (Max),在 Arena.ai 的 Agent Arena 上以 +30.4% 净提升登顶,约为第二名 Opus-5.5 的 1.6 倍,并在 Code、Chat、Work 三大类别全部第一。相比 5.1 版本,排名从第 5 升至第 1,单任务中位成本由 7.7 美元降至 7.3 美元,API 价格下调 20% 至每百万 token 输入 8 美元、输出 40 美元。评测基于全球社区 4700 场真实智能体会话,用户满意度与可控性提升最为显著。
月之暗面正式开源 Kimi K3.1 Pro 模型权重,该版本在 Agent Arena 的长程智能体任务评测中位列开源模型第一。相比前代 K3,其在代码执行可靠性、用户情绪反馈及指令遵循能力上均有显著提升,综合得分提高 5.1%。
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。
OpenAI 最新模型 GPT-6.1 Terra (Max) 在 Agent Arena 基准测试中位列第 8,较前代提升 10.6%。该模型显著优化了任务执行成本(中位数 $0.62),并在 Bash 可靠性和可控性方面表现突出,重塑了性能与成本的帕累托前沿。
Google DeepMind 推出 Gemini 4 Carbon,在基于真实任务的 Agent Arena 中排名第 2,净提升 16.2%。该模型在成本、时间和输出 Token 效率上处于帕累托前沿,相比前代 Argon 在任务完成率和可控性上有显著改进。
Google DeepMind 的 Gemini 4 Carbon (High) 在 Arena 平台首发即取得显著成绩,位列文本榜第一、智能体榜第二及代码 WebDev 榜第四。其在真实用户会话中的智能体任务成功率与可控性显著提升,且成本较竞品低约 72%,重新定义了前沿模型的性能-成本帕累托边界。
Meta 最新模型 Muse Wonder Full (Max) 在 Agent Arena 中排名升至第 4,较前代提升显著。该模型在真实代理会话中实现 +11.3% 的净改进,并在代码、聊天及工作场景类别中均进入前十,展现出更强的可控性与工具调用可靠性。