Google 发布 Gemini 4 Argon，瞄准机器人全流程单一模型
Google 发布 Gemini 4 Argon，定位为覆盖机器人全流程的单一模型，可控制机器人、构建虚拟练习环境并评估训练视频质量。演示中它从一张照片生成 77 项任务和 4500 多个训练回合，使真实机器人成功率从 56% 升至 75%，执行时间从 35 秒降至 24 秒。
#评测/基准
The DecoderAI 评分7272
量子位精选AI 评分7878 Google 发布生图模型 Nano Banana 2.1，支持 4K 直出并下调 API 价格
Google 发布新一代生图模型 Nano Banana 2.1，围绕视觉设计、蒙版编辑、主体一致性和画面真实自然性升级，支持 4K 直出。据 Arena 评测，其在文本转图像、多图像编辑及单张图像编辑三项上平均提升约 61.7 分，1K、2K 图片生成价格减半，4K 降价约 25%。
推荐理由：汇总了 Nano Banana 2.1 的 4K 直出、中文渲染与 API 降价信息，并附网友实测对比与连续编辑的水印 Bug。
The Decoder精选AI 评分7777 Anthropic 发布 Claude Haiku 5.5，价格最高下调 90%
Anthropic 发布 Claude Haiku 5.5，官方称这是其最快、最便宜的小模型，平均成本比 Haiku 4.5 低约 75%，提示词在 100,000 token 以内的请求价格最高下降 90%，超过该长度的请求价格则是五倍。
推荐理由：对比 Haiku 4.5 与 GPT-6 Luna 的跑分和每任务成本，可看出小模型降价背后的 token 消耗代价。
Latent Space精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布 Claude Haiku 5.5，这是 Haiku 系列约一年来的首次更新，定价与 OpenAI 的 GPT-6 Luna 持平，官方称其平均运行成本比 Haiku 4.5 低约 75%。
推荐理由：汇总了 Haiku 5.5 的定价、第三方评测与 token 消耗数据，可据此判断小模型在智能体工作流中的成本取舍。
量子位精选AI 评分7878 Anthropic 发布 Claude Haiku 5.5，跑分超 GPT-6 Luna 且价格对标
Anthropic 发布 Claude Haiku 5.5，官方跑分逐项超过 GPT-6 Luna，并超越 DeepSeek V4.1 Flash 和 GLM-5.3-Flash。
推荐理由：原文给出 Haiku 5.5 的跑分、价格与迁移改动清单，读者可据此判断它能否接替 Haiku 4.5 跑执行层任务。
Latent Space精选AI 评分7878 Reflection 发布 Beam：501B-A23B 美国开源 MoE 模型
Reflection 发布 Beam，一个面向编码、智能体与科研任务的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月放出。
推荐理由：Reflection 从隐身状态交出首个开源权重模型，读者可对照其训练规模与同期中美开源模型的位次。
爱范儿AI 评分6060 MiniMax M3.1 Flash Preview 与 Opus 5.5 同题实测前端创作
爱范儿用 Opus 5.5 案例的公开提示词在 MiniMax Code 中测试 MiniMax M3.1 Flash Preview，覆盖动态作品集、手绘短片、水墨动画、纽约天际线时间轴交互以及卡丁车、水下探索等游戏原型。
量子位精选AI 评分8080 谷歌发布 Gemini 4 Argon：多榜单登顶，单题成本约为 Astra 一半
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1 上取得 77.9%，高于 Claude Opus 5.5 的 74.2% 和 GPT-6 Astra 的 74.1%，并以 1525 分位居 Text Arena 第一。
推荐理由：谷歌新一代旗舰模型在多榜单登顶并给出成本与长任务能力细节，可对照其与竞品的差距。
爱范儿精选AI 评分7878 Google 发布 Gemini 4 Argon，写作与知识能力领先编程
Google 正式发布 Gemini 4 Argon，目前仅通过 Fairwind 计划向少量网络安全合作伙伴开放，官方称后续先向付费 API 用户和 Google AI Ultra 订阅者开放。
推荐理由：官方跑分与第三方盲评显示 Gemini 4 在知识与写作上领先、编程与终端偏弱，可据此判断其能力取舍。
爱范儿精选AI 评分7878 爱范儿实测匿名模型 Space Bunny：草图生成网站与 3D 场景
爱范儿实测了近期在海外 AI 圈走红的匿名模型 Space Bunny Alpha，它上线 OpenRouter 和 OpenCode 后冲上两个平台日调用量第一，作者用草图生成了可打开的唱片店网站和可交互 3D 网页。
推荐理由：作者用草图转网页、3D 小游戏和发动机展台等实测，呈现匿名模型 Space Bunny 在速度与交付上的取舍。
爱范儿AI 评分7474 可灵 Kling 4.0 首发实测：支持 10-bit HDR 与 4K 输出
可灵发布 Kling 4.0 大版本更新，主打真实、可控、专业，将于 10 月正式上线，Kling 4.0 Flash 已于 9 月 28 日开放小范围体验。
量子位AI 评分5858 匿名模型 Space Bunny 登 OpenRouter 双榜第一，Coding 实测全记录
匿名模型 Space Bunny 在几天内冲上 OpenRouter 和 OpenCode 调用日榜第一，作者通过 OpenRouter API 接入 DeepSeek Harness 实测了十余个 coding 任务和一次多模态任务。
量子位AI 评分4545 索辰科技与美梦空间联合发布 Physical-WAM 具身模型与 RoboTwin-Phys 物理测评基准
美梦空间在第五届全球数字贸易博览会上发布 Physical-WAM 物理-世界动作模型与 RoboTwin-Phys 物理漂移评测基准，前者由 PhysLens、PhysDream、PhysAct 三模块构成，在感知与动作之间插入物理 Token 表征。
爱范儿精选AI 评分8888 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna，API 价格降至上一代一半
OpenAI 正式发布 GPT-6 Sol 和 GPT-6 Luna，API 价格降至上一代的一半左右，其中 Luna 每百万 Token 输入 0.1 美元、输出 0.5 美元。
推荐理由：OpenAI 把前沿模型价格压到 DeepSeek 区间，读者可据此比较两家在成本与产品入口上的取舍。
The DecoderAI 评分7070 OpenAI 发布 GPT-6 Sol 与 Luna：token 价格减半，性能提升有限
OpenAI 发布 GPT-6 Sol 和 Luna 两款模型，token 价格较 GPT-5.6 Sol 和 Luna 减半，Sol 为每百万输入 token 2 美元、输出 10 美元，Luna 为输入 0.10 美元、输出 0.50 美元，OpenAI 将降价归因于缓存和推理优化。
The Decoder精选AI 评分8888 Anthropic 发布 Claude Opus 5.5，性能对标 Fable 5.1 且成本降低约 40%
Anthropic 发布新系列首个模型 Claude Opus 5.5，称其在多数任务上达到 Claude Fable 5.1 的水平，运行成本比 Opus 5 低约 40%，输出速度提升 30% 以上。
推荐理由：Anthropic 新模型在价格、token 用量与写作风格上的变化，以及蒸馏防护和 EU AI Act 合规措施，可供读者判断其实际取舍。
量子位精选AI 评分8888 小米MiMo-V2.6开源发布：6天RL训练花费350万美元，Pro登顶开源第一
小米发布MiMo-V2.6-Pro和Flash，Pro为1.02万亿参数、420亿激活，在Artificial Analysis Intelligence Index上以46分位列开源第一，两款模型各跑完30个训练Step，总花费约350万美元。
推荐理由：小米公开了MiMo-V2.6的RL训练账单与工程细节，读者可据此了解大规模强化学习在成本、评测与防作弊上的真实约束。
The Decoder精选AI 评分7878 小米发布 MiMo-V2.6 系列开源模型，旗舰版登顶开放模型榜
小米发布 MiMo-V2.6 系列，旗舰版 MiMo-V2.6-Pro 在 Artificial Analysis 的 Intelligence Index 上得 46 分，成为当前最强的开放可用模型，领先 Kimi K3 和 Qwen。
推荐理由：小米开源 MiMo-V2.6 系列并公开 RL 训练框架与约 7000 个任务，读者可据此了解其性能与成本定位。
The DecoderAI 评分6666 xAI 发布 Grok 4.7，定价低廉但基准落后 Claude 与 GPT-6
xAI 发布 Grok 4.7，称其为迄今编码与知识工作能力最强的模型，基于更大的基础模型、更长的强化学习训练，并强化了自我校验输出。定价为每百万输入 token 2 美元、每百万输出 token 6 美元，接近中国模型而非西方前沿模型。
量子位AI 评分7171 阶跃星辰发布Step 5 Preview：600B总参数、激活27B，实测Agent能力
阶跃星辰发布新一代旗舰基座模型Step 5 Preview，采用MoE架构，600B总参数、激活参数仅27B，支持1M上下文。在Artificial Analysis评测中取得44分，位列全球开源Top 2，定价为百万输入1美元、百万输出2.7美元，单任务成本为Opus 5的12.5%。
The Decoder精选AI 评分8080 Qwen3.8-Omni-Flash 发布：多模态基准追平 Gemini Flash，价格更低
Qwen 发布首个面向 AI 智能体的多模态模型 Qwen3.8-Omni-Flash，可同时处理音频与视频并自主调用工具，上下文窗口达一百万 token。
推荐理由：原文给出 Qwen3.8-Omni-Flash 与 Gemini Flash 的多模态基准对比和逐项价格，读者可据此判断成本差异。
量子位AI 评分5757 稳准智能发布 400M 结构化数据基础模型 LimiX-2，称在 TabArena 等基准居首
稳准智能发布 400M 参数的结构化数据基础模型 LimiX-2，称在 TabArena、TALENT、BCCO 的二分类、多分类和回归任务上均居第一，超过 Google TabFM、TabPFN、TabICL、Mitra 等模型。
爱范儿精选AI 评分7878 Figure 发布 Helix 2.5：零样本进入 30 个陌生家庭，成功率 56%
Figure AI 于 9 月 17 日发布新一代模型 Helix 2.5，在 30 个真实湾区民宅完成零样本测试，420 次试验成功 237 次，零样本成功率 56%，评测为盲测。
推荐理由：Figure 公布 Helix 2.5 在 30 个陌生家庭的零样本测试数据，并给出预训练数据规模与成功率的缩放关系。
The Decoder精选AI 评分8282 GPT-6 Astra 通关宝可梦、Factorio 与辐射3，却在 Minecraft 中陷入种土豆循环
GPT-6 Astra 在多项游戏测试中大幅超越前代模型：据 GPT Plays Pokemon 运营者 Clad3815，它用 18 小时 12 分钟拿下 Pokemon FireRed 冠军。
推荐理由：通过 Astra 在多个游戏中的实测对比，读者可以看到自主智能体从经验中提炼规则的能力边界与过度泛化的代价。
The DecoderAI 评分4848 前 OpenAI 研究员打造 Jev：不写文本、只做判断的 AI 模型
初创公司 TypeSafe AI 推出模型 Jev，不生成文本，而是在软件内部对开发者预设的问题和选项打分并给出概率，响应时间 70 至 500 毫秒，输入定价 $0.042 per million tokens、输出免费。
量子位AI 评分4444 清华稳准智能发布 LimiX-2 结构化数据基础模型，登顶 TabArena 等国际评测
稳准智能联合清华大学发布新一代结构化数据大模型 LimiX-2，参数规模提升至 400M，在 TabArena、BCCO、TALENT 三个国际结构化数据 Benchmark 上总体 Elo 分数分别达 1935、1432 和 1506，均位列第一，超过 Google、SAP、Amazon 等同类模型。
The Decoder精选AI 评分7878 Google 发布 Gemini 3.8 Live 音频模型，价格远低于 OpenAI GPT-Live-1
Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款音频模型，已通过 Gemini API 和 Google AI Studio 向开发者开放。
推荐理由：对比了 Gemini 3.8 Live 与 GPT-Live-1 的定价和语音自然度差异，可据此判断低价语音智能体的取舍。
The DecoderAI 评分6060 GPT-6 Astra 登顶 ErdosBench，OpenAI 称未专门优化数学
GPT-6 Astra 在 ulam.ai 的 ErdosBench 上以 3.23 分位列第一，解出 226 道开放数学问题中的 106 道，其中 43 道完全解决，并证伪 27 道；该基准开发者 Przemek Chojecki 称其在多项数学研究技能上带来约 5%-10% 的提升。
The Decoder精选AI 评分7676 OpenAI 发布 ChatGPT Images 2.5：更快更精准，但不同用户拿到的并不一样
OpenAI 发布 ChatGPT Images 2.5，包含 GPT-Image-2.5 Flare 与 GPT-Image-2.5 Sunburst 两个模型，官方称更快版本将图像生成延迟最多降低 50%，并新增 xhigh 和 max 两档质量。
推荐理由：作者实测对比了 Images 2.5 在 Chat 与 Work 两种模式下的编辑一致性差异，可据此判断该模型的实际可用边界。
The Decoder精选AI 评分7878 GPT-6 Astra 在 24 小时内无人工干预通关《Portal》
开发者 cozyblaze 在 X 上称，GPT-6 Astra 在设定初始目标后无人工干预通关《Portal》并看到片尾字幕，用时约 23 小时 43 分钟。
推荐理由：记录智能体在无人工干预下通关《Portal》的完整过程，可了解其通过 MCP 与暂停工具控制游戏的具体方式。
The Decoder精选AI 评分7878 Meta 发布实时音频模型 Muse Voice Transcribe，支持说话人分离与句子边界检测
Meta 的 Superintelligence Labs 发布首个实时音频感知模型 Muse Voice Transcribe，可实时转写语音、区分说话人并检测句子边界，模型将音频切成 80 毫秒片段，逐词动态调整等待时间以平衡准确率与延迟。
推荐理由：Meta 新实时语音模型以逐词自适应延迟换取速度与准确率，并给出与竞品的价格和错误率对比。
The DecoderAI 评分5858 Artificial Analysis 发布 Intelligence Index v4.2，回应 GPT-6 Astra 评分争议
Artificial Analysis 发布 Intelligence Index v4.2，此前其评分将 GPT-6 Astra 与上一代持平，引发对其基准未能反映 Astra 实际进展的质疑。
The DecoderAI 评分7474 OpenAI GPT-6 Astra 幻觉更少，但仍易受隐藏提示注入攻击
OpenAI 新模型 GPT-6 Astra 相比前代 GPT-5.6 Sol 产生更少事实错误，对直接提示注入的防御率达 99.99%，对已知越狱攻击的拒答率为 91.5% 至 98.3%。
The Decoder精选AI 评分7878 基准评测对 GPT-6 Astra 看法不一，但 ARC-AGI-3 上超越人类的效率让 Chollet 提前了 AGI 预测
GPT-6 Astra 在 ARC-AGI-3 上取得 62.7% 的成绩，远高于前代 GPT-5.6 Sol 的 7.78% 和 Claude Opus 5 的 30.16%，测试成本约 2.6 万美元。
推荐理由：ARC-AGI-3 上 Astra 的得分与效率数据，以及 Chollet 对 AGI 时间表提前的表态，可供读者判断基准与厂商自测口径的差异。
The Decoder精选AI 评分8888 OpenAI 发布 GPT-6 Astra，首个被列为关键级网络安全风险的模型
OpenAI 发布 GPT-6 Astra，该模型在超过 10 万块 GPU 的 Stargate 设施上预训练，OpenAI 研究员 Aidan Clark 称这是公司史上最大规模训练。
推荐理由：OpenAI 发布 GPT-6 Astra，并首次将其列为 Preparedness Framework 下的关键级模型，读者可据此了解能力跃升与安全限制的边界。
The DecoderAI 评分6060 Claude Fable 5.1 破解 1653 年 Sir Thomas Urquhart 的 Cyphral Distich 数字谜题
Anthropic 的 Claude Fable 5.1 破解了研究人员认为未解的数百年数字谜题。据 Vals AI，1653 年出版的 Sir Thomas Urquhart 作品 Cyphral Distich 由两行各 32 个数字组成，Fable 5.1 在无人工帮助下用 44 分钟解出。
The DecoderAI 评分7070 Meta 发布 Muse Spark 1.3，以低价对标头部模型
Meta 发布 Muse Spark 1.3，这是其五个月内推出的第四款模型，通过 Muse Code 和 Meta Model API 提供，xhigh 档已可用，max 档需进一步安全测试、目前为有限合作伙伴预览。
爱范儿AI 评分6666 Gemini 3.8 Flash 发布：跑分逼近 Opus 5，实测仍显粗糙
Google 发布 Gemini 3.8 Flash，这是六周内第三款 Flash 模型，官方称其面向长程软件工程、自主 Agent 和复杂企业工作流。DeepSWE v1.1 得分 71.0%，HLE-Verified 54.9%，价格与 3.7 Flash 一致，每百万 Token 输入 0.75 美元、输出 3.75 美元。
The DecoderAI 评分6969 Google 发布 Gemini 3.8 Flash，六周内第三款低价模型
Google 发布 Gemini 3.8 Flash，距 Gemini 3.7 Flash 仅三周，是六周内第三款 Flash 系列模型，分为通用推理与编码版和面向防御性网络安全工作的 3.8 Flash Cyber 版。