阶跃正式释放 Step 5 Preview 模型权重，包括 BF16 与 FP8 版本、技术博客及配套开源开发工具。该模型采用稀疏 MoE 架构，总参数量 600B、每 token 激活参数仅 27B，支持 100 万 token 上下文窗口，原生支持文本与视觉输入，面向长程 Agent 任务设计。
推荐理由：阶跃 Step 5 Preview 开放权重并支持百万 token 上下文，其稀疏 MoE 架构与长程 Agent 优化细节为开发者提供了可复用的部署参考。
MI355X 在 DeepSeek V4 Pro 0813 上表现最强。在每用户 35 至 75 tok/s 区间，其每兆瓦吞吐量比 B200 高约 15% 到 40%，峰值达每兆瓦 94M tokens/s（对应每用户 33 tok/s），此水平 B200 需降至每用户 13 tok/s 才能达到。当每用户速度超过约 80 tok/s 时，B200
除了新的 DeepSeek V4.1 Flash 结果外，我们还在 AA-AgentPerf 中为 Kimi K3、GLM-5.2/5.3 和 DeepSeek V4 Pro 添加了 AMD 的 MI355X - 将其与我们在编码智能体工作负载上最新的 NVIDIA 系统结果进行比较。AA-AgentPerf 是我们的智能体推理性能
在我们的语音智能体竞技场中，人们进行盲测实时语音对话并选择他们偏好的模型，Grok Voice 3.0以1070的Elo分数位列第3，落后于Gemini 3.1 Flash Live Minimal（1100）和Gemini 3.8 Live（1088），领先于GPT-Live-1 (Sol, low)（1057）。它还
Artificial Analysis评测显示SpaceXAI的Grok Voice 3.0以86.9分位居Speech to Speech Index榜首。该模型作为Grok Voice 2.0的继任者，在保持延迟竞争力的同时取得了新的领先成绩。
SpaceXAI 发布 Grok Voice 3.0，官方称其为全球智能水平最高的语音转语音模型，延迟低于 1 秒且运行成本低于同级前沿模型。在 Artificial Analysis 独立测试中，该模型以 86.9 分位居语音转语音综合榜单第一，全双工基准测试得分 97%。
推荐理由：原文引用了第三方基准测试数据与具体定价，读者可据此评估其在客服场景下的性能表现与成本效益。
Ai2 发布 HiRO-ACEv2，通过 HiROv2 降尺度模型将 ACE 的 100 km 输出细化至 3 km，生成全球气候数据的成本仅为 X-SHiELD 的约 1/300。该系统能高精度复现罕见极端降雨、风压及热带气旋，统计误差控制在 3% 以内。目前仅支持匹配 X-SHiELD 的气候场景，未来计划扩展至更暖气候及地表温度等变量。
Ai2 发布 HiRO-ACEv2，这是其高分辨率输出 Ai2 气候模拟器（HiRO-ACE）系统的最新更新。该系统能以约为 X-SHiELD 模型三十分之一的成本生成全球 3 km 分辨率的气候数据。核心组件 HiROv2 能同时预测多个高分辨率场，准确复现降雨、风和压力等极端事件，统计误差控制在 3% 以内，并能生成具有真实眼区和雨带的热带气旋。
推荐理由：原文给出了3公里分辨率模拟极端天气的具体精度指标和成本对比，读者可以据此评估AI气候模型在科研中的实际替代价值。
FLUX 3 Action，一款视频优先的世界动作模型，在 RoboLab-120 的模拟中排名第一，成功率为 42.9%。它在超过 95% 的视频上进行了预训练。它通过约 200 个演示适应了新机械臂。它尚未在真实机器人肢体上进行测试
美国初创公司 Artemis Security 推出 Orion-1，这是一款专为企业网络攻击调查与响应设计的大语言模型。该模型通过处理日志数据关联攻击信号，并在公司自建的 Decision-Grade Readiness (DGR) 基准测试中得分超过 Claude Opus 5.5 和 GPT-6 Sol。
我们已将 DeepSeek V4.1 Flash 添加到 AA-AgentPerf，并提供了 NVIDIA 和 AMD 硬件的测试结果。在每用户 100 tokens/s 的条件下，NVIDIA GB300 以高达 261M tokens/s per MW 的吞吐量位居第一。AA-AgentPerf 是我们的智能体推理性能基准测试。它重放真实的智能
在 Artificial Analysis Decision Index v1.0 的四个基准测试中，Perplexity 的 Decider v1.1 27B 每百万任务成本最低，为 $17。它与 Microsoft-Decision-1 ($31) 和 Jev 1.13 ($42) 一起位于能力与成本的帕累托前沿。Celeris-1 Decision 具有
Artificial Analysis上的完整基准测试集：https://artificialanalysis.ai/models/gemini-4-argon…
Gemini 4 Argon 现已正式进入 GA（一般可用性）阶段。根据 Artificial Analysis Intelligence Index，Argon 的排名与 GPT-6 Astra 持平，但每任务成本仅为后者的 60%。这是 Google 重新向公众发布前沿模型，且在 11 月 30 日前提供折扣价格。
推荐理由：原文提供了 Gemini 4 Argon 与 GPT-6 Astra 在智能指数和任务成本上的具体对比数据，有助于评估其性价比。
Pronunciation Robustness（发音鲁棒性）衡量文本转语音模型在四个类别中正确发音挑战性文本的能力，由人工评审员根据预先商定的可接受发音对每个音频片段进行评判。Drama 3 Preview 以 93.2% 的得分位居整体榜首。➤ 独立术语：Drama 3
Fish Audio的Drama 3 Preview是Artificial Analysis文本转语音排行榜上新的第一开源权重模型。该模型在我们的发音鲁棒性排行榜中也领先所有模型，超过Eleven v4和Eleven v4 Turbo
在此探索所有 GLM-5.3 (max) 提供商的任务成本：
Artificial Analysis 平台现已上线按服务商维度统计的缓存命中率和单任务成本（Cost per Task）数据。以 GLM-5.3 (max) 为例，不同服务商间的单任务成本差异约为 9 倍，这主要由缓存命中率和 token 定价共同决定。由于 Agentic 工作负载每轮需重发完整对话历史，该指标对评估实际运行成本具有重要参考价值。
谷歌发布 Gemini 4 Argon 模型，现已面向全球开发者和企业开放，可通过 AI Studio、Gemini 平台 API 及 Google Antigravity 等渠道使用。该模型输入上限为每百万 Tokens 2 美元（促销期），擅长处理编码、金融等领域的复杂任务，曾帮助 Chrome 团队将数千万行代码的架构重构工作从数月缩短至数周。
Google 面向开发者、企业和消费者全球推出新旗舰 AI 模型 Gemini 4 Argon，该模型取代 Pro 系列成为新的前沿层级。Argon 在 API、AI Studio 和 Gemini 平台可用，但免费用户和 Plus 订阅者目前仅能使用较弱的 Flash 模型。
同一新闻，精选展示《Gemini 4 Argon 正式发布 GA》
Liquid AI 发布开源权重模型 LFM2.5-24B-A2B，这是一款拥有 24B 总参数但仅 2B 激活参数的推理模型，旨在支持设备端快速、私有的智能体运行。
推荐理由：原文展示了2B激活参数在端侧推理的速度优势及与更大模型的基准对比，为构建本地智能体提供了具体性能参考。
Google 正式推出 Gemini 4 Argon 模型，宣称其在推理和复杂工作流性能上可与行业最佳水平竞争，并声称在编码、网络安全等基准测试中优于 GPT-6 Astra 和 Claude Fable 5.1 等竞品。
Google DeepMind 正式发布前沿模型 Gemini 4 Argon，面向开发者、企业及消费者开放 API 及订阅服务。该模型在编码、金融、法律、网络安全和科学等领域表现突出，在 Vals Index 中排名第一，并具备 1M token 的上下文窗口。
推荐理由：原文详述了该模型在代码重构、科学发现及安全防御中的具体性能提升与落地案例，展示了其处理复杂长程任务的实际能力。
Google DeepMind 发布 Gemini 4 Argon，这是一款面向机器人领域的通用物理推理模型，旨在加速迈向物理 AGI 的进程。该模型在 Embodied Reasoning (ERQA) 基准测试中纯推理得分达 87%，超越了其他前沿模型。
Gemini 4 Argon 在 AA-Omniscience 基准测试中的幻觉率为 15%，显著低于 GPT-6 Astra 的 51%。该模型目前在 Vals Index 上排名第一，反映了其在法律及其他知识工作中的高性能表现。现阶段仅 Google Fairwind 项目中的网络安全防御人员可访问相关资源。
Google 发布 Gemini 4 Argon，这是一款专为机器人领域设计的通用物理推理模型，在 Embodied Reasoning (ERQA) 基准测试中以纯推理方式获得 87% 的分数。
Meta Superintelligence Labs 发布 Muse Wonder 和 Muse Wonder Full 模型，定位前沿智能体工作。第三方评测显示其 Intelligence Index v4.3 得分分别为 52 和 56，接近 Claude Opus 5.5，定价为 $4/M input 和 $20/M output。
哈啰 Robotaxi 推出生成式驾驶世界模型 HelloWorld，整合场景控制、连续生成、多传感器观测与高效推理能力。该模型支持通过自然语言描述或编辑车辆、行人及轨迹，生成多视角视频与激光雷达观测数据。其旨在帮助研发人员构造长尾情境，扩展自动驾驶策略测试的数据覆盖范围。
面壁智能推出新一代端侧多模态大模型 MiniCPM-V 4.7，提供 35B-A3B 和 1B 两种规格，其中 35B-A3B 是该系列首个 MoE 模型。该模型基于 LES 推理加速技术，在 iPhone 17 Pro Max 上以仅 3GB 内存达到 13+ token/s 的解码速度。
Meta 发布新人工智能模型 Muse Wonder，扎克伯格表示该模型在部分任务上优于 Anthropic 和 OpenAI 的同类竞品，标志着 Meta 在 AI 前沿领域取得进展。
推荐理由：原文披露了 Muse Wonder 的闭源策略、分级定价及基准表现，并记录了扎克伯格关于 AI 安全与个人超级智能愿景的观点。
Muse Wonder Full (max) 在 Artificial Analysis Intelligence Index v4.3 的十项评估中，有六项进入前三名：➤ CritPt (33%) 和 GDP.pdf (33%) 排名第 1 ➤ GDPval-AA v2.1 (1857 Elo) 排名第 2 ➤ AA-Briefcase (1729 Elo)、AutomationBench-AA (71%) 和 SciCode (63%) 排名第 3
Artificial Analysis 发布了针对最新 AI 模型的基准测试结果。该报告由第三方独立机构提供，旨在通过标准化评测展示模型性能表现。
推荐理由：第三方评测机构发布了新模型的基准测试结果，提供了独立于厂商的性能数据参考。
在 FrontierCode 上，单任务成本跨越两个数量级，从 GPT-6 Luna (max) 的 $0.09 到 Claude Fable 5.1 (max with fallback) 的 $12.00。四个模型位于得分与单任务成本的帕累托前沿：GPT-6 Luna (max) 得分为 42%，每任务成本 $0.09；MiMo-V2.6-Pro 得分为 45%
我们推出了 FrontierCode 1.1 排行榜，这是 Cognition 的一项私有评估，测试模型完成编码任务的能力，其结果需能被真实仓库维护者实际合并。@cognition 于 2026 年 6 月宣布推出 FrontierCode 并进行了更新
DeepLearning.AI 转发消息指出某新模型已发布，该模型在多项基准测试中展现了显著的推理能力提升。具体版本号及详细评测数据未在短文中列出。
推荐理由：原文提及了特定模型版本的发布及其在推理能力上的表现，读者可据此了解最新模型迭代的关键特性。
Meta 发布 Muse Wonder 与 Muse Wonder Full 两款旗舰 AI 模型，宣称在推理、写作与代码能力上接近 Anthropic 顶尖模型。
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，其中 Muse Wonder Full 在 Artificial Analysis Intelligence Index v4.3 上得分为 56，较前代 Muse Spark 1.3 显著提升。
Meta Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款新模型，这是该公司首次尝试前沿模型。
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款新 AI 模型，称其性能可与 OpenAI 的 GPT-6 Astra 及 Anthropic 的 Claude Opus 5 等顶级模型抗衡。
Arena 平台发布 2026 年第 41 周 AI 大模型排行榜，Anthropic Claude Opus 5.5 Max 首次入榜即以 15.53% 净提升度夺得智能体榜第一。综合榜方面，Gemini 4 Argon High 以 1525 ELO 分蝉联榜首，Kimi K3 Max、Qwen3.8 Max 等国产模型排名稳定在中上游梯队。