腾讯混元 Hy4 正式版发布，实测复刻《王者荣耀》迷你 MOBA
腾讯混元 Hy4 正式版发布，Agent 能力和长程任务较预览版全面提升，在多个 Benchmark 上进入最强开源模型之列，超过 DeepSeek V4.1 Flash、GLM-5.3、Kimi K3.1 Pro 等模型。
#评测/基准
爱范儿AI 评分7171 雷峰网AI 评分6161 Gemini 4 Carbon 登顶榜单却市值暴跌，谷歌高频发模型背后的战略转向
Google 发布 Gemini 4 Carbon，在17项基准中15项夺冠，Artificial Analysis 智能指数反超 Claude Opus 5.5（58分）和 GPT-6 Astra（57分），但 Alphabet 盘后股价一度大跌约10%，市值蒸发3000至4000亿美元。
雷峰网AI 评分6060 REA 逆向工具实测：Gemini 4 Argon 与 GLM 5.3 复刻故宫名画记，细节决定还原度
雷峰网在 OpenCode 中用 REA 与 Reverse-skill 让 Gemini 4 Argon 和 GLM 5.3 逆向复刻故宫名画记网站。Argon 版本保留三列布局、四项筛选和详情页横幅等结构，贴近原站；GLM 5.3 完成浏览流程但改为四列卡片、去掉筛选区，差异较大。
新智元AI 评分4444 AI 真实工程设计能力大排行出炉：多模型拿零分
新智元报道的一项评测让顶级 AI 模型使用工程师日常的 CAD 和仿真软件，完成曲轴设计、内存布线、涡轮叶片散热计算等真实工程任务，每题限时最多 24 小时。结果显示模型表现远逊于其在数学和代码上的能力，多模型拿到零分。
新智元AI 评分2222 GPT-6「看不懂 3D」实锤！250 道题只拿 0.53 分，Claude 没及格
GPT-6 Astra 画 CAD 的视频虽在 X 上走红，但新测评显示其「看不懂 3D」：在 250 道题上 GPT-6 仅得 0.53 分，Claude 也未及格。
新智元AI 评分4141 中国团队推出真物理世界模型，连拿四个第一力压Genie 4和Atlas
中国团队发布具备真实物理规律的世界模型，在多项评测中连拿四个第一，成绩超过谷歌 DeepMind 昨天发布的 Genie 4 和 Atlas。Genie 4 可实现每秒 24 帧实时生成、单帧延迟低至 40 毫秒。
量子位精选AI 评分7676 SoMark 开源 1.3B 文档解析模型 OXR，登顶 OmniDocBench 等三榜第一
SoMark 团队开源 1.3B 文档解析模型 OXR，在 OmniDocBench（97.18）、olmOCR-Bench（87.84）和 DocParsingBench（87.76）三个榜单均排名第一。
推荐理由：原文拆解了OXR靠RSI自进化训练做到1.3B参数登顶三榜的细节，以及可插拔架构与免费API，读者可以据此评估是否接入现有解析流程。
新智元AI 评分2828 AI王座一夜两度易主！神秘模型 Obsidian 3 泄露
Artificial Analysis 更新 Intelligence Index，正式推出 v5 版，Claude Opus 5.5 一举登顶，超越 OpenAI 的模型。与此同时，一个神秘模型 Obsidian 3 泄露，AI 王座一夜之间两度易主。
新智元AI 评分5555 谷歌发布 Gemini 4 Carbon，称拿下 14 项基准中 12 项第一
谷歌发布新前沿模型 Gemini 4 Carbon。据谷歌官方公布的 14 项核心基准，该模型拿下其中 12 项第一。
The DecoderAI 评分7171 Mistral 发布万亿参数开源模型 Mistral Large 4（Le Chonk），编码领先开源但整体仍落后中国模型
Mistral 在公开预览三周后将 Mistral Large 4（绰号 Le Chonk，总参数约 1 万亿、每步激活 52B）的权重发布到 Hugging Face，接受文本和图像输入，输出文本和代码。
Latent SpaceAI 评分7373 Latent Space AI News：Gemini 4 Carbon 登顶 Artificial Analysis 榜单，先向网络防御者开放
Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 以 59 分登顶，网络安全成绩为 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，首批通过 Fairwind Program 面向受信任的网络防御者开放。
开源中国AI 评分7171 Google DeepMind 发布 Gemini 4 Carbon，安全能力先开放给白帽子
Google DeepMind 发布 Gemini 4 Carbon，距上一代 Argon 仅两周，官方定位为迄今最强的网络安全能力和长程任务能力。该模型在 Artificial Analysis Intelligence Index v5.0 以 59 分排第一，WebDev Arena elo 涨 89 分至 1768 排第 4，安全能力先开放给白帽子使用。
钛媒体AI 评分7272 谷歌发布 Gemini 4 Carbon 登顶智能指数，但分阶段开放引发不满
谷歌于美国时间10月28日发布新一代旗舰模型 Gemini 4 Carbon，以59分登顶 Artificial Analysis 智能指数 v5.0，超过 Claude Opus 5.5 的58分和 GPT-6 Astra 的57分。
量子位AI 评分4040 无问芯穹登顶NVIDIA SOL-ExecBench，拿下88项GPU算子优化第一
无问芯穹（Infinigence AI）在NVIDIA Research的GPU算子性能评测SOL-ExecBench上先后登顶L1基础算子、L2融合算子、Quant量化算子与FlashInfer-Bench四大赛道。
量子位AI 评分7575 谷歌发布Gemini 4 Carbon，多项基准超越Opus 5.5并享Token半价
谷歌发布新旗舰Gemini 4 Carbon，在Artificial Analysis智能指数5.0中以59分登顶，Terminal-Bench 4.0达65.2%，超越Claude Opus 5.5和GPT-6 Astra。
新智元AI 评分1818 国产开源 OCR 模型横扫全球 4 项第一，1.3B 逆袭大厂
一款 1.3B 参数的国产开源 OCR 模型拿下全球 4 项第一。文章称其在 OCR 极限实测中表现超越大厂模型，延续了几周前 DeepSeek V4.1-Flash 展示的“顶级模型不必天价”的开源路线。
爱范儿AI 评分7272 Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial Analysis 榜单
Google DeepMind 发布新一代旗舰模型 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 榜单以 59 分超过 Claude Opus 5.5（58 分）和 GPT-6 Astra（57 分）登顶。
The Verge · AIAI 评分6060 Google 发布 Gemini 4 Carbon，主打网络安全能力提升
Google 发布前沿模型 Gemini 4 Carbon，称在编码、智能体任务和网络安全上有显著提升，目前仅向部分网络安全防御公司开放，后续将扩展到 Fairwind Program 其他合作伙伴。
The Decoder同新闻AI 评分7777 Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial Analysis 智能指数
Google DeepMind 在 Argon 发布仅两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis 智能指数 v5.0，Argon 为 50 分。
同一新闻，精选展示《Google DeepMind 发布 Gemini 4 Carbon：主打网络安全与长程智能体能力》
量子位AI 评分7979 OpenAI 发布 GPT-6.1 Terra：API 价格砍半，网友实测电脑操作更快更省
OpenAI 发布 GPT-6.1 Terra，标准 API 输入 1 美元/百万 Token、输出 5 美元/百万 Token，价格较 GPT-5.6 Terra 砍半。
钛媒体AI 评分6565 MiniMax M3.1 Flash 低价与高分背后遭遇背题质疑
MiniMax 新模型 M3.1 Flash 发布后因高分和低价引发背题质疑：博主猫老板观测到其在旧题接近满分、新题近乎归零，且部分难题 token 消耗反常偏低；博主 Binkg 的改题测试中，DeepSeek V4.1 Flash-1017 和 Gemini 4 Argon 都改答 RCCP，M3.1 Flash 仍答原题答案 RRP。
钛媒体AI 评分7171 OpenAI 发布 GPT-6.1 Terra，主打低价电脑操作能力但口碑遇冷
OpenAI 发布新模型 GPT-6.1 Terra，API 价格为每百万输入 Token 1 美元、输出 Token 5 美元，较上一代分别下降 50% 和约 58%。
新智元AI 评分4444 Claude 日烧 3 万亿 Token 破纪录，神秘 Fable 5.5 压轴登场
OpenRoute 数据显示，自 Opus 5.5 诞生以来短短一个月，Claude 的 7 日平均 Token 使用量暴涨 3.6 倍，达到日烧 3 万亿 Token，刷新纪录。同时，神秘模型 Fable 5.5 压轴登场。
The Decoder精选AI 评分8383 OpenAI 发布 GPT-6.1 Terra，API 价格减半且多项基准逼近更大模型
OpenAI 发布 GPT-6.1 Terra，API 输入 $1/M tokens、输出 $5，为 GPT-5.6 Terra 的一半，缓存输入降至 $0.05/M。
推荐理由：原文汇总多项基准数据与价格对比，读者可以据此评估这款中端模型在不同推理档位下的性价比定位。
The Verge · AIAI 评分5555 The Verge 分析 AI 能否解决 COBOL 代码危机：OpenAI 称 GPT-6.1 Sol 行为保持率达 98%，专家质疑评估过于简单
The Verge 报道 OpenAI 于 10 月 19 日宣称其最新模型在遗留语言代码迁移上有显著进展，GPT-6.1 Sol 在 COBOL 迁移测试中低推理强度下行为保持准确率为 87%，高推理强度下达 98%，而 GPT-5.6 Sol 仅 5%。
极客公园AI 评分7474 Kimi K3.1 Pro 发布：Terminal-Bench 4.0 得分 65.7%，逼近 Claude Opus 5.5
月之暗面于 10 月 24 日上线 Kimi K3.1 Pro 及速度快的 Highspeed 版本，承诺 11 月 4 日前放出完整模型权重。
雷峰网AI 评分6363 DeepSeek 开源推理框架 DeepInfer 同周，AI 编写的 ForgeKernel 登顶算子评测榜
DeepSeek 近日全面开源推理框架 DeepInfer，开放模型运行链路，其中 FlashMLA 手调版本算子性能达硬件极限 90% 以上。
量子位AI 评分5757 深圳炎曦动力首秀具身模型Paimon-0，成立三个月登顶多项具身榜单
成立刚满三个月的深圳公司炎曦动力（Primotion）首发具身基座模型Paimon-0，在RoboColiseum以0.7754分排名第一，超过GPT-6 Astra等通用多模态模型，并登顶RoboCasa365（58.1分）和VLA-Arena（0.73平均成功率）。
钛媒体AI 评分7171 月之暗面发布 Kimi K3.1 Pro，Artificial Analysis 智能指数排全球第四
月之暗面于10月24日凌晨发布 Kimi K3.1 Pro，Artificial Analysis 将其智能指数排在全球第四，并判断若权重开放将登顶开放权重模型榜首，开源与闭源差距将从12分缩至3分。
钛媒体AI 评分6767 Kimi K3.1 Pro 实测：速度与长任务执行明显提升，具身智能动向浮现
作者实测 Kimi K3.1 Pro，普通 Pro 输出速度较 K3 明显提升，另推出速度约 2-3 倍的 Pro Highspeed；官方将输出价格降至每百万 token 68 元。
新智元AI 评分3131 Kimi K3.1 Pro 发布，杀进全球前四、Agent 第一
Kimi K3.1 Pro 刚刚发布，成绩冲进全球前四，并在 Agent 排名中位居第一。发布后在 X 上刷屏，有外国开发者惊呼“欢迎来到 3D Web 开发的新时代”。
Latent Space精选AI 评分8080 Moonshot 发布 Kimi K3.1 Pro：104B 激活参数、2-3 倍 Highspeed 版本，权重承诺 11 月 4 日开放
Moonshot 发布 Kimi K3.1 Pro，2.8T 总参数、104B 激活参数的 MoE 模型，支持 1M token 上下文，承诺 2026 年 11 月 4 日开放权重，Highspeed 版本输出速度快 2-3 倍但价格翻倍。
推荐理由：汇总了 K3.1 Pro 的独立评测、定价与部署细节，读者可借此区分厂商宣传与第三方实测的差异。
The Decoder精选AI 评分8282 Moonshot AI 发布 Kimi K3.1 Pro，Artificial Analysis 指数逼近 Claude Opus 5.5
月之暗面（Moonshot AI）发布 Kimi K3.1 Pro，在 Artificial Analysis Intelligence Index 得 55 分，比 K3 高 11 分，排名第四，仅落后 Claude Opus 5.5（58 分）3 分；若按计划于 2026 年 11 月 4 日前开放权重，将成为最高分开源权重模型。
推荐理由：媒体汇总了官方和 Artificial Analysis 的成绩与定价，读者可据此比较 K3.1 Pro 与闭源模型的差距及开放权重进展。
量子位AI 评分3737 蚂蚁数科发布决策模型 LingDT-Decision-1.0，准确率超过微软和 Jev 等决策模型
蚂蚁数科10月22日正式发布决策模型 LingDT-Decision-1.0，提供4B和27B两个版本，已在 DTMaaS 平台上线，开发者可限时免费体验。相比大语言模型，其 Token 消耗降低超90%、响应时效提升10倍，并首创支持原生多选与按序决策（DAG）能力。
雷峰网AI 评分4646 登顶 RoboDojo-Agent，Manifold AI 流形空间给「机器人自进化」技术路线立标杆
Manifold AI 流形空间的 WorldScape R²SI 以 46.58 分、39.35% 成功率登顶 RoboDojo Agent Track，超过 GPT-6 Astra 的 28.97 分。
新智元AI 评分2626 谷歌 Gemini 4 Carbon 首批实测曝光，手感直逼 Opus 5.5
谷歌最强模型 Gemini 4 Carbon 被曝开测，Argon 全面开放仅 8 天后就进入竞技场。合作伙伴已抢先拿到该模型，LMArena 上也已开启盲测，正式发布近在眼前。
The DecoderAI 评分6868 Inception 发布扩散语言模型 Mercury 3，称多项基准胜过 GPT-6 Luna 和 Claude Haiku 5.5
Inception 发布扩散语言模型 Mercury 3，称其在 12 项基准中 8 项领先 GPT-6 Luna 和 Claude Haiku 5.5，生成速度达 1,068 tokens/s，约为两个对手的 4 到 8 倍。
量子位AI 评分7272 MiniMax 发布 M3.1 Flash，ALE 得分 29.6% 位列国产模型第一
MiniMax 揭晓国庆期间在 OpenRouter 匿名测试的模型 Space Bunny 为自家的 M3.1 Flash。
新智元AI 评分2222 全球机器人竞技场RoboColiseum爆冷：Opus 5.5击败GPT6、Gemini 4
AI正式进军物理世界，在具身能力竞技场RoboColiseum中，Claude Opus 5.5击败GPT6和Gemini 4登顶。语言模型正展现出足以挑战机器人公司多年积累的通用具身能力。
The DecoderAI 评分6464 OpenAI 称 GPT-6 大幅改进 COBOL 等低资源编程语言能力
OpenAI 表示 GPT-6 系列在 COBOL、Fortran、Visual Basic 等低资源语言上明显增强，并为此构建了 MultiLangBench 和 COBOL 迁移两个评测。