AI 动态

Arena 宣布 Mistral Large 4 进入 Agent Arena 前十五实验室，基于超 5000 个真实智能体会话，该预览版净改进分为 -6.6%，总排名第 43，比前代 Mistral Medium 3.5（-12.60%）高出 11 位。

• 模型

在物理方面，谁拥有最好的开源视频世界模型？💫 又是我，MiniMax H3。几乎与闭源 sota 持平。🍾

• 模型

Artificial Analysis 评测 SpaceXAI 新发布的低价视频模型 Grok Imagine Video 1.5 Lite，其在 AA-Video-T2V v2.0 和 AA-Video-T2V-Silent v2.0 两个榜单均排第 17 名，价格约为 Veo 3.1 的三分之一并排在 Veo 3.1 之前。

• 模型

Arena 公布 Anthropic Claude Haiku 5.5 (High) 的真实评测结果，在 Code Arena: WebDev 以 1587 分首秀排名第 30，略在 Pareto 前沿之外。

• 模型

Artificial Analysis 网络指数新增可信访问模型类别，GPT-6 Sol（Daybreak Blue, max）以领先成绩登顶，并进入成本与能力帕累托前沿。该模型在整个指数测试中未触发任何安全拦截，总分较公开版 GPT-6 Sol（max）提升 32 分。其每任务成本为 $1.77，低于 Grok 4.7（xhigh）的 $11.67。

• 模型

Artificial Analysis 与 Harvey 合作发布 Harvey LAB-AA v1.1，新指标 Hallucination-Gated All-Pass Rate 要求交付物无重大幻觉。Grok 4.7 (xhigh) 以 9.4% 居首，领先 Muse Spark 1.3 (max) 的 8.9% 和 GPT-6 Astra (max) 的 8.6%；测试模型中超过 60% 的原通过结果含重大幻觉。Grok 4.7 每任务约 $9.50，GPT-6 Astra 每任务平均仅 0.03 次重大幻觉。

• 模型

OpenAI 宣布 GPT-6.1 Sol Ultrafast 开始推出，token 生成速度最高比 Sol Standard 快 8 倍。API 定价为每 100 万输入 token $12、每 100 万输出 token $60，该模型已在 API、Codex 和 ChatGPT Work 中推出。

• 模型

顺便说一句，成本只是 Astra 的 1.2 倍。

• 模型

OpenAI 的 GPT-6.1 Sol Ultrafast 正在 ChatGPT Work、Codex 和 API 上推出。Ultrafast 模式定价为每百万输入 token $12、每百万输出 token $60，速度比 Sol Standard 快 8 倍。

• 模型

Artificial Analysis 与 Harvey 联合发布 Harvey LAB-AA v1.1，为法律智能体基准 LAB 新增幻觉检查，要求正确回答不含重大错误陈述，并推出新指标 Hallucination-Gated All-Pass Rate。

• 模型

Odyssey 发布其最强世界基础模型 Odyssey-3，并向公众开放免费研究预览。模型可从提示词构建环境并实时预测随人物移动或事件触发的变化；Odyssey-3 Pro 在 Physics-IQ Verified video-to-video（best-of-8 采样）上得分 66.1，为已报告最高结果。

• 模型

GEN-1.5 把一个瓶子装进盒子，再把另一个瓶子装进盒子，再一个瓶子，再一个，再一个…… 阅读更多关于 GEN-1.5 的内容，请见下方评论中的博客文章。

• 模型

Odyssey 发布基础世界模型 Odyssey-3，Pro 版报告了 Physics-IQ Verified video-to-video 最高分 66.1。

• 模型

今天我们推出 Odyssey-3，迄今最强大的基础世界模型。 它在 Physics-IQ 上创下新的 SOTA，可驱动机器人、训练 AI，并生成交互式体验。真的很酷。 今天即可体验该模型，完全免费！

• 模型

Artificial Analysis 评测 Google 于 10 月 6 日发布的图像模型 Nano Banana 2.1，在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 两个榜单均排名第 4。

• 模型

Perplexity Decider 在 DecisionBench 上排名第一（成本也是最低的）

• 模型

Thomas Wolf 团队发布开源模型 Carbon-A，直接在 DNA 中定位基因，并据此构建覆盖 22617 个物种、共 5.66 亿候选基因的 Carbon Annotation Database。模型与数据库一并开放，团队与 Active Site 和 UCSD 合作在猫、鸡和拟南芥等物种中完成部分新基因的湿实验验证，并找到 239 个参考注释中缺失的 RNA 证据基因。

• 模型

perplexity 的开源权重决策模型，临床决策质量最佳、成本最低

• 模型

GPT-6 Luna 是当下最快的 Decisions 模型，全球请求延迟 180ms 🏁 紧随其后的是 Jev 和 Perplexity Decider：

• 模型

在 StepFun 的 8 项基准评测中，Step 5 Preview 在 6 项上击败 Kimi K3 和 GLM-5.3，包括 DeepSWE（67.7）、ProgramBench（80.5）、StepCodeBench（49.0）和 FrontierFinance（66.4）。

• 模型

阶跃星辰（StepFun）宣布 Step 5 Preview 现已上线 OpenRouter，链接为 https://openrouter.ai/stepfun/step-5-preview。即日起在 @opencode、@cline、@NousResearch、@kilocode 等平台陆续开放一周免费访问，主打智能体与专业工作场景，任务成本明显更低，用户可保留现有工作流直接切换模型。

• 模型

阶跃星辰官方发布 Step 5 Preview 的介绍入口，提供模型概览、评测基准与演示页面，以及技术规格和 API 文档。详情见 https://www.stepfun.com/step-5-preview 与 https://platform.stepfun.ai/docs/en/guides/models/step-5-preview。

• 模型

Anthropic 发布 Claude Haiku 5.5，官方称这是其推出的最便宜、最快、能力最强的小模型，运行成本平均比 Claude Haiku 4.5 低约 75%。作者称其 benchmark 全面领先 GPT-6 Luna，OpenRouter 观测的 token 输出速度约为 2 倍，并观察到不少用户正从 CodeX 迁移到 Claude Code。

• 模型

感谢我们的 day0 合作伙伴 @novita_labs 持续、可靠的发布支持 🥰 @novita_labs：🚀 来自 @AntLingAGI 的 Ling-3.1-Flash 现已通过 Novita 在 @OpenRouter 上线。 作为 Day-0 合作伙伴发布 ⚡ 🎁 10 月 13 日上午 9:00（PT）前免费。 560B 总参数 · 25B 激活参数。 专为混合推理和工具调用工作流打造。

• 模型

Vidu Q4 Preview 首次进入 Artificial Analysis AA-Video-I2V v1.0 排行榜第 3 名，比 Vidu Q3 Pro 上升 16 位。

• 模型

A 社发善心，Claude Haiku 5.5 降价 90%，价格对齐 GPT 6 Luna 能力方面非常能打。。。 这可能是最佳性价比模型

• 模型

Arena 在 Agent Arena 上用超 4700 个真实智能体会话评测了 typesafeai 的 Jev Router，结果显示其未推进当前帕累托前沿：达到与 DeepSeek V4.1 Flash（Max）相近性能时成本高 38%，模型请求延迟中位数高 1.7 倍。

• 模型