Google Gemini 4 Argon 缩小与 OpenAI、Anthropic 的差距但未明显领先
Google 发布 Gemini 4 Argon，是其自 Gemini 3.1 Pro 以来首个前沿模型。
#模型发布
#模型发布
今日 6 条The DecoderAI 评分7171 Hacker NewsAI 评分5757 Cloudflare 发布 Clef 系列开源决策模型与 RL 微调平台
Cloudflare 发布两款自研开源决策模型 Clef 和 Clef-flash，托管在 Workers AI 上，在 Jev Decision Index 上领先现有模型，并以 Apache 2.0 协议开源至 Hugging Face。
The DecoderAI 评分6262 Black Forest Labs 发布 Flux 3 Image，支持多步编辑且不影响画面其余部分
Black Forest Labs 发布 Flux 3 Image 模型，支持多步编辑且不会改变画面其余区域，涵盖文生图、图生图、文本渲染和写实风格生成。用户可通过边界框组合场景，引用图最多 10 张，输出分辨率最高 4K。API 访问在 10 月 8 日前五折，开放权重版本预计在未来几周内推出。
The DecoderAI 评分4343 近半数测试者在1分钟通话中将Tavus AI视频形象误认为真人
Tavus推出其称为首个"人机交互模型"（HIM）的Griffin，在1分钟视频通话后48%的参与者将其误认为真人，优于此前系统最高的2%。在Nvidia进行的音视频对话拟人度测试中，Griffin得分3.83，接近真人3.92，远高于此前最佳AI模型的2.80；轻量版Griffin-Lite已向部分测试者开放研究预览。
The DecoderAI 评分4949 Ideogram 发布图像编辑模型 Ideogram 4.5，主打局部编辑不影响整体
Ideogram 4.5 只改动用户指定区域而保持其他部分不变，相比 GPT-Image 2.5 和 Nano Banana 在多次编辑后更少产生伪影。该模型原生 2K 分辨率，提供四个质量档位，单张费用 0.8 至 22 美分，现已通过 Ideogram 平台与 API 上线，并与 Picsart、Runway、Pika、Leonardo AI 达成合作。
TechCrunch · AIAI 评分4848 亚马逊云科技发布开源决策模型 Strands Decider 2B，灵感来自 TypeSafe 的 Jev
亚马逊云科技发布开源决策模型 Strands Decider 2B，基于 Qwen3.5-2B 构建，可在预设选项间快速选择并输出置信度分数。模型完全开源、可本地运行，由 Amazon 杰出工程师 Marc Brooker 主导、从其个人项目孵化而来，通过 Strands Labs 推出。OpenAI 同周推出同类产品，决策模型赛道涌入大量开源项目。
量子位精选AI 评分6969 谷歌发布 Gemini 4 Argon：搭载 RSI，基准成绩领先 Opus 5.5 和 GPT-6
谷歌发布 Gemini 4 Argon 旗舰模型，搭载 RSI，在 DeepSWE v1.1（77.4%）、CWE-bench v1（68%）、Vals Index（68.90%）等基准上领先 Claude Opus 5.5 和 GPT-6 Astra，并在 Code Arena 排第八。
推荐理由：文章集中给出 Gemini 4 Argon 与 Opus 5.5、GPT-6 Astra 在 DeepSWE、CWE-bench、Text Arena 等基准上的横向对照和价格差异，读者可据此定位它在前沿模型梯队中的相对位置。
The Verge · AIAI 评分7070 Google 发布 Gemini 4 Argon，初期仅向可信网络防御者开放
Google 发布新一代前沿模型 Gemini 4 Argon，声称在真实软件工程、法律和金融等企业知识工作以及网络安全防御上达到前沿水平，初期仅向一组"可信网络防御者"开放。
Ars Technica · AIAI 评分6363 Google 发布 Gemini 4 Argon 模型，暂未对公众开放
Google 发布 Gemini 4 Argon 模型，声称在编码、知识工作和网络安全上达到行业领先水平，但目前仅在 Google 内部有限测试，尚未对公众开放。
Google DeepMind精选AI 评分7070 Google DeepMind 发布 Gemini 4 Argon，主打编码与企业长链路任务
Google DeepMind 公布新一代前沿模型 Gemini 4 Argon，主打编码、企业知识工作（法律、金融）和网络安全防御等长链路任务。
推荐理由：原文同时披露了 Argon 在编码、企业知识工作与网络安全等长链路场景的关键基准成绩与定价，可供与同类前沿模型横向对比。
Hugging Face Blog精选AI 评分6969 NVIDIA 发布开源表格基础模型 Kumo Tabular，覆盖分类与回归
NVIDIA 发布开源表格基础模型 Kumo Tabular，在单次前向推理中完成表格分类与回归预测，无需训练或特征工程，权重与代码已在 Hugging Face 和 GitHub 开源。
推荐理由：原文同时给出架构细节与四项表格基准的排名结果，读者可以横向比较它在自身数据规模和列类型下是否值得替换现有方法。
OpenAI NewsAI 评分5757 OpenAI 发布 GPT-6.1 Sol 模型
OpenAI 发布 GPT-6.1 Sol 模型，定位接近 Astra 智能水平，覆盖编码、计算机使用和专业工作场景，API 输入和输出 token 价格为 Astra 标准定价的五分之一。
Simon Willison精选AI 评分7878 Anthropic 发布 Claude Sonnet 5.5 并用于 claude.ai 免费档
Anthropic 发布 Claude Sonnet 5.5，运行速度提升 30% 以上、多数场景成本下降最多 30%，定价与 Sonnet 5 持平且基准表现优于 Sonnet 5。
推荐理由：作者对新版 Sonnet 做了实测并对比 OpenAI 免费档所用模型，可作为新版 Sonnet 的能力与选型参考。
Google DeepMind精选AI 评分6969 Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 语音生成模型
Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款语音生成模型，支持通过自然语言提示从零创建自定义声音、基于 30 秒样本复制人声，并提供 2000+ 现成声音库与 100+ 语言覆盖。
推荐理由：原文详细列出了两款新 TTS 模型的声音设计、复制与多语言能力，并给出 Hume AI 基准成绩，可对照此前 3.1 Flash TTS 评估实际提升幅度。
OpenAI News精选AI 评分7777 OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna 两款模型
OpenAI 发布 GPT-6 Sol 和 GPT-6 Luna 两款模型，作为本月初发布的 GPT-6 Astra 的更经济版本，采用与 Astra 相似的训练方法延续其在专业工作、事实性、编码、计算机使用与协作风格上的能力提升。
推荐理由：给出 Sol 和 Luna 与 GPT-6 Astra 及 Claude Opus 5、Fable 5 等竞品在成本和能力上的对照数据，可作为评估企业级工作流性价比的参考。
OpenAI NewsAI 评分2323 Parallel 借助 GPT-6 Astra 将研究时间与成本减半
GPT-6 Astra 让 Parallel 的智能体在劳动力市场数据的检索与综合任务上，将耗时与成本均压缩至此前模型的一半。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 Gemini 3.8 Live 与 3.8 Live Extended Thinking 语音模型
Google DeepMind 发布两款实时语音对话模型 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者兼顾成本与规模，后者面向高复杂度任务并支持边推理边说话。
推荐理由：原文给出了两款实时语音模型的多项基准成绩和面向开发者、企业的接入入口，读者可以据此对比现有同类方案的能力差异。
Google DeepMind精选AI 评分6868 Google DeepMind 发布 WeatherNext 3 全球天气预报模型
Google DeepMind 发布 WeatherNext 3 全球天气预报模型，引入实时地球同步卫星观测替代传统 NWP 数据，每小时更新并支持最高 5 公里分辨率。
推荐理由：WeatherNext 3 以实时卫星观测替代 NWP 数据训练，分辨率较前代提升约五倍，中等时效降水精度相对 IMERG 改善最高 60%。
Google DeepMind精选AI 评分7575 Google DeepMind 发布 Nano Banana 2，融合 Pro 级能力与 Flash 级速度
Nano Banana 2（Gemini 3.1 Flash Image）是 Google DeepMind 发布的最新图像生成模型，将 Pro 级能力与 Flash 速度结合。
推荐理由：Nano Banana 2 把 Pro 级能力下放到 Flash 速度，读者可对比 Pro 与 2 的能力侧重，挑选适合自己工作流的版本。