Gemini 4 Argon 开始向 Gemini 应用、Google Antigravity 等产品推送，Google 称其在复杂工作流中具备前沿推理与更好表现，回答更直接、更少重复，并更可靠地遵循风格指令。macOS 版 Gemini 应用支持在聊天与编码之间切换，可直接使用 Antigravity 的智能体编码界面；Antigravity 桌面端、CLI 以及 AI Studio、Android Studio（Canary）中使用该模型需 AI Ultra。Gemini API 上 Argon 在 2026 年 11 月 30 日前为每百万输入 token 2 美元、每百万输出 token 10 美元，之后涨至 4 美元和 20 美元。
匹配字段摘要
谷歌 Gemini 4 Argon 面向全球开发者和企业开放，可通过 AI Studio、Gemini 平台 API 使用，并支持 Google Antigravity 及 Gemini 应用和搜索 AI 模式的 Ultra、Pro 订阅用户。该模型支持最高 1,048,576 个 token 的长解码输出，输入、思考与输出共用同一个 100 万 token 上下文窗口，限时入门定价为输入每百万 Tokens 2 美元、输出 10 美元、缓存输入 0.1 美元，2026 年 11 月 30 日促销结束后调整为 4 美元、20 美元和 0.2 美元。谷歌称其在编码、金融、法律、网络安全、科学等复杂任务上表现优于其他前沿模型，目前在 Vals Index 中排名第一，有害请求违规率相比前代 Gemini 模型降低近一半。
匹配字段摘要、正文
LiquidAI 发布 LFM2.5-24B-A2B，基于 LFM2-24B-A2B 架构，激活参数 2B，上下文窗口从 32K 扩至 131K tokens，词表从 65K 扩至 128K，并改为只输出思维链的推理模型。预训练规模从约 17T 扩至约 33T tokens，后训练经 SFT、教师专精、两阶段多领域在线策略蒸馏和智能体强化学习五步，在 OpenClaw、Hermes Agent、Pi、OpenCode 等框架内训练。在 16 项基准中，它在 AutomationBench、BFCLv4、ToolSandbox、LiveClaw、τ³-Bench Banking 等 8 项工具与智能体基准中的 5 项领先或持平，三项指令遵循基准全部领先，但 GPQA Diamond、HLE、SWE-Bench Verified 等知识密集与编码基准仍落后于更大模型。模型已在 Hugging Face 开源权重，支持 llama.cpp、MLX、vLLM、SGLang、ONNX，在 M5 Max 上解码 184 tokens/s，单张 B300 高并发下输出超 21K tokens/s。
匹配字段摘要
Google DeepMind 发布前沿模型 Gemini 4 Argon，向开发者、企业和消费者开放，在 Vals Index 上排名第一，覆盖编码、金融、法律和网络安全等领域。该模型通过 Gemini API 提供 1M 统一输入输出 token 上限，并公布多项实测结果，包括 Antigravity 中智能体代码提交量提升超 35%、回滚减少近三分之一，以及将 Gemma 4 E2B 在 A100 上通过 vLLM 实现 2.85 倍端到端推理加速。安全方面，Argon 在 Gray Swan 间接提示注入基准上将 15 次自适应攻击的成功率降至 0.7%，并推出面向 1 万名科学家的 Antigravity 最高使用档位 6 个月免费计划。
匹配字段摘要
Gemini 4 Argon 已在 Gemini 应用中上线，主打前沿推理和复杂任务性能提升，回答更直接、少重复、少套话，长任务中会更频繁地同步进度。编码能力也有明显改进，Google Antigravity 的智能体编码界面已直接进入 Gemini macOS 应用，主聊天窗口新增 chat 到 tasks 的切换开关，任务模式下 Gemini 可在用户离开电脑时继续工作。Gemini 目前接入超过 40 个应用，包括 Instacart、OpenTable、Adobe 和 Shopify。
匹配字段摘要
Meta 正在 Meta Model API 平台上线 Muse Wonder 和 Muse Wonder Full 两款模型。Muse Wonder 主打真实场景编码，面向长时间运行的任务，能规划工作、并行调用工具、把部分任务交给子智能体并从错误中恢复；Muse Wonder Full 是 Meta 能力最强的模型，以最大推理量运行，面向最难、耗时最长的工作，仅向 Muse Code 订阅用户开放，不在 API 上提供。
匹配字段摘要
OpenRouter 宣布 Meta 的 Muse Wonder 已在 OpenRouter 上线。据其介绍，这是 Meta 目前能力最强的模型，面向个人与专业场景的复杂智能体任务，具备前沿编码性能和高级计算机使用能力，可处理长周期工作以应对开发者高难度任务。
匹配字段摘要
Meta 发布 Muse Wonder 系列前沿模型，官方称其面向个人与专业智能体任务达到 SOTA 水平。其最高版本在 14 项公开基准中的 8 项超过 Claude Opus 5.5，并在长时程编码、法律工作和业务自动化上领先 GPT-6 Astra 与 Claude Fable 5.1。差距最大的是超长工程测试 SWE-Marathon，Full 得分 57.5，Opus 5.5 为 46.3；长时程编码测试 DeepSWE 1.1 为 79.0 对 74.2，Meta 称由独立第三方运行；Harvey 法律智能体基准上 Full 得 13.1，超过 Opus 5.5 的 4.2 三倍以上。
匹配字段摘要
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款面向个人与专业智能体的 AI 模型，具备长期记忆、多步任务执行和编码能力，并在公司 gigawatt 级 Prometheus 数据中心完成训练。模型结合 Active Memory 与 Active Focus 两项能力，前者跨对话保留并检索相关信息，后者支持长时间朝目标推进、尝试替代方案并适应新信息。Meta 称其在个人与专业智能体、记忆和编码基准上取得 SOTA，评测涵盖 AutomationBench-AA、MemoryBench、SWE-Marathon 和 DeepSWE，并测试了法律、金融与健康等专业任务。
匹配字段摘要
Meta 的 Superintelligence Lab 发布 Muse Wonder 和 Muse Wonder Full 两款模型，这是该公司首次推出前沿模型。两款模型规模大于此前的轻量模型 Muse Spark，Meta 称其在编码等复杂任务上基准成绩与 Fable 5.1、GPT-6 Astra 相当，并通过 Meta Model API 提供，定价为每百万输入 token 4 美元、每百万输出 token 20 美元。Meta 还强调模型保留和整合用户信息的“active memory”能力，称 Muse Wonder 在 MemoryBench 上的得分高于 Fable、Opus 和 Astra。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 LLaDA-UI，一个基于 MoE 的块级扩散视觉语言 GUI 智能体，端到端约 16.7B 参数，结合原生动态分辨率视觉编码器与 LLaDA2.0-mini-base 扩散语言骨干。训练覆盖 grounding、移动端、桌面端和网页任务，包含 100 多个中文和 70 多个英文移动应用数据。官方称其在全部六项 GUI 基准上超过 Qwen2.5-VL-7B，并在 ScreenSpot-Pro、AndroidWorld、MobileWorld 和 WebVoyager 上超过 Qwen3-VL-8B。
匹配字段摘要
Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款模型，称其为目前能力最强的模型，在个人与专业智能体任务上达到 SOTA，覆盖法律、金融、健康等专业领域以及前沿编码能力。两款模型具备 Active Memory，可跨对话保留关键信息并调取与当前任务相关的细节；还具备 Active Focus，在任务变难时继续尝试其他方法、从错误中恢复，并在执行重要操作前先确认。Meta 表示该系列按 Meta Superintelligence Scaling Framework 的标准训练、评估和发布，完整安全评估报告将随后公布。
匹配字段摘要
Meta 推出 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款前沿模型，面向个人与专业智能体任务。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅用户开放，Muse Wonder 后续还将接入个人智能体产品 Muse，先向订阅用户推送。两款模型在个人与专业智能体、记忆和编码等基准上取得 SOTA，并具备 Active Memory 跨对话保留上下文、Active Focus 在任务受阻时尝试替代方案并坚持完成的能力。
匹配字段摘要
Meta 发布 Muse Wonder 和 Muse Wonder Full 两款前沿模型，称其在个人与专业智能体、记忆和编码等关键基准上取得 SOTA。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅用户；Muse Wonder 还将接入个人智能体产品 Muse，先向订阅用户开放。两款模型引入 Active Memory 跨对话保留上下文，以及 Active Focus 在任务受阻时尝试替代方案并坚持完成目标。
匹配字段摘要
Meta 发布 Muse Wonder 系列，包含 Muse Wonder 和 Muse Wonder Full 两款前沿模型，面向个人与专业智能体任务。Muse Wonder 即日起通过 Meta Model API 和 Muse Code 提供，Muse Wonder Full 面向 Muse Code 订阅用户开放，Muse Wonder 后续还将接入个人智能体产品 Muse，先向订阅用户推送。两款模型引入 Active Memory 跨对话保留上下文、Active Focus 在任务受阻时尝试替代方案并推进到完成，官方称其在个人与专业智能体、记忆和编码基准上取得 SOTA 结果。
匹配字段摘要
一个以 gemini-3.8-flash 马甲现身的匿名模型在 Arena 盲测中被认为是 Google 的 Gemini 4 Pro，据称在多项基准上取得领先。文章称其在 DeepSWE v1.1 智能体编码任务拿下 88.7%，GDPval-AA v2 达到 2064 Elo，Terminal-bench 2.1 为 95.3%，OSWorld-2.0 为 86.8%，价格为每百万 Token 输入 2.25 美元、输出 11.25 美元。文中还提到 Google 内部一次安全测试中该模型意外接入公网并入侵三家真实企业，以及 Google 高管称内部试用 Gemini 4 时状态兴奋。
匹配字段摘要、正文
阿里千问团队发布 Qwen-Image-2.1-Turbo，这是开源权重 Qwen-Image-2.1 的加速版本，在同样的 7B 视觉生成架构上把去噪步数从基础版默认的 40 步降到 8 步，并保留 2K 输出与编辑能力。模型搭配 Qwen3-VL 8B 文本编码器，可通过 Diffusers 的 QwenImage21Pipeline 加载，阿里云百炼同时托管 Turbo 与 Pro，Turbo 每张图 0.1 元、限速 120 RPM，Pro 为 0.25 元、20 RPM。权重仅限研究许可，商业自托管需另行获得授权，且目前尚无 Turbo 专属基准，基础版 Qwen-Image-2.1 在 Qwen-Image-Bench 上得分为 60.28。
匹配字段摘要
月之暗面发布开源模型 Kimi K2.5，在 K2 基础上用约 15T 混合视觉与文本 token 继续预训练，原生多模态，主打编码与视觉能力。K2.5 可自主编排最多 100 个子智能体、执行最多 1500 次工具调用，相比单智能体设置最多缩短 4.5 倍执行时间，且无需预定义子智能体或工作流。模型已上线 Kimi.com、Kimi App、API 和 Kimi Code，Kimi.com 与 App 提供 K2.5 Instant、Thinking、Agent 和 Agent Swarm（Beta）四种模式，Agent Swarm 在 Kimi.com 处于 beta，高层级付费用户可获免费额度。
匹配字段摘要
Moonshot AI 开源 Kimi K2，这是总参数 1 万亿、激活参数 320 亿的 MoE 模型，包含基础版 Kimi-K2-Base 和后训练版 Kimi-K2-Instruct，在非思考类模型的前沿知识、数学和编码任务上达到 SOTA。该模型针对智能体任务优化，可自动调用工具完成多步任务，并采用 MuonClip 优化器在 15.5T token 上预训练且无训练尖峰。Kimi 网页端和移动端用户即日起可免费选用，API 兼容 OpenAI/Anthropic 接口，暂不支持视觉功能。
匹配字段摘要
Anthropic 于 10 月 7 日发布 Claude Haiku 5.5，在编码、计算机操作和知识工作上较 Haiku 4.5 提升，运行成本平均降低约 75%，已在 Claude Platform、Claude Code 以及 AWS、Google Cloud、Microsoft Azure 上线。该模型面向摘要、分类、对话历史压缩、数据库查询等高频低成本任务，也可作为 Opus 5.5 或 Sonnet 5.5 的子智能体使用；上下文窗口从 20 万扩至 100 万 token，最大输出从 6.4 万增至 12.8 万 token，并首次在 Haiku 系列支持 effort 设置，默认 medium。评测方面，Terminal-Bench 4.0 得 39.2%（Haiku 4.5 为 0.0%，Sonnet 5.5 为 70.6%），OSWorld 2.1 离线评测得 72.4%（Haiku 4.5 为 15.7%，Sonnet 5.5 为 83.9%）。
匹配字段摘要