AA v5 改版：私有测试集拉大开源闭源差距，Gemini 4 Carbon 登顶

1. 00:55
   O'Reilly Radar

   This Week in AI：Gemini 4 Carbon、Mistral Large 4 等新模型发布，投资者质疑 AI 支出

   Google 发布面向网络安全与多步任务的 Gemini 4 Carbon，Mistral 公开万亿参数 Large 4（“Le Chonk”）权重，Google DeepMind 预览世界模型 Genie 4。

1. 02:57
   Artificial Analysis

   Artificial Analysis 详解 Intelligence Index v5

   通过上周旧金山发布活动的完整演示，深入了解 Intelligence Index v5 我们推出了自 v4 以来对 Index 的最大升级，发布了全新的 Progress Index，并分享了评估工作在 3D 推理、个性、网络防御、快速分类器模型、企业评估和机器人领域的后续计划。观看下方完整演示： youtu.be/v2nzzTmY9_0?si=03Jc9…

1. 18:23
   腾讯混元精选

   腾讯混元感谢 Artificial Analysis 对 Hy4 的评测，模型获 Intelligence Index v5 35 分

   腾讯混元转发并感谢 Artificial Analysis 对其最新模型 Hy4 的评测。Hy4 在 Artificial Analysis Intelligence Index v5 得 35 分，与中国实验室模型中仅次于 Kimi K3.1 Pro（46 分），与 Grok 4.7 (xhigh) 持平，比 Claude Haiku 5.5 (max) 低 1 分。评测要点：FrontierCode 2.0 得 31%，为中国实验室模型最高；AA-Omniscience v1.1 达 50% 但幻觉率高达 89%；定价 $0.834/$2.501 per 1M input/output tokens，支持 1M token 上下文窗口和文本加图像输入。

2. 16:28
   Artificial Analysis

   腾讯混元 Hy4 在 Artificial Analysis Intelligence Index v5 得 35 分，居中国 AI 实验室模型第二

   Artificial Analysis 评测腾讯混元 Hy4，其在 Artificial Analysis Intelligence Index v5 得 35 分，与 Grok 4.7 (xhigh) 持平，落后 Kimi K3.1 Pro 的 46 分，为中国 AI 实验室模型第二。

1. 08:47
   Artificial Analysis

   Artificial Analysis 六大能力指数升级至 v2.0

   Artificial Analysis 将六大能力指数更新至 v2.0，与 Intelligence Index v5.0 的评测对齐，并加大了对非幻觉和智能体工具使用的权重。

1. 01:45
   Google Blog：AI

   Google 回顾十月 AI 更新：Gemini 4 Argon 发布、Gemini 4 Carbon 与 Genie 4 亮相

   Google 汇总 2026 年 10 月主要 AI 动态，核心是推理模型 Gemini 4 Argon 全球上线，覆盖 Google AI Studio、Gemini API、Google Cloud、Search 和 Gemini app。

1. 08:01
   Artificial Analysis

   Artificial Analysis 发布 AA-Omniscience v1.1 基准

   Artificial Analysis 发布 AA-Omniscience v1.1，题库从 6000 题缩减至 3000 题，移除已公开和饱和题目并修正歧义，同时新增 300 题公开集，其与私有集 Net Score 的 Pearson 相关系数达 0.99。

2. 02:43
   Arena

   Arena 周报：Gemini 4 Carbon 登顶 Text Arena，GPT-6.1 Terra 和 MAI-Image-2.7-Preview 新上榜

   Arena 发布本周榜单：Google DeepMind 的 Gemini 4 Carbon (High) 获 Text Arena 第 1、Agent Arena 第 2、Code Arena: WebDev 第 4，重塑三项 Pareto 前沿。

1. 10:09
   Artificial Analysis

   Artificial Analysis 推出 HLE-Diamond 榜单，Gemini 4 Carbon (high) 以 69% 居首

   Artificial Analysis 推出 HLE-Diamond 榜单，对 CAIS 和 Scale AI 清理精炼后的 1000 题 Humanity's Last Exam 版本做独立评测，纳入 Artificial Analysis Intelligence Index v5。

2. 08:24
   Rohan Paul

   Gemini 4 Carbon 以 59 分登顶 Artificial Analysis 智能指数

   Rohan Paul 转述 Google 的 Gemini 4 Carbon 以 59 分登上 Artificial Analysis Intelligence Index 第一名，比 Claude Opus 5.5（58）高 1 分，比 GPT-6 Astra（57）高 2 分。Artificial Analysis 发现 Carbon 在 9 项评测中赢了 4 项（HLE-Diamond、Terminal-Bench-Science、AA-Omniscience、AutomationBench-AA），但在编码和知识工作上不领先。标准定价下每 index 任务成本 7.76 美元，比 Opus 5.5（10.04 美元）低约 23%，但高于 GPT-6 Astra（6.25 美元）。

3. 03:07
   Artificial Analysis

   Artificial Analysis 发布 Intelligence Index v5 与 Progress Index

   Artificial Analysis 在旧金山发布 Intelligence Index v5，新增两项基准、三项升级，并首次让指数大部分基于私有测试集或留出答案，同时加大智能体编程与科学的权重。

4. 00:49
   Artificial Analysis

   Artificial Analysis 发布 Progress Index，衡量 2022 年以来所有语言模型能力变化

   Artificial Analysis 推出 Artificial Analysis Progress Index，与 Intelligence Index v5 一同发布，用项目反应理论为 2022 年以来所有语言模型估计统一能力分数，专用于跨时间比较。

1. 13:55
   Latent Space

   Google DeepMind 发布 Gemini 4 Carbon，登顶多项独立排行榜

   Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis Intelligence Index v5，并率先通过 Fairwind Program 向可信网络防御者开放。

2. 06:30
   Google

   Google 发布 Gemini 4 Carbon 预览，登顶 Artificial Analysis Intelligence Index v5

   Google 发布 Gemini 4 Carbon 的早期预览，该模型以 59 分位列 Artificial Analysis Intelligence Index v5 第一，比 Gemini 4 Argon 高 9 分，在复杂推理、知识和科学任务上领先。引用的 Artificial Analysis 评测称其编码智能体仅次于 Claude Opus 5.5，定价 $4/$20 per 1M tokens 与 Argon 标准价一致，目前仅向部分用户开放，尚未公开可用。

3. 06:13
   indigo

   Google 发布 Gemini 4 Carbon，财报后股价盘后跌 10%

   Google 发布 Gemini 4 Carbon，距上一代 Argon 不到一个月，作者认为发版速度反映模型自我改进能力大幅强化。同日财报后股价盘后下跌 10%，主因搜索业务增长连续两个季度放缓；1,275.77 亿美元总营收中广告占 64.28%，Google Cloud 占 24.07%，纯搜索占比首次跌破 50%。

4. 05:08
   Arena

   Gemini 4 Carbon 登顶 Arena 文本榜，Agent 榜第二且成本低于 Claude Opus 5.5

   Arena 宣布 Gemini 4 Carbon (High) 首次上榜：Text Arena 第一（1528 分），Agent Arena 第二（+16.2% 净提升），Code Arena: WebDev 第四（1768 分）。

5. 04:52
   IT之家·人工智能

   谷歌发布 Gemini 4 Carbon，登顶 Artificial Analysis Intelligence Index v5.0 榜首

   谷歌正式发布新一代前沿大模型 Gemini 4 Carbon，主打网络安全与长程任务能力，在 Artificial Analysis Intelligence Index v5.0 中以综合得分 59 排名第一。

6. 04:03
   The Verge：AI

   Google 发布 Gemini 4 Carbon，主打网络安全能力提升

   Google 发布最新前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全方面有显著提升，目前在 Artificial Analysis Intelligence Index (v5.0) 上排名第一，超过 Claude Opus 5.5 和 GPT-6 Astra。

7. 03:17
   The Decoder：AI News精选

   Google DeepMind 发布 Gemini 4 Carbon，登顶 Artificial Analysis Intelligence Index

   Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，以 59 分登顶 Artificial Analysis Intelligence Index v5.0，前代 Argon 为 50 分。

8. 03:15
   Arena

   Gemini 4 Carbon (High) 登上 Agent Arena 等三个榜单的帕累托前沿

   Arena 宣布 Google DeepMind 的 Gemini 4 Carbon (High) 登上 Agent Arena、Code Arena: WebDev 和 Text Arena 的帕累托前沿。在 Agent Arena 中它排名第 2，净提升 +16.2%，每任务中位成本 $1.80，比排名第 1 的 Claude Opus 5.5 (Max) 低 72%。详情见 arena.ai/leaderboard/agent/pa…

9. 02:47
   Ars Technica：AI

   Google 发布 Gemini 4 Carbon，暂未开放普通用户使用

   Google 在 Gemini 4 Argon 发布两周后宣布新前沿模型 Gemini 4 Carbon，称其在编码、智能体任务和网络安全分析上达到新高度，但需分阶段开放。

10. 01:48
    MarkTechPost

    Google DeepMind 发布 Gemini 4 Carbon，面向网络防御与智能体编程

    Google DeepMind 发布 Gemini 4 Carbon，为其迄今最强模型，主打长时程智能体编程与网络安全防御，在 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。

11. 01:28
    Rohan Paul

    Google 发布 Gemini 4 Carbon，在 Artificial Analysis 多项基准上超过 GPT-6 Astra 与 Claude Opus 5.5

    Google DeepMind 发布新前沿模型 Gemini 4 Carbon，在 Artificial Analysis 上超过 GPT-6 Astra 和 Claude Opus 5.5。

12. 01:28
    Josh Woodward精选

    Google 发布 Gemini 4 Carbon，Argon 两周后再推前沿模型

    Google 发布 Gemini 4 Carbon，距 Gemini 4 Argon 发布仅两周。Carbon 在 Artificial Analysis Index v5.0 以 59 分排名第一，网络安全评测 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%，长程任务较 Argon 明显提升并加强了前沿安全防护。模型将先向部分可信网络防御者开放，通过 Fairwind Program 扩展到更多合作伙伴，随后更广泛可用。

13. 01:24
    Arena

    Gemini 4 Carbon (High) 登顶 Arena 文本榜第一，Agent 榜第二

    Arena 宣布 Google DeepMind 的 Gemini 4 Carbon (High) 上榜，拿下 Text Arena 第一（1528 分）、Agent Arena 第二（+21.9K 真实智能体会话中净提升 +16.2%）、Code Arena: WebDev 第四（1768 分）。

14. 01:23
    Artificial Analysis

    Artificial Analysis：Gemini 4 Carbon 登顶 Intelligence Index v5，编码智能体仅次于 Claude Opus 5.5

    Artificial Analysis 评测显示，Google 的 Gemini 4 Carbon 以 59 分登上 Intelligence Index v5 第一。

15. 01:12
    Ammaar Reshi

    Gemini 4 Carbon 登顶 Artificial Analysis v5

    Gemini 4 Carbon！🚀 在 Artificial Analysis v5 上排名第一 作为日常主力使用体验非常棒，等它正式上线后，我很期待看到你们用它做出什么。

16. 01:06
    IT之家·人工智能

    Artificial Analysis 发布 Intelligence Index v5 基准，DeepSeek V4.1 Flash 1017 取 FrontierCode 2.0 开源最高分

    Artificial Analysis 昨日发布 Intelligence Index v5，60% 评测权重首次建立在私有测试集或隐藏答案之上，并把 Cognition 的 FrontierCode 2.0 纳入编码评测，按仓库维护者是否愿意合并 PR 打分。

17. 01:05
    Philipp Schmid

    Gemini 4 Carbon 前沿模型即将发布

    Gemini 4 Carbon，我们前沿模型的下一代即将到来。 在 Argon 基础上构建，编码和网络安全能力更强。价格不变，输入 $2 / 输出 $10*。在 AA v5 上得分 59。 正与可信合作伙伴测试中。将尽快开放开发者访问。期待与大家分享！blog.google/innovation-and-ai…

18. 01:03
    Google AI

    Google 发布 Gemini 4 Carbon，主打网络安全与长程能力

    Google AI 宣布发布 Gemini 4 Carbon，称其为最强的旗舰模型，具备最先进的网络安全和长程能力。Carbon 在多数基准上有所提升，在自主编码和网络防御方面表现强劲。模型先向 Fairwind 计划中的部分可信网络防御者开放，之后将尽快扩大访问范围。

19. 01:03
    Demis Hassabis

    Gemini 4 Carbon 关键基准达 SOTA

    ⚡以闪电般的速度迭代！Gemini 4 Carbon 在关键基准上达到 SOTA，将前沿能力与深入的安全与保障研究相结合。

20. 01:03
    Google

    Google 发布前沿模型 Gemini 4 Carbon

    Google 发布最新前沿模型 Gemini 4 Carbon，称其跨领域性能提升，在 Artificial Analysis Intelligence Index v5.0 排名第一，并在网络安全与长程能力上创下新 SOTA。模型本周起通过 Fairwind Program 向网络防御者开放，后续将扩大访问范围。

21. 01:02
    Google DeepMind

    Gemini 4 Carbon 发布

    Gemini 4 Carbon 是我们的下一代前沿模型。 它在网络安全和长程能力方面均达到业界领先水平。

22. 01:01
    Sundar Pichai精选

    Google 发布 Gemini 4 Carbon：AA Index v5.0 登顶，网络安全基准领先

    Sundar Pichai 宣布 Google 推出 Gemini 4 Carbon，称其在更新后的 Artificial Analysis Intelligence Index v5.0 以 59 分排名第一。

23. 01:00
    Google DeepMind：Blog精选

    Google DeepMind 发布 Gemini 4 Carbon 前沿模型

    Google DeepMind 发布 Gemini 4 Carbon，定位为最强前沿模型，主打网络安全与长程智能体能力，在 SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0% 取得领先，并以 59 分登顶 Artificial Analysis Intelligence Index v5.0。

1. 23:04
   The Decoder：AI News

   Artificial Analysis 新版 Intelligence Index 扩大开源与闭源模型差距

   Artificial Analysis 改版其 Intelligence Index 至版本 5，Kimi K3.1 Pro 从第 4 降至第 9，开源模型与榜首差距从 3 分扩大到 12 分，Grok 4.7 也下跌 12 分。

2. 20:58
   Nathan Lambert：Interconnects

   Nathan Lambert 谈 Artificial Analysis v5 与基准制定者的困境

   Nathan Lambert 撰文分析 Artificial Analysis 智能指数 v5 更新及其带来的评测困境。AAv5 将指数均分为知识工作、编码、科学、通用四类各占 25%，榜单显示 8 个闭源模型超过最强待发布开源权重模型 Kimi K3.1 Pro。

3. 10:11
   Artificial Analysis

   Artificial Analysis 发布 Intelligence Index v5 并首次推出 Progress Index v1

   Artificial Analysis 发布 Intelligence Index v5，新增 FrontierCode 2.0 和 Terminal-Bench-Science 两项基准，升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集。

4. 00:00
   Artificial Analysis 完整文章

   Artificial Analysis：Gemini 4 Carbon 登顶 Intelligence Index v5 榜首

   Artificial Analysis 评测显示 Google 的 Gemini 4 Carbon 以 59 分登顶 Intelligence Index v5，编码 Agent 指数 59 分仅次于 Claude Opus 5.5 的 62 分。

5. 00:00
   Hacker News：AI 热帖精选

   Google 发布 Gemini 4 Carbon，主打网络安全与长程智能体能力

   Google 发布新前沿模型 Gemini 4 Carbon，定位为其最强模型，主打网络安全防御和长程智能体任务。

1. 00:00
   Artificial Analysis 完整文章

   Artificial Analysis 发布 Intelligence Index v5 评测基准

   Artificial Analysis 发布 Intelligence Index v5，引入 FrontierCode 2.0 和 Terminal-Bench-Science 两个新基准，并升级 HLE-Diamond、AA-Omniscience v1.1 和 CritPt v2，60% 的指数基于私有测试集或保留答案。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。