Gemini 4 Argon 发布：19 项基准 13 项第一，输出上限达 100 万 token

Latent Space · rss · 2026-10-01

Google DeepMind 发布 Gemini 4 Argon

发布与可用性：GDM 自 3.1 Pro 之后重回前沿，Argon 主打编码、企业知识工作与网络防御，19 项可信基准中 13 项 SOTA。目前仅通过 Fairwind 项目向政府用户和可信网络防御者开放，后续再开放给开发者和消费者。
输出与定价：宣称 100 万 token 输出上限（由新的 Long Decode Continuation API 特性实现），定价 $4/$20 每百万 token，限时五折 $2/$10，缓存输入 95% 折扣。
内部应用：Google 称 Argon agent 释放了超 300 TiB 数据中心内存，正迁移 80 万行 C/C++ 内核代码到 Rust（视频解码器替换 3.2 万行 SIMD 代码，速度提升 2.7 倍）；团队称内部 agent 循环帮助完成了 CK 猜想。
第三方评测：Artificial Analysis 智能指数 53 分，与 GPT-6 Astra 持平；折扣价下单任务成本 $1.99 vs Astra 的 $3.26，但靠的是低价而非效率（输出 62K vs 27K token）。AA-Omniscience 幻觉率 15% 远低于 Astra 的 51%，但准确率 50% 低于 63%。Terminal-Bench 4 从 19% 升至 57.6%，IOI 2024–2026 满分。也有质疑：Harvey 法律基准 19.6% 落后于 Muse Spark 1.2 的 25.42%，有人指其可能存在偏好数据刷榜。

OpenAI：GPT-6.1 Sol 与 DevDay

GPT-6.1 Sol 登顶 MathArena，WebDev 排第 3，单任务成本 $0.72（靠更少轮次与更低缓存读价）。OpenAI 修复 Luna 图像编码 bug，智能指数 +1。
实测最高 300 tok/s，生成快 8 倍但端到端 agent 任务仅快 2–4 倍（工具延迟为主），计算机使用场景提升最大。
DevDay 推出 dots（带自有云电脑的持久 agent）、Decisions API 与 computer use；ChatGPT Sites 可托管 MCP 服务器并转为可安装插件。有用户称限额被削减。

其他发布

Perplexity 开源 pplx-embed-v2-context-9b-preview：整文档编码后池化 chunk 向量，ConTEB 新 SOTA，1 KB int8 向量在 answer recall@10 上超 voyage-context-4 达 14.4 分。
Cohere Embed 5：Pro/Fast 共享嵌入空间，Fast 号称快档领先 6 分以上且比 Pro 便宜三分之一。
Ideogram 4.5：多轮编辑连续十次编辑 94–99% 未触及内容不变，承诺开放权重。
视频基准：AA-Video-T2V v2.0 发布，Wan 3.0 居首（$12/min），Seedance 2.5 第二，MiniMax H3 统计并列且仅 $4.80/min。
开源与小模型：Ling-3.1-flash（500B）据称接近 GPT-5.6 Sol 与 Opus 5；Runway 开源 world-action 模型 Praxis-1；Upstage Solar Mini 4（35B 总参/3B 激活）便宜但缓存命中仅 48%，单任务成本仍约 Luna 的 5 倍。
Meta 研究：Context Language Models 把上下文当作可编辑文件而非追加日志，上下文管理策略学习进权重。

「模型」频道最新