Artificial Analysis@ArtificialAnlys精选AI 评分7070

Artificial Analysis Coding Agent Index 本周纳入 Claude Sonnet 5.5、GPT-6.1 Sol 和 Gemini 4 Argon，三者均接近榜首但成本差异大。

Artificial Analysis@ArtificialAnlys精选AI 评分6767

Artificial Analysis 评测显示，阿里 9 月 20 日以开放权重发布的 Qwen-Image-2.1 在 AA-Image-T2I v2.0 和 AA-Image-Editing v2.0 上均排第 18，为两个榜单开源权重模型第一。

Artificial Analysis@ArtificialAnlysAI 评分4444

在衡量从漏洞发现到修补全流程网络安全能力的 CyberGym-E2E-AA 基准上，部分前沿智能模型因安全限制在 85%+ 的任务上被拦截无法响应。GPT-6 Luna 或 MiMo-V2.6-Pro 可在 100 万行以上代码库中执行约 100 次漏洞挖掘，成本约 20 美元，单任务成本比次优模型 Grok 4.7 便宜最多 100 倍。

Artificial Analysis@ArtificialAnlysAI 评分4646

韩国 AI 实验室 Upstage 发布专有推理模型 Solar Mini 4，报告 35B 总参数、3B 激活参数，在 Artificial Analysis 智能指数上得分 24，比上代旗舰 Solar Pro 3（8 分）高 16 分，每 token 价格降至三分之一（$0.10/$0.40 每 1M 输入/输出 token）。

Artificial Analysis@ArtificialAnlys精选AI 评分6666

Artificial Analysis 测算 GPT-6.1 Sol 的 Cost per Task 比 GPT-6 Sol 低约 30%，而 GPT-6 Sol 已约为 GPT-5.6 Sol 的一半。

Ammaar Reshi@ammaarAI 评分4141

这是 Gemini 4 Argon 基准测试的预览。 今天开始向网络防御者推出，并尽快向所有人开放。 很高兴看到所有这些进展，迫不及待想让你们都用上！

karminski-牙医@karminski3AI 评分3636

阶跃 Step-5-Preview 实测显示其输出稳定性突出，后训练扎实，写工程代码不易反复出错。在新增的 Agent 能力测试“硅基交警”中全程未指挥出事故，后端 Agentic Coding 与旧版硅基骑手测试多轮得分 Δ 也很小；其 Agent Loop 迭代能力强，能卡极限数值优化，在硅基骑手测试中把送餐超时理解为送餐时间+5分钟以赚取更多积分。

karminski-牙医@karminski3AI 评分5252

karminski 发布小米 MiMo-v2.6-pro 测试速报，向量数据库测试得分从 MiMo-v2.5-Pro 的 2505 升至 7810，接近 Claude Fable-5。

Step 5 Preview 实测：榜单之外的真实表现与短板

阶跃毫无预兆发布 Step 5 Preview，总参数量 600B、激活 27B，带视觉输入，称 Artificial Analysis 上涨 44 分、全球开源前三，单任务成本仅为 Claude Opus 5 的 1/8。

Epoch AI@EpochAIResearchAI 评分4848

FrontierMath: Open Problems 中的又一道题被解出来了！该解答由 Becker、Greger 和 @DominikPeters 在与 GPT-6 Astra 的交互会话中得出。Peters 最初为这个基准提出了该问题。他是这么说的。

NVIDIA Vera Rubin NVL72 首登 MLPerf Inference v6.1，性能领先

NVIDIA Vera Rubin NVL72 在 MLPerf Inference v6.1 首次预览提交中，Qwen3-VL 吞吐量最高达 GB300 NVL72 的 3.7 倍，DeepSeek-R1 上最高 2.5 倍。GB300 NVL72 以 288 GPU 四机架提交实现 99% 扩展效率，软件优化较 v6.0 带来最高 1.6 倍性能提升。

SpaceXAI@SpaceXAIAI 评分3131

LatchBio 评估了 Grok 在生物安全监测和对抗性生物任务上的表现。 他们发现 Grok 4.6 能正确检测并拒绝危险查询，包括恶意混淆的生物任务，同时也能回答有益的科研查询。 我们在博客文章中讨论了这些结果： https://x.ai/news/biosafety-at-the-frontier

SiliconFlow@SiliconFlowAIAI 评分3434

💸$15.51 vs. $120.93。 同样的提示词。同样的 3D 游戏挑战。无需手动修改代码。 GLM-5.3 以 FABLE 5 近 1/8 的成本完成了构建！ 观看并排对比——自己判断。👇 GLM-5.3 现已上线 SiliconFlow。