本期概览

Gemini 4 Argon 从有限开放转为全面开放，意味着 Google 最新一代模型进入更广泛的可用阶段。但评测者认为其未能改变当前头部模型竞争格局，说明模型发布本身并不必然带来地位重排，需观察实际使用反馈。

这是 Muse Wonder (Max) 首次出现在 Arena 的 WebDev 排名中，直接与 Kimi K3 (Max) 等模型在同一评分体系下比较，且分差仅4分，说明该模型在代码与网页开发任务上已接近头部梯队。

此前智能指数领先的模型通常伴随更高单任务成本，本次变化在于同档智能水平下单任务成本降至对手的 60%，使同等能力的单位调用成本出现明显下移，模型选型的性价比对比维度被改写。

此前开源多模态大模型多以稠密架构为主，端侧部署往往受内存和算力限制。此次以 MoE 架构实现 35B 总参数、3B 激活参数，并称可在 3GB 内存端侧运行，若属实，将降低多模态模型在终端设备上的部署门槛。

Hy3在Hy3 Preview基础上收集50+产品反馈并提升后训练数据质量，以21B激活参数达到更大模型的性能水平，降低部署成本同时增强agent能力，对中小规模AI应用落地意义重大。

此前 Parakeet 权重为 1.2 GB，量化版把体积压到 178 MB，并在 CPU 上取得 113 倍实时的速度，同时英文精度仅小幅回落。这意味着语音识别可以在无 GPU 的普通 CPU 环境运行，多语言与长音频场景的精度甚至优于原版。

这是 Muse Wonder 系列首次出现在 Agent Arena 的实测环境中，意味着该系列从发布信息进入第三方可比评测阶段。对关注 Agent 能力的产品团队而言，分数公布后才会形成可与同类模型横向对比的依据，目前仅能确认可试用。

该模型以不到其他模型三分之一参数实现超越，证明循环架构能有效提升小模型代理能力。此前小模型在复杂代理任务上表现较弱，Nanbeige4.2-3B填补了这一空白，为资源受限场景提供可行方案。

小模型在一年内智能指数提升 26 分，同时运行成本较上一代下降约 75%，说明轻量模型的性价比曲线明显上移；对于原本因成本或延迟而无法用模型处理的大批量简单任务，可用范围扩大。

Ling-3.0-flash 以远小于前代旗舰模型的参数规模（活跃参数仅为前者的 8.1%）宣称达到同等或更优性能，且主打长上下文效率和生产环境部署能力，可能改变高效推理模型的竞争格局。

这是世界首个开放的3T级模型，通过新架构KDA和AttnRes以及Stable LatentMoE框架，激活16/896专家，整体缩放效率比上一代Kimi K2提升约2.5倍，使更大规模的开源多模态智能体模型成为可能。

此前 GPT-5.6 已处促销定价，新模型再降 50%，意味着同等预算可支撑更大规模调用；同时两款模型在 AutomationBench 上以更低单任务成本超过前代最好成绩，说明降价并非单纯牺牲能力换取低价。

与之前的 Laguna XS 2.1（33B-A3B）相比，Laguna-S-2.1 在激活参数相近的情况下提供了更大的总容量（118B），同时保持 1M 超长上下文和推理思考能力，且采用宽松许可证，降低了企业部署和定制门槛。

该模型展示了从固定人工任务转向自主生成训练任务、优化策略并强化学习的范式，且以约 3B 激活参数超越更大或稠密模型，在编码与智能体任务上表现突出，可能影响模型开发成本与效率。

该模型将自我改进从脚手架和 rollout 优化扩展到任务生成、脚手架和 rollout 的联合优化，不再依赖固定人工任务集，可能改变基础模型的训练方式，并在较小规模（9B）下实现较强编程能力，对边缘部署有参考价值。