Google 发布 Gemini 4 Argon：跳过 3.5 Pro，百万 token 输出，但还用不上
Google 宣布 Gemini 4 Argon：DeepSWE 77.9% 超 GPT-6 Astra，输出 100 万 token，分阶段发布，暂无定价。
跑分
「跑分」标签聚合的各栏目已发布内容，按本站发布日期从新到旧排列。
8 条
OpenAI 发布 GPT-6.1 Sol：接近 Astra 的性能、五分之一的价格
OpenAI 在 DevDay 发布 GPT-6.1 Sol：性能接近 Astra、价格仅五分之一，已上线 Work 与 Codex。
Anthropic 发布 Claude Sonnet 5.5：速度提升 30%，智能体编码反超 Opus 5.5
Anthropic 9 月 28 日发布 Sonnet 5.5：定价 2/10 美元（Opus 5.5 一半），智能体编码反超 Opus 5.5。
北大清华阿里开源 SparkDiffusion：单卡 265 倍视频生成加速
北大清华阿里开源 SparkDiffusion：单卡 RTX 5090 将 720P-14B 视频生成提速 265 倍，VBench-2.0 降 0.5 点。
匿名模型 Pixel Canary 追平 GPT 6 Astra 编程评测，但一道题平均要跑 17 分钟
匿名模型 Pixel Canary 限时免费上架 Vercel，编程评测追平 GPT 6 Astra；但一道题平均要跑 17 分钟，提示词或被用于训练。
中国 1.6T 开源模型 Nex-N2.5 登顶 BrowseComp，Agent 跑分超过 GLM-5.3 与 DeepSeek-V4
上海创智学院 2026 年 9 月 9 日开源 Nex-N2.5 系列，35B、397B、1.6T 三档权重全部为 Apache-2.0。官方对比表里，1.6T 的 Max 在 BrowseComp 以 92.6 分登顶，压过 Claude Opus 5 与 GPT-5.6 Sol；自动化与工具调用等 Agent 榜单上，Max 也高于 GLM-5.3 和 DeepSeek-V4-Pro。
Anthropic 发布 Claude Opus 5.5：多数任务接近 Fable 5.1，API 降价 20%
Anthropic 2026 年 9 月 23 日发布 Claude 5.5 家族首款模型 Opus 5.5，官方称多数任务达到 Fable 5.1 水平，典型任务成本比 Opus 5 低 40%，API 价格降为每百万 token 输入 4 美元、输出 20 美元。
vLLM 团队创业公司 Inferact：16 块 TPU v7 跑 Kimi K3，比 GB200 快 57%
据量子位报道，vLLM 原班人马创办的 Inferact 为谷歌 TPU 写了 megakernel 推理内核，配合 DeepSeek 的 DSpark 推测解码，在 16 块 TPU v7 上跑 Kimi K3 达到每秒 709 token，同等条件下 GB200 为 452 token，代码已开源。