Google Gemini 4 Argon 发布，ARC-AGI-3 得分 97.5% 但测试方法影响显著
Google DeepMind 发布新前沿模型 Gemini 4 Argon，在 ARC-AGI-3 上以 97.5% 的成绩成为继 OpenAI 之后第二个突破 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。
#评测/基准
#评测/基准
今日 0 条The DecoderAI 评分7474
Latent SpaceAI 评分6262 AINews：Gemini 4 Argon 正式发布，Vals AI 谈基准评测
Gemini 4 Argon 今日正式 GA，覆盖 Gemini API、Gemini 应用、Search AI Mode 与 Antigravity，介绍性 API 价格为每百万输入/输出 token 2 美元/10 美元，缓存输入折扣 95%，Artificial Analysis 称 11 月 30 日后价格翻倍至 4 美元/20 美元。
Simon Willison精选AI 评分8080 Anthropic 发布 Claude Haiku 5.5，定价对齐 GPT-6 Luna
Anthropic 发布快速低价模型 Claude Haiku 5.5，价格与 OpenAI 上月发布的 GPT-6 Luna 完全一致，为每百万输入 0.10 美元、输出 0.50 美元，超过 100,000 tokens 后涨至 5 倍即 0.50/2.50 美元。
推荐理由：作者实测了 Haiku 5.5 的定价、tokenizer 与推理档位，读者可据此判断它与 GPT-6 Luna 的成本取舍。
Simon WillisonAI 评分2222 Mistral Large 4 发布
Mistral 推出 Mistral Large 4，模型标识为 mistral/mistral-large-4，可通过 llm 命令行工具调用。Simon Willison 用它与其他前沿模型同题生成 SVG 进行对比测试。
OpenAI NewsAI 评分3838 两个 API 设置如何让 GPT-5.6 在 ARC-AGI-3 基准上得分翻三倍
启用两个 API 设置后，GPT-5.6 在 ARC-AGI-3 基准上的得分提升至原来的三倍。这两个设置分别用于保留推理过程和启用压缩（compaction），在提高分数的同时也提升了效率。
Hugging Face BlogAI 评分2222 DharmaOCR 在巴西葡萄牙语 OCR 基准上超越 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语 OCR 基准上取得 0.925 分，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量与稳定性上保持优势。
Hugging Face BlogAI 评分4242 H Company 发布 Holo2-235B-A22B Preview，UI 定位刷新 SOTA
H Company 发布迄今最大的 UI 定位模型 Holo2-235B-A22B Preview，在 ScreenSpot-Pro 上以 78.5% 刷新 SOTA，OSWorld G 达 79.0%，模型已在 Hugging Face 开放。该模型单步在 ScreenSpot-Pro 上达 70.6%，配合智能体式定位可在 3 步内迭代提升精度，各尺寸 Holo2 模型相对提升 10-20%。
Hugging Face BlogAI 评分4141 NVIDIA 发布 Nemotron 3 Nano 30B A3B，用 NeMo Evaluator 公开完整评测配方
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开其完整评测配方，基于开源库 NeMo Evaluator 构建，任何人可复跑评测流程并独立核查结果。