Hacker News front page● 精選AI 評分79
MaxxBench 微改 DeepSWE 任務，多款模型分數大跌
新基準 MaxxBench 對 DeepSWE 的 89 個任務做小幅修改（參考補丁中位數僅增 17 行），多款模型得分隨之大幅下滑：Gemini 3.8 Flash 從 73.8% 降至 53.4%，DeepSeek V4.1 Flash 從 74.2% 降至 55.6%，Claude Opus 5 從 73.6% 降至 63.5%。
搜尋
找到 6 筆
量子位● 精選AI 評分78
MiniMax M3.1 Flash 發布，Agent 跑分國產第一、輸出 200+ TPS
MiniMax 正式發布 M3.1 Flash，即此前在 OpenRouter 匿名屠榜的 Space Bunny（玉兔）。Agents' Last Exam 得分 29.6%，位列國產模型第一；DeepSWE v1.1 拿到 73.7%，BankerToolBench 以 76.2 分與 Claude Opus 5 並列第一。
Latent SpaceAI 評分12
GPT-6.1 Sol 與 Sonnet 5.5 發布，重塑價效比前沿
OpenAI 發布 GPT-6.1 Sol，定價每百萬輸入/輸出 token 2/10 美元，遠低於 Astra 的 10/50 美元，官方稱其在 DeepSWE v1.1 上超 GPT-6 Sol 6.4 分。Sonnet 5.5 在 Agent Arena 首秀排名第 3 並在 Chat 類別登頂，Anthropic 模型包攬前三。Codex 用量於 10 月 2 日太平洋時間上午 10 點全球重置。
Hacker News front page● 精選AI 評分84
Inkling 2 Small 發布：594B MoE，下週開放權重
Inkling 2 發布第二代 MoE 模型 Inkling 2 Small：594B 總引數、17B 啟用，支援影像輸入與可變推理力度，智慧指數 31 分。模型先在 Tinker 以閉權重上線，可試用、微調與取樣；完成外部安全測試與紅隊後，計劃下週以 Apache 2.0 許可開放完整權重。官方稱其長時程自主任務與 agentic coding 明顯提升，DeepSWE v1.1 得 72.1%，僅次於 DeepSeek-V4.1-Flash-1017 的 77.0%。
量子位● 精選AI 評分92
Google 發布 Gemini 4 Argon，多榜單登頂但僅限安全團隊
Google 於 10 月 1 日突然發布 Gemini 4 Argon，在 DeepSWE v1.1 上以 77.9% 超過 Claude Opus 5.5 和 GPT-6 Astra，Vals Index 以 68.90% 登頂，Text Arena 以 1525 分居首。優惠期單題成本約低四成，每百萬輸入 Token 2 美元、輸出 Token 10 美元，支援百萬 Token 輸出。目前僅開放給經篩選的網路安全團隊，通過 Fairwind 計劃使用，其他訂閱使用者需等待。
Hacker News front pageAI 評分50
開源基準 Parsimony 按語法單元統計 AI 新增程式碼量
Parsimony 是一個開源基準，用來衡量 AI 模型在改程式碼時到底新增了多少程式碼。它複用 DeepSWE、SWE-bench Verified 與 SWE-bench Live 已公開的補丁，統計語句、呼叫、命名、字面量等「編碼單元」而非程式碼行數，並減去被刪除的程式碼，只算淨增量。GPT-6 與 Claude 5.5 尚無公開補丁，作者在自己的訂閱上跑了 3–10 個任務，結果以淺色圓圈顯示、不參與排名。作者也歡迎提交新模型的公開補丁匯出。