Gemini 4 Argon 是 Google 首个在 LMArena 文本榜 Elo 突破 1500 大关的模型，当前以 1525±9 Elo 位居全球第一。DeepSWE v1.1 得分 77.9%（超越 GPT-6 Astra 73% 和 Claude Opus 5.5 70.4%），FrontierSWE v2 以 55.0% 紧随 GPT-6 Astra（65.5%）。100 万 token 上下文，多模态原生支持视频理解与音频。Google 强调 Argon 为"安全强化版"，在 CWE-bench v1 上达到 68% 安全红线表现。
来源：Google DeepMind BlogKolibri-1 是欧洲主权 AI 计划的关键一步，78.1B 总参数 / 3.46B 激活（MoE 架构），原生支持 100 万 token 上下文窗口。AIME 2025 得分 96.9%（历史最高级别之一），HumanEval+ 达 92.7%，HLE Math 基准也大幅刷新。全部权重以 Apache 2.0 开源，可在自有基础设施部署，配套提供 10 亿美元训练数据集和 120 亿 token 指令微调数据集。这是欧洲首个在数学推理上可与顶尖闭源模型竞争的原生开源权重模型。
来源：Hugging Face · Aleph Alpha BlogKandinsky 6.0 Video 是俄系 AI 团队 Kandinsky Lab 的最新视频生成模型，以 MIT 许可完全开源。提供 Pro（29B）和 Lite（3B）两个版本，支持 Full HD 分辨率视频生成，且具备同步音频生成能力（视频+音频无缝同步）。采用扩散 Transformer 架构，是当前开源视频生成模型中规格最高的之一，标志着俄罗斯在开源生成模型领域的重大进展。
来源：Hugging Face2026-10-06 发布，提供 Pro 29B 和 Lite 3B 两个版本。Diffusion Transformer 架构，支持 Full HD 视频生成与同步音频。开源地址：Kandinsky-Lab/Kandinsky-6.0-Video。
2026-10-03 发布，欧洲主权 AI 计划核心模型。配套 10 亿美元训练数据集 + 120 亿 token 指令微调数据集。所有权重以 Apache 2.0 开放。
2026-10-06 首发预览版（API 可用），1.05T MoE 参数，DeepSWE v1.1 得分 61.7%，在 AI Cyber Index 上击败 GPT-6、Claude Opus 5.5 等旗舰模型。开源权重预计 10 月底发布。
2026-09-30 发布，LMArena 文本榜 Elo 1525 登顶，DeepSWE v1.1 刷新所有模型记录。目前仅通过 Google AI Studio 提供 API 接入，未开源。
2026-10-01 发布，轻量级 2B 决策模型，用于 Agent 任务路由与规划判断，替代传统"让大模型生成所有输出"的策略，降低延迟与成本。
2026-10-01 发布，Perplexity 推出的 27B 视觉语言决策模型，用于复杂推理任务的路由与决策，开源协议为 Apache 2.0。
2026-10-01 发布，AutoTrust 公司的 JEV 决策模型系列，提供 9B 和 27B 两个尺寸，面向多领域任务的路由与决策场景。
2026-09-30 发布，Salesforce Research 的多模态大模型，面向视觉理解与生成任务，以 CC-BY-NC-4.0 开源。
提出按需多模态记忆策展框架，动态管理 LLM Agent 的长期记忆存储与检索，解决多模态 Agent 在长程任务中的记忆过载与遗忘问题。
arXiv:2610.06830 →提出自进化 Agent 框架，在医学开放域推理场景中通过自我反思与知识更新持续改进，已获 NIPS 2026 录用。
arXiv:2610.08327 →在测试时动态进化 Agent 策略，针对长程法律推理任务实现逐步自我改进，无需重新训练即可提升推理性能。
arXiv:2610.08138 →探索 Agent 在极简搜索脚手架下自主完成科学发现的能力，减少对预设搜索空间的依赖，拓展 Agent 的探索边界。
arXiv:2610.05334 →借鉴双系统理论（System One/Two），将计算资源在 Multi-Agent 协作中进行分层调度，以 Token 效率最大化为目标实现任务分工。
arXiv:2610.08155 →研究多 Agent 辩论机制中提案供给与验证感知读取的作用，分析辩论何时能提升推理性能及边界条件。
arXiv:2610.04686 →面向具身 Agent 的引导式自我改进框架，通过重建→练习→真实环境三步循环持续提升机器人操作能力。
arXiv →提出原生工具集成架构，使多模态模型能够直接在多轮视听推理中使用外部工具，突破单模态独立处理的瓶颈。
arXiv:2610.02181 →系统综述 RAG 技术的最新进展，从基础检索增强到推理增强的完整技术栈，涵盖多模态 RAG、Agent 化 RAG 等前沿方向。
arXiv →Google DeepMind 发布 Gemini 4 Argon 详细技术报告，公开 DeepSWE、AutomationBench、LVBench 等基准测试数据，展示 1M 上下文下多模态推理能力的突破。
Google DeepMind Blog →Google 在发布 Gemini 4 Argon 时同步公布安全评估结果，CWE-bench v1 红线测试达 68%，强调该模型经过安全强化训练，可在保护隐私的同时维持顶级推理能力。
Google DeepMind Blog →数据来源：LMArena（原 LMSYS Chatbot Arena）· 2026-10-06 更新 · FrontierSWE v2 基准
| # | 模型 | 机构 | Elo | DeepSWE v1.1 | 备注 |
|---|---|---|---|---|---|
| 1 | Gemini 4 Argon (NEW) | Google DeepMind | 1525 | 77.9% | 登顶 LMArena 文本榜 #1 · DeepSWE 刷新纪录 |
| 2 | Claude Opus 5.5 | Anthropic | 1504 | 70.4% | 原 #1 退居第二 |
| 3 | GPT-6 Astra | OpenAI | — | 73.0% | DeepSWE 第二 |
| 4 | Mistral Large 4 (预览) | Mistral AI | — | 61.7% | 10/6 预览版 · 开源预计 10 月底 |
| 5 | GPT-5.6 Sol | OpenAI | — | — | 通用前沿推理 |