谷歌 Gemini 4 Carbon 首批实测曝光，手感直逼 Opus 5.5
谷歌未发布的 Gemini 4 Carbon 被曝进入合作伙伴测试，并在 LMArena 开启盲测，实测显示其 3D 生成能力突出，有测试者用它一次通关整关超级玛丽。测试者反馈它比 Argon 慢 2 到 4 倍但质量更高、写代码手感接近 Opus 5.5；SVG 与前端审美仍是短板。Argon 全面开放仅 8 天后 Carbon 即开测，布林将这一节奏归因于递归自我改进。
#评测/基准
36氪 · AIAI 评分5757 Startup FortuneAI 评分5353 Base Labs 发布 mammoth-1 与 elephant-1 决策模型评测
Startup Fortune 评测 Base Labs 在 Baseten 内发布的开源权重决策模型 mammoth-1（27B）与 elephant-1（9B），两者由 Qwen3.5 模型后训练而来，权重以 MIT 许可上架 Hugging Face，并通过 System One API 提供托管，2026 年 10 月 27 日前免费。
第一财经 · 正在AI 评分5353 DeepSeek 开源 DeepInfer 推理框架，AI 编写的 ForgeKernel 同周登顶两个算子评测榜
DeepSeek 近日全面开源推理框架 DeepInfer，继模型权重和 FlashMLA、DeepGEMM 等算子库后开放模型运行链路。
Gorden Sun (@Gorden_Sun)AI 评分4747 Vals AI 测试显示 DeepSeek V4.1 Flash 1017 在多步骤进攻性网络安全任务中击败 GPT 6 Sol
Vals AI 称，在其基于模拟企业网络构建的多步骤进攻性网络安全基准中，DeepSeek V4.1 Flash 1017 击败了 GPT 6 Sol。GPT 6 Sol 是通过 Daybreak 可信访问计划测试的，而获取 Daybreak 权限的账号需约 1000 块且无质保。
Elliot Chen (@ElliotChen)AI 评分2727 EverOS 最新跑分公布：LoCoMo 94.74% 等 SOTA 水准成绩，预告下月重磅更新
EverOS 公布最新跑分，达到 SOTA 水准：LoCoMo 94.74%、LongMemEval 94.00%、AMA 80.89%、BEAM-1M 69.42%、SWE-ContextBench 34.34%。作者同时预告下个月将有重磅更新，未披露更多细节。
Startup FortuneAI 评分5252 Nace.AI 发布 Drex v2.0 决策模型，只输出概率不生成文本
Nace.AI 于 10 月 6 日发布 Drex v2.0 决策模型，并在 10 月 12 日将 drex-latest 别名切至新版。
SecLink (@seclink)AI 评分2626 Paweł Huryn：DeepSeek harness 平均提升 DeepSeek V4.1 Flash 2-3 分但成本增加 80%
Paweł Huryn 测试发现，使用 Claude Code harness 使 DeepSeek V4.1 Flash 1017 的成绩平均提升 2-3 分，但由于子智能体和更多输出 token，成本增加 80%。新结果中，max 档 7 次平均为 39.1，high 档 5 次平均为 36.4。
Mistral AI精选AI 评分6262 Mistral 发布首个时序基础模型家族 Timestral，209M 参数登顶三大公开基准
Mistral 发布首个时序基础模型家族 Timestral，含 5M、28M、123M、209M 四种规格，最大 209M 模型在 GIFT-Eval、TIME 和 fev-bench 三大公开基准上排名第一，以约三分之二的参数量超过此前最优模型。
推荐理由：官方给出了四个参数规模在 GIFT-Eval、TIME 和 fev-bench 上的排名与 CPU 延迟数据，读者可以据此评估时序预测选型。