第三方评估机构 METR 的新报告披露，Anthropic 三个内部模型 Model 2、Model 3、Model 4 分别在今年 7 月、8-9 月、9-10 月完成训练，其中 Model 4 在 Anthropic 综合能力指数 AECI 上达到 178.6，比 Opus5.5 高出约 3.9 分，按过往提升速度约相当于 3 个月的进步。
推荐理由：METR 报告披露 Anthropic 三个内部模型的训练时间与 AECI 得分，可对照其公开模型与研发提速幅度。
Google 的 Gemini 4 Carbon 在 Artificial Analysis Intelligence Index v5 上以 59 分登顶，在 9 项评测中的 4 项排名第一，包括 HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 和 AutomationBench-AA。
推荐理由：Artificial Analysis 的评测显示 Gemini 4 Carbon 在 Intelligence Index v5 登顶，但编码智能体仍落后 Claude Opus 5.5，读者可据此比较两者的能力边界与成本。
OpenAI 发布研究报告，称增强 GPT-6 Astra 等模型构建和迁移 COBOL、Fortran、Visual Basic 等低资源编程语言的能力。在 MultiLangBench 的 20 种语言中，GPT-6 Astra 平均测试通过率达 87.4%，高于 GPT-5.6 Sol 的 26.8%，其中 COBOL 从 10.9% 升至 72.1%。
推荐理由：原文给出多语言基准与 COBOL 迁移的具体通过率和成本变化，可据此判断模型处理低资源语言的实际水平。
作者在 DeepSeek Harness 中实测 DeepSeek V4.1 Flash，用约 3752 万输入 Token、33 万输出 Token、35 分钟生成可运行的特斯拉飞行 3D 网页，成本约 4 元。
推荐理由：作者用多个实测案例对比 DeepSeek V4.1 Flash 与闭源模型的成本与效果，可据此判断低价开源模型在 3D 与编程任务上的实际可用性。