10月26日-11月1日大模型发布追踪：Gemini 4 Carbon 59 分登顶却先只开给防守方，GPT-6.1 Terra 把每任务成本压到 0.96 美元 (2026)

覆盖窗口是 2026 年 10 月 26 日至 11 月 1 日（UTC+08:00）。

这一周，评分的刻度换了。10 月 27 日，Artificial Analysis 上线 Intelligence Index v5，九项评测里两项新加、三项升级，60% 的权重压在私有测试集上。1

刻度一换，同一批模型的分数整体移动。上一期记下的 Kimi K3.1 Pro 是 55 分，这一期是 46 分。1

新的榜首出现在第二天。10 月 28 日，Google 发布 Gemini 4 Carbon，在 v5 上拿 59 分，排第一。2 但它本周只开放给一部分网络安全防守方。

能马上用的是另一家。10 月 26 日，OpenAI 发布 GPT-6.1 Terra，每百万 token 输入 1 美元、输出 5 美元。3

三天后，Mistral 把 1 万亿参数的 Mistral Large 4 权重放上 Hugging Face。4

三个词先交代清楚。「智力指数」是 Artificial Analysis 用九项评测加权算出的综合分。1

「每任务成本」是跑完这九项评测平均每次任务的花费，输入、缓存、推理与输出的价格都算在里面。5

「开放权重」指参数可以下载后自行部署。Kimi K3.1 Pro 在 v5 上是 46 分，权重还写着「11 月 4 日前发布」，所以它算开放权重阵营，这周还用不上。6

先看价格、状态和边界

模型与发布	发布与定位	关键变化	评测信号	价格与可用性	先测什么
Gemini 4 Carbon 2	10 月 28 日；Google 称其为最强模型，主打网络安全与长程任务	1M 上下文，文字、图像、视频与语音输入；本周先发给一部分网络安全防守方，再经 Fairwind 计划扩量	智力指数 v5 59 分，第一；SEC-bench Pro 88.2%、ExploitGym 54.8%、CWE-bench 71.0%；AA 编码智能体指数 59，比 Opus 5.5 的 62 低三分 5	引入价每百万 token 输入 $2、输出 $10，之后转 $4/$20，缓存输入按输入价 5% 计；开发者与消费者尚未开放	把自家漏洞发现与修补的流程拿出来测：它的差异在安全三项
GPT-6.1 Terra 3	10 月 26 日；Terra 档最新一版，定位是便宜、快、能操作电脑	1M 上下文，文字与图像输入；Terminal-Bench 4.0 在最高推理档到 50.3%，官方称速度是 Astra 与 Sol 的三倍以上	智力指数 v5 51 分，每任务 $0.96，是前十名里最便宜；编码智能体指数 48，低于 Sol 的 54 7	每百万 token 输入 $1、缓存输入 $0.05、输出 $5；ChatGPT Work 与 Codex 全付费档上线，API 模型名 `gpt-6.1-terra` 8	先把高频、结构化的电脑操作与表单录入迁过来，复杂编程留给 Sol 与 Astra
Mistral Large 4 4	10 月 29 日；Mistral 的万亿参数旗舰，权重当天放出	1 万亿总参、520 亿激活，原生多模态；三档推理强度；权重在 Hugging Face，许可是改过的 MIT，做模型即服务的厂商需另签商业许可	官方称 FrontierCode 2.0 得 19.7%，开放权重里第一；Terminal-Bench 4.0 41%；AA 编码智能体指数 48%，与 GLM-5.3 持平；AA 智力指数 26 分 9	每百万 token 输入 $0.70、缓存 $0.07、输出 $2.10；API、OpenRouter 与自建三条路	想私有部署或数据出境受限，先按 1T-A52B 算显存与吞吐

注：价格按原币列示。表格「评测信号」一列把厂商自报与第三方独立数据分开写；AA 的每任务成本按九项评测加权，厂商的单项成本按单个基准算，两者是两套口径。

Google：Carbon 59 分登顶，先只开给防守方

Carbon 是 Google 的第二个前沿模型，距 Gemini 4 Argon 发布两周。2

它在 v5 上拿 59 分，九项评测里在四项排第一：HLE-Diamond、Terminal-Bench-Science、AA-Omniscience 与 AutomationBench-AA。5

官方把重点放在网络安全与长程任务。SEC-bench Pro 88.2% 是找漏洞，ExploitGym 54.8% 是验证漏洞能不能被利用，CWE-bench 71.0% 是打补丁。2

编程是 Google 过去偏弱的一项，这次补上了。AA 用 Antigravity CLI 测到编码智能体指数 59，排第二，Terminal-Bench 4.0 拿到 64%。5

知识工作类仍落在后面。AA-Briefcase 是 1609 Elo，比 Argon 高 126 分，但低于 Kimi K3.1 Pro 的 1678、Muse Wonder 的 1659 与 Grok 4.7 的 1638。5

幻觉这项表现突出。AA-Omniscience v1.1 得 54 分，答对率 58%，幻觉率从 Argon 的 4% 升到 11%，仍是全模型第二低；Opus 5.5 与 GPT-6 Astra 都是 50%。5

成本在高端里算省。按标准价每任务 $7.76，比 Opus 5.5 最高档的 $10.04 低约 23%，比 GPT-6 Astra 的 $6.25 略贵；每任务输出 12.3 万 token，比 Opus 5.5 少 29%。5

真正拦住人的是开放节奏。本周起只发给一部分网络安全防守方，之后再经 Fairwind 计划扩大，开发者、企业与消费者要等官方说的「尽快」。2

价格分两段。引入期每百万 token 输入 $2、输出 $10，缓存输入按输入价的 5% 计；引入期结束后转 $4/$20。2

AA 说 Google 给的是五折启动优惠，没有公布截止日期，因此它所有图表一律按 $4/$20 的标准价计算。5

Google 官方 Gemini 4 Carbon 评测表 — Carbon 那一列加粗，右侧四列是 Gemini 4 Argon、GPT-6 Astra、Claude Opus 5.5 与 Claude Fable 5.1 的对照。表里 AA Index v5.0 一行是 59、50、57、58、49；表下的方法页是 deepmind.google/models/evals-methodology/gemini-4-carbon。2

OpenAI：Terra 把每任务成本打到 0.96 美元

Terra 是 GPT-5.6 Terra 之后的第一款 Terra 档模型，定位写得很直白：快、便宜、能操作电脑。10

价格砍到上一代的一半以下。每百万 token 输入 $1、输出 $5，上一代是 $2/$12；缓存输入 $0.05、缓存写入 $1.25，分别是上一代的四分之一和二分之一。10

跑完整套评测的平均成本是 $0.96，是 AA 榜单前十名里最便宜的一个。1

能力提升集中在智能体与电脑操作。Agents' Last Exam 在中等推理档比 GPT-5.6 Terra 高 15 个百分点，成本约为三分之一；Terminal-Bench 4.0 在最高档解出 50.3%，是上一代 21.5% 的两倍多。3

OpenAI 还称它在同等任务上与 GPT-6 Astra 打平，每 token 价格是后者的十分之一，完成任务速度是三倍以上。3

事实性错误降得比能力快。OpenAI 内部那套诱导出错的测试里，低推理档的错误率从 53.6% 降到 16.7%，最高档降到 4.3%。3

AA 用自己的知识基准测到，幻觉率从 88% 降到 38%，同时答对率涨了两分。10

综合分数上它离顶上还有距离。v5 给 51 分，比 GPT-6.1 Sol 的 55 低四分，比 Gemini 4 Argon 的 50 高一分；编码智能体指数 48，比 Sol 的 54 低六分。5

可用性是本周最宽的一个。ChatGPT 的 Plus、Pro、Enterprise、Edu 四档当天就能在 Work 与 Codex 里用，开发者从 API 调用，模型名 gpt-6.1-terra。3

Artificial Analysis 的智力指数与编码智能体指数两榜 — Artificial Analysis 在 v5 上同时排了智力指数与编码智能体指数：Carbon 59 分与 59 分（Antigravity CLI），Terra 51 分与 48 分，Opus 5.5 58 分与 62 分（Claude Code）。紫色箭头标的是 Carbon 的位置。5

Mistral：1 万亿参数，权重放出来了

Mistral Large 4 在 10 月初以预览版上线，这次是带权重的正式版本。4

规模是 1 万亿总参、520 亿激活，原生多模态，从零开始在欧洲的算力上训练。11

权重放在 Hugging Face，许可是改过的 MIT：可以免费使用、修改、微调与商用，只有做模型即服务的厂商需要另签商业许可。4

官方主打的也是编程与安全，两个方向都给了数字。4 Cognition 的私有基准 FrontierCode 2.0 上得 19.7%，官方称这是开放权重第一；Terminal-Bench 4.0 从预览版提升 13 个百分点到 41%，输出 token 少用 30%。4

AA 的编码智能体指数上它得 48%，与 GLM-5.3 持平，平均每任务少用 47% 的 token。4

综合智力是它的短板。AA 在 v5 上给 26 分，排在榜单后段。9

安全侧的数字是差异点。AA 的网络安全指数 51 分；官方强调它在合法的防守任务上很少拒答，对恶意请求的平均拒绝率是 96.6%。4

价格压得比同规模模型低。每百万 token 输入 $0.70、缓存输入 $0.07、输出 $2.10，API、OpenRouter 与自建三条路都能走；自建给了 vLLM 与 SGLang 的适配。4

本期其他条目

OpenAI：GPT-6 Rosalind 只给通过审核的机构

10 月 30 日，OpenAI 上线 GPT-6 Rosalind，主攻生物推理与科研工具调用。12 10 月中旬公布的是面向学术机构的 Rosalind 学术计划，这次上线的是模型本身。

访问权限只发给通过 Rosalind Research 审核的机构，用途限于内部研究。12

价格是每百万 token 输入 $15、输出 $75，缓存输入 $1.50，高于 GPT-6 Astra 的 $10/$50；面向研究机构的 gpt-rosalind-research 与 gpt-rosalind-discovery 是 $5/$25。8

Google：Genie 4 世界模型进入研究预览

10 月 27 日，DeepMind 发布 Genie 4，第一次在实时世界模型里原生生成音频，环境声、音乐与人声对话都随画面一起出现。13

它先开放研究预览名额，之后才轮到消费者与开发者，顺序是先 Google AI Ultra 订阅者的 Project Genie，再到 Gemini API 与 AI Studio 的早期伙伴。13

第三方：智力指数换代，开放权重差距拉到 12 分

v5 换掉了三项基准。HLE-Diamond 取代原来的 Humanity's Last Exam，CritPt v2 换成 40 题的私有硬子集，AA-Omniscience 升到 v1.1。1

换代之后，开放权重与前沿的差距从 3 分变成 12 分。已放出权重的模型里最高的是 DeepSeek V4.1 Flash 1017 与 GLM-5.3，都是 32 分，低于 Claude Haiku 5.5 的 36 分。1

第三方：GitHub Copilot 把两家模型串起来调度

10 月 28 日上线的 Copilot Fusion 在 Claude 与 OpenAI 的模型之间做调度。14

AA 测到它在 Claude Code 里比 Opus 5.5 低 2 分，每任务成本约为后者的一半。14

Anthropic：递交上市申请

10 月 26 日，Anthropic 向美国证监会递交 S-1，启动首次公开募股的程序。15

本周它没有新模型。10 月 27 日与 28 日的三条消息分别是政府合作、药物研发进展与 AI for Science 计划扩围。15

本期未纳入条目与覆盖说明

本期严格执行 2026 年 10 月 26 日至 11 月 1 日的时间窗核验，各厂商筛查结果如下。

OpenAI：模型级发布是 10 月 26 日的 GPT-6.1 Terra 与 10 月 30 日的 GPT-6 Rosalind，都已写入。API 变更日志另有一条 10 月 28 日的订阅者额度调整。12
Google：10 月 27 日 Genie 4 研究预览、10 月 28 日 Gemini 4 Carbon，两个都写了。13
Anthropic：窗口内没有新模型。15
Meta：研究博客 10 月 28 日一篇讲美国高校使用 Muse 模型，没有新模型。16
xAI：发布说明最新一条是 10 月 27 日的自定义审核规则，没有新模型；Grok 4.7 仍是 9 月 21 日那一版。17
Mistral：10 月 29 日的权重发布已写入正文；10 月 22 日的 Voxtral 3 属上一期窗口。4
DeepSeek：官方更新日志最新一条仍是 10 月 17 日的 V4.1-Flash-1017。18
智谱：官方发布记录最新一条仍是 8 月 26 日的 GLM-5.3-Flash。19
月之暗面：Kimi K3.1 Pro 的权重仍写着「11 月 4 日前发布」，窗口内没有新模型上线。6
MiniMax：官方博客最新一条仍是 10 月 19 日的 M3.1 Flash，窗口内没有新的模型名。20
通义千问：官方仓库在窗口内有更新，都是 qwen-code 与多模态插件这类工具项，没有新的模型仓库。21
Artificial Analysis 收录：窗口内新收录的是 GPT-6.1 Terra、Gemini 4 Carbon 与 Mistral Large 4 的权重版本。9

本周国内厂商没有可核验的模型级发布，三条主条目全部来自海外。上一期是两家国内厂商同时上新，两期刚好相反。

面向技术选型的三项行动建议

先把基线重设，再比分数。 v5 换了三项评测，上一轮记下的分数不能直接比：Kimi K3.1 Pro 从 55 变成 46，Opus 5.5 仍是 58。1 内部评测集里如果引用了外部榜单的阈值，按新口径重跑一遍。
Carbon 拿不到，就先用 Argon 顶上。 两个模型同一套标准价 $4/$20，v5 上差 9 分（59 对 50），而 Argon 的幻觉率只有 4%，比 Carbon 的 11% 低。5 值得等 Carbon 的是漏洞发现与修补这类任务。2
Terra 先迁高频任务，Mistral 的权重先做自建评估。 Terra 每任务 $0.96，把表单、发票、截图操作这类跑量大的活先换过去，复杂编程留给 Sol 与 Astra。7 有私有部署要求的，按 1T-A52B 试 Mistral Large 4：它的短板在通用知识（26 分），编码侧的数字更扎实。4

References

1
Artificial Analysis：宣布 Intelligence Index v5
artificialanalysis.ai
2
Google：Gemini 4 Carbon 发布
blog.google
3
OpenAI：推出 GPT-6.1 Terra
openai.com
4
Mistral：Mistral Large 4 权重开放
mistral.ai
5
Artificial Analysis：Gemini 4 Carbon 登上 v5 第一
artificialanalysis.ai
6
月之暗面：Kimi K3.1 Pro 文档
platform.kimi.com
7
Artificial Analysis：GPT-6.1 Terra 模型页
artificialanalysis.ai
8
OpenAI：API 价格页
developers.openai.com
9
Artificial Analysis：模型发布列表
artificialanalysis.ai
10
Artificial Analysis：GPT-6.1 Terra 推低成本前沿
artificialanalysis.ai
11
Hugging Face：Mistral-Large-4-1T-A52B
huggingface.co
12
OpenAI：API 变更日志
developers.openai.com
13
Google DeepMind：Genie 4 世界模拟
deepmind.google
14
Artificial Analysis：GitHub Copilot Fusion
artificialanalysis.ai
15
Anthropic 新闻页
anthropic.com
16
Meta AI 研究博客
research.meta.ai
17
xAI：发布说明
docs.x.ai
18
DeepSeek：更新日志
api-docs.deepseek.com
19
智谱：模型与产品发布记录
docs.bigmodel.cn
20
MiniMax：研究博客
minimax.io
21
Qwen 官方仓库
github.com