Elorian 发布视觉推理模型 Glimpse，DecoyCount 基准测试前沿模型计数能力
Elorian 推出首个视觉推理模型 Glimpse，并在与 Mercor 合作的 DecoyCount 基准中内部测试得分 50.48%，成为唯一超过 50% 的模型。
#评测/基准
Latent SpaceAI 评分4949
The DecoderAI 评分7171 Mistral 发布 Mistral Large 4 权重，编码能力领先开源模型但整体仍落后中国模型
Mistral 在公开预览三周后，将 Mistral Large 4（代号 Le Chonk）的权重发布到 Hugging Face，该模型约 1 万亿参数、每步激活 520 亿，支持文本和图像输入。
Latent Space精选AI 评分8080 Gemini 4 Carbon 登顶多项榜单，首批仅向网络安全防御方开放
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，称其在网络安全与长周期任务上达到 SOTA，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一。
推荐理由：汇总了 Gemini 4 Carbon 在多个独立榜单上的位置与定价，并列出编码、幻觉和访问限制方面的反差。
The Decoder精选AI 评分8888 Google DeepMind 发布 Gemini 4 Carbon，距 Argon 仅两周
Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。
推荐理由：文章用多个第三方榜单和成本数据，呈现 Carbon 相对 Argon 的提升与在智能体编码上仍落后 Claude 的位置。
GitHub Blog · AI & MLAI 评分5858 GitHub 发布 AI 代码审查基准 ReviewBench
GitHub 发布开源代码审查基准 ReviewBench，基于 1.039 亿个 GitHub PR 的分布特征，构建了覆盖 19 种语言、来自 187 个开源仓库的 219 个 PR 评测集。