搜索
港科广新基准UI2App以600张静态截图评测模型推断并实现应用交互的能力，Gemini 3.1 Pro Preview以73.2分获视觉还原第一，但Claude Sonnet 4.6以36.8分居交互推断首位，跨页面状态仍是参评模型共同难点。
近期，六角未来沿着 Physical Coding 的思路，进一步构建了 HexaShell-Preview。根据官方评测结果，在 RoboDojo 全部 42 项任务上，HexaShell-Preview 取得了 46.9% 的成功率、53.2 的进度得分，成功率高出第二名 7.5 个百分点，领跑 RoboDojo-Agent 榜单。
自Hy4 Preview发布以来，它最受人关注的地方就是全链路RSI，这也是腾讯混元首个自己全程参与研发的模型。通过全链路RSI能给模型带来大幅性能提升。
在能力、成本、稳定性之间寻找最优解。
最近几部AI短片神作，刷爆全网。
2026 年 10 月 15 日，阶跃星辰正式开源新一代旗舰模型 Step 5 Preview，在 AI 编程、软件工程、专业知识工作、金融等任务上达到前沿水平。
阶跃星辰新出的 Step 5 Preview，我前前后后测了一圈
腾讯AI负责人姚顺雨带领腾讯混元Hy4 Preview在Arena Alignment Index中以78.5分位列全球第5、中国第1，越权率为1.47%，虚假完成率为13.24%。
谷歌正在内部测试Gemini 4新版本Carbon，员工称其编程体验接近Opus 5.5，同时Argon、Barium及疑似gemini-4-flash-preview的模型线索曝光。
AI 视频生成正在进入新的竞争阶段。