11月16日上午10点刚过,阿里把Qwen4-Max直接官宣了:2.4万亿参数、全新MoE架构、百万上下文、原生视觉。知乎知乎
官方口径里,单任务的平均花销从26.58元降到11.16元,直接砍掉58%。但一直盯着Arena的玩家会更早知道:25天前,这款模型就在Arena盲测里"裸奔"过了。知乎

10月22日凌晨,Arena的匿名路由里突然冒出两个匿名模型Kibitz和Kalmia,圈子里普遍的猜测:一个是Kimi K3.1的匿名代号,另一个指向还没发布的Qwen4。消息很快传开,旁证也一条条落地:SGLang仓库出现部署适配提交、第三方托管平台跑起部署、API端点露出响应记录。小红书知乎
11月5日,月之暗面开放了K3.1 Pro的2.8万亿参数权重。几天后,英伟达NIM和亚马逊Bedrock先后上架。而"Kalmia"背后那个版本,也等到了今天上午落地的正式版。知乎知乎知乎
这就是当下正在发生的事:Arena成了大模型行业的"提前发布会"。
这个月的代号名单,几乎是一份科技股观察名单:GPT-6 Astra在Arena的WebDev榜以1775分站稳第2。Anthropic上周甩出了Claude Fable 5.2。谷歌两周内把Gemini 4的Hydrogen、Carbon、Argon排成一列元素周期表,而11月16日凌晨,评测账号Lumina又在匿名路由里逮到疑似"下一个闪电模型"的Gemini 4 Oxygen。11月14日,还有博主说代号Krypton已经在Arena灰测。结果16日的AI日报直接纠正:是Oxygen,不是Krypton。在Arena猜代号,猜错也是日常。知乎知乎小红书哔哩哔哩知乎

为什么总被剧透?因为新模型官宣前必须先走一遍真实服务链路:匿名盲测是最省事的验证方式,放进来让全球用户投票,而对接的PR、端点、托管平台会一路留下痕迹。社区也因此磨出了自己的推理方法:tokenizer风格指纹、参数规模旁证、发布节奏。历史甚至有先例——当年Kimi K2就是顶着"Kibitz"这个匿名代号参赛,拿下Hard Prompts第一,是第一个挤进总榜top5的开源权重模型。同一个名字,10月又出现了第二次。知乎
Arena榜单也在今早同步刷新了Qwen4-Max:WebDev榜1750分,全球第6、国产第1,初步自动评测口径。知乎
而在1.47万条真实用户会话的Agent Arena上,它从上代第39名飙到全球第14、国产第1。知乎

但冲进去"吃剧透"之前,三个提醒必须放在前面:
现身≠稳定可用。匿名阶段投票量小,"国产第1"只在特定榜单成立,官方跑分同样要等样本沉淀。
新模型进Arena文本总榜有滞后。Fable 5.2的综合跑分已经登顶,Arena官方聊天榜上目前还没有它。所以看分数之前先看票数——那张WebDev快照有92.1万票、150个模型,票够多才压得住结论。小红书知乎
别拿代号表现做迁移决定。Hydrogen官方"编程翻三倍、编造少五倍"的说法,很快被第三方翻完原文扒出:每个数字只在很窄的口径里成立。知乎
想第一时间吃到剧透,方法其实不复杂:去arena.ai匿名对战,盯三件事——票数多少、代号出现多久、旁证密度高不高。等正式官宣和多个第三方榜单对上了,再决定要不要迁移,不亏。
下一个突然冒出来的匿名代号,你猜是谁家的?