千问4官宣当天,Arena早在25天前就“剧透”了

源自25位全网作者

14:07

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

千问4官宣当天,Arena早在25天前就“剧透”了

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

千问4官宣当天,Arena早在25天前就“剧透”了

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

千问4官宣当天,Arena早在25天前就“剧透”了

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?

内容由AI生成

精选参考来源

1. Gemini 4 Oxygen现身盲测!

2. Kimi K3.1 疑似现身 LMArena:匿名代号 Kibitz、SGLang 单日六条加固 PR,月底有望官宣

3. 刚刚,Qwen4-Max正式发布!单任务费用砍掉58%,智能体盲测冲上国产第一

4. 谷歌引爆Gemini 4!Hydrogen百万上下文免费开放,Oxygen神秘偷跑现身,黄仁勋拟杀回英伟达CEO,硅谷彻底炸锅 | AI日报11.16

5. Arena 上惊现匿名模型 Kibitz 和 Kalmia,疑似 Kimi K3.1 和 Qwen 4.0 同时暗测!需要密切留意!

6. 突发 | 阿里发布 Qwen4-Max:MoE 架构+1M 上下文+原生视觉,更少 token 超越前代 | 加急快讯

7. Gemini 4 Krypton 已在Arena上灰测,直接把“鹈鹕骑车”玩出了6000年人类史诗级跨度!

8. Gemini 4 Hydrogen 的 5 倍和 3 倍,腿子翻完原文只敢信一半

9. Arena 文本榜 · 聊天榜还没有Fable 5.2

10. Kimi K3.1 Pro 这类万亿参数模型开源了,企业私有化部署有必要直接上吗?

11. 免费免绑卡,1分钟用上国产顶流的模型Kimi K3.1 Pro

12. 百万Token上下文!Kimi K3.1 Pro Highspeed现已正式可用

13. Gemini 4 Hydrogen 和 Claude Fable 5.2 同一周来了:日常写代码,我会先这样分活

14. 主打盲测模式的大模型竞技场Arena AI更新了总榜排名,最近两个月来,开源模型再次被甩开,其中排名最高的GLM-5.2,已经滑到了15名,得加把劲儿了呀。

0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章