谷歌发布 Gemini 4 Argon：多项基准登顶，首批仅限审核团队
谷歌发布新一代旗舰模型 Gemini 4 Argon，在 DeepSWE v1.1（77.9%）、CWE-bench v1（68%）、Vals Index（68.90%）和 Text Arena（1525 分）等评测中领跑，但在 Code Arena 仅排第八。
推荐理由：汇总了 Gemini 4 Argon 的多项基准成绩、定价与首批开放范围，并附上内部员工对跑分与实际编程表现的争议。
#评测/基准
#评测/基准
今日 0 条BestBlogs.dev精选AI 评分8080
Hugging Face BlogAI 评分2222 DharmaOCR 在巴西葡萄牙语 OCR 基准上超越 Mistral OCR4 与 Unlimited-OCR
DharmaOCR 在葡萄牙语专用基准上取得 0.925 分，高于 Mistral OCR4 的 0.798 和 Unlimited-OCR 的 0.7587。该模型通过葡萄牙语监督微调加 DPO 两阶段训练，将全部参数集中于巴西葡萄牙语，从而在提取质量与稳定性上保持优势。
OpenAI NewsAI 评分3838 OpenAI 公布 AI 模型在 First Proof 数学挑战中的证明尝试
OpenAI 公开了其 AI 模型针对 First Proof 数学挑战的证明尝试，用于测试模型在专家级问题上的研究级推理能力。该挑战聚焦研究级数学推理，OpenAI 未披露具体模型名称与成绩。
Hugging Face BlogAI 评分4040 NVIDIA 用 NeMo Evaluator 开源 Nemotron 3 Nano 30B A3B 完整评测方案
NVIDIA 发布 Nemotron 3 Nano 30B A3B，并公开其完整评测配方，基于开源库 NeMo Evaluator 构建，任何人可重跑评测流程并独立核验结果。
Hugging Face BlogAI 评分4444 Kimina-Prover-72B 发布：基于 Qwen2.5-72B 的形式化推理模型，miniF2F 通过率达 92.2%
Numina 与 Kimi 团队发布定理证明模型 Kimina-Prover-72B，基于 Qwen2.5-72B 和 Kimi k1.5 的 RL 流程训练，在 miniF2F 基准上取得 92.2% 的 SOTA 通过率。