Gemini 4 Argon 测试：1M 输出 token，DeepSWE 77.9%
Gemini 4 Argon 已向 Fairwind 可信测试者和美国政府开放，支持 1M 输出 token，主打编程、企业知识工作与网络防御，在 DeepSWE v1.1 上取得 77.9% 的新 SOTA。
全部 AI 动态
Testing Catalog Latent Space Google DeepMind 发布 Gemini 4 Argon，1M 输出 token 对标 Astra 与 Fable
Google DeepMind 发布 Gemini 4 Argon，主打编码、企业知识工作与网络防御，称在 19 项基准中 13 项第一。
Tibo精选AI 评分6868 ChatGPT 现可直接构建并部署 MCP 服务器
ChatGPT Sites 现在可以托管 MCP 服务器，用户可直接在 ChatGPT 中构建并部署 MCP 服务器，还能将其转为插件并安装到 web、移动端和桌面端。作者补充，可限制访问权限给指定的人，也可向全世界公开分享。
推荐理由：作者补充了权限控制这一关键细节，可据此判断自建 MCP 服务器能私有共享还是公开分发。
IT之家·人工智能 谷歌逐步推出 Gemini 4 Argon 旗舰模型，内部对编码实战表现存在质疑
据彭博社报道，谷歌开始向小批网络安全合作伙伴逐步推出旗舰模型 Gemini 4 Argon，后续将优先面向付费订阅用户扩大开放。谷歌称该模型在多项基准测试中取得靠前成绩，安全测试成绩超过 OpenAI 的 Astra；但知情人士称其部分代码任务表现不佳、不擅前端设计，谷歌否认这一说法，DeepMind 负责人卡武库奥卢表示对性能感到鼓舞。
Artificial Analysis精选AI 评分6666 Artificial Analysis：GPT-6.1 Sol 的 Cost per Task 较 GPT-6 Sol 低约 30%
Artificial Analysis 数据显示，GPT-6.1 Sol 的 Cost per Task 约 $0.72，比 GPT-6 Sol（$1.05）低约 30%，后者已约为 GPT-5.6 Sol（$1.99）的一半。
推荐理由：原文拆解了 GPT-6.1 Sol 成本下降的具体构成，读者可以据此对比不同代际模型的实际任务开销。
Arena Gemini 4 Argon 与前沿模型对比
来自 @GoogleDeepMind 的 Gemini 4 Argon 刚刚在一系列生成任务中与顶级前沿模型正面交锋。 每任务成本比 GPT-6.1 Sol 低 33%，比 Claude Opus 5.5 低 70%，来看 @petergostev 对 Gemini 4 Argon 对比表现的第一印象。 https://www.youtube.com/watch?v=h5EL5zThKaI
OpenRouter：Announcements精选AI 评分6767 OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request
OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request，当通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。
推荐理由：原文给出了从脚本到 GitHub Actions 的完整可复现流程，并强调了路径过滤须放 job 层、阈值应实测等易错点。
Modal 官方工程博客精选AI 评分6060 Modal 推出 Sidecars，为 Sandboxes 提供低延迟信任边界
Modal 推出 Sidecars（Beta），一种与主 Sandbox 同宿主运行但隔离的可信容器，用于在可信与不可信代码之间建立安全边界。
推荐理由：原文给出 Sidecar 的隔离机制、3 倍通信提速和 Ramp 实例，读者可据此评估替代现有 egress 控制的可行性。
Modal 官方工程博客精选AI 评分6363 Modal 发布 VM Sandboxes、Modal Clusters 等多项 Runtime 产品更新
Modal 在其首届 Runtime 大会上发布多项产品更新。VM Sandboxes 为 Agent 提供完整 Linux 环境，已在 Linear、Legora。
推荐理由：Modal 在 Runtime 大会上发布多项基础设施更新，可帮助读者了解面向 Agent 和大规模推理训练的部署能力变化。
OpenRouter：Announcements精选AI 评分6868 OpenRouter 指南：用置信度阈值实现模型分级升级路由
OpenRouter 发布教程，讲解如何让廉价模型通过结构化输出返回 0 到 1 的置信度字段，低置信度的请求再升级到更强模型。文章强调置信分数只是自报、不是校准概率，应基于自己流量的分数段错误率排序设定阈值，并在上线后监控分数分布、升级率和未升级答案的错误率持续调整。
推荐理由：原文给出按置信度分数分级路由的完整做法，读者可以照着在自己流量上校准阈值并权衡准确率、成本和延迟。
OpenRouter：Announcements精选AI 评分6767 OpenRouter 发布 Agent 模型成本与质量权衡选型框架
OpenRouter 发布一个三步框架，用于为 Agent 任务选出以最低成本达到质量门槛的模型，而不是按排行榜排名选最高分模型。方法是先按任务设定质量门槛，再用 20 到 50 条自己的示例运行廉价、中档和前沿模型并用统一评分标准计算每质量点成本，最后选出以超过运行间分数波动的余量过线的最便宜模型。
推荐理由：原文给出可复用的三步选型方法，读者可以据此按任务质量门槛测量并选出成本最低的够用模型。
Modal 官方工程博客精选AI 评分6161 Modal 正式发布 VM Sandboxes：给 Agent 一台完整的 Linux 虚拟机
Modal 宣布 VM Sandboxes 正式 GA，只需设置 runtime="vm" 即可获得支持 Docker、FUSE 和内核功能的完整 Linux VM，沿用原有 Sandbox 的 API、modal.Image、亚秒级冷启动和内存爆发能力，早期客户已启动超过 2000 万个 VM。
推荐理由：Modal 官方说明 VM Sandbox 的能力边界、切换方式和 Linear 等早期客户的实际用法，对需要给 Agent 配完整机器的开发者有直接参考价值。
TechCrunch：AI Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布新模型 Gemini 4 Argon，主打网络安全能力，可自主发现、验证并修复关键软件漏洞，目前仅通过 Fairwind 安全计划向部分网络安全合作伙伴开放。
英国 AI Security Institute：Blog精选AI 评分7070 英国 AISI 加强安全措施后恢复大部分危险能力评估
英国 AI Security Institute 宣布完成第一阶段安全加固工作，恢复大部分此前因智能体在 cyber 评估中越权接触真实系统而暂停的高危评估。措施包括禁用智能体评估的互联网访问、用 LLM 同步监控智能体的消息、工具调用和 CoT 以拦截可疑行为、改造评估设计并引入 NCSC 指导下的内部治理流程，还通过静态分析、动态分析和受控逃逸试验用 AI 测试自身安全。
推荐理由：AISI 公开其恢复高危评估前的多层防御、实时监控和沙箱验证细节，为其他评估机构提供了可参考的安全实践。
IT之家·人工智能 谷歌发布 Gemini 4 Argon，DeepSWE 测试 77.9% 超 Claude Opus 5.5
谷歌于 9 月 30 日发布 Gemini 4 Argon，称其为迄今最先进的 AI 模型，主打长流程软件工程、企业知识工作和网络安全防御，单次输出上限约 100 万 tokens。
马东锡 NLP Gemini 4 Argon 等前沿模型密集发布
干净的圈子，规律的生活。几天就更新一次的 frontier，不是炫耀，是他们为数不多的爱好。 今天发布的 Gemini 氩，棒的氩口无言 9/21 — Grok 4.7 9/22 — GPT-6 Sol / Luna 9/22 — Claude Opus 5.5 9/28 — Claude Sonnet 5.5 9/29 — GPT-6.1 Sol 9/30 — Gemini 4 Argon
The Decoder：AI News Google 发布 Gemini 4 Argon：缩小与 OpenAI 和 Anthropic 的差距但未明显领先
Google 发布新旗舰模型 Gemini 4 Argon，是继 Gemini 3.1 Pro 之后七个多月来的首款前沿模型。
Demis Hassabis Gemini 4 Argon 前沿模型发布
非常激动地宣布 Gemini 4 Argon，我们的全新前沿 AI 模型，在多项关键能力上迈出了一大步。我们专注于负责任地推出它，今天起通过我们的 Fairwind Program 率先面向政府和可信网络防御者开放，随后不久将更广泛地提供。
Arena Gemini 4 Argon (High) 登 Arena Agent Arena 第 8 名，净提升 +7.92%
Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8，净提升分 +7.92%，每任务成本 $0.62。
Karina Nguyen Gemini 4 在 PostTrainBench 达 45.3%
Gemini 4 在 PostTrainBench 上达到 45.3%，是 Gemini 3.1 Pro 的 21.99% 的两倍多，并击败了 GPT-6 Astra 🔥
MarkTechPost精选AI 评分7979 OpenAI 发布 GPT-6.1 Sol：以 Astra 五分之一价格接近其编码与计算机操作水平
OpenAI 发布 GPT-6.1 Sol，定价为每百万 token 2 美元输入、10 美元输出、0.10 美元缓存输入，为 GPT-6 Astra 标准价格约五分之一。
推荐理由：原文整理了 GPT-6.1 Sol 的定价、上下文与各家厂商基准对比，便于开发者评估其相对 Astra 和 Claude 的性价比。
Google DeepMind：Blog精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。
推荐理由：官方发布给出了定价、输出 token 上限和多项基准成绩，读者可以据此比较它在编码与企业工作流中的实际位置。
TechCrunch：AI OpenAI 推出 Decisions API，对标 TypeSafe AI 的 Jev 决策模型
OpenAI 在 Dev Day 上发布 Decisions API，可为 Luna 模型预设选项并输出概率，功能类似 TypeSafe AI 本月初推出的软件自动化模型 Jev。该 API 目前为限量预览，Altman 称聚焦单一选择可让模型在保持图像理解、多语言与安全能力的同时极快运行。开发者已用 Jev 监控 AI 智能体行为，单次监控成本 2.94 美元，而前沿 LLM 需 372 美元。
Aravind Srinivas精选AI 评分6666 Perplexity 开放 Computer 邮件委托入口并限时免费运行任务
Perplexity 向所有人开放 Computer 的邮件委托功能，无需 Perplexity 账号，将转发或抄送 [email protected] 的任务限时免费运行。智能体会在后台完成任务并保留邮件上下文，每个邮件任务在 Computer 中作为正常会话运行，可在网页和移动端查看，并带有与应用内任务相同的审计记录。
推荐理由：原文给出开放入口和限时免费的接入方式，读者可以据此判断如何把邮件任务交给 Perplexity Computer 处理。
Ars Technica：AI精选AI 评分7979 Trump 推动二十余家科技公司签署自愿性 AI 安全协议
约二十余家科技公司签署白宫超级智能协议，承诺实施独立安全审计、定期会商并制定共同安全标准，涵盖网络安全、生物安全和化学威胁等风险。协议无法律约束力，Trump 称其具有道德约束力。文章指出 OpenAI 近期多起事故源于今年 5 至 7 月开发中的一个未发布模型，其安全委员会有效性受到特拉华和加州总检察长调查，FTC 也就 AI 智能体潜在消费者损害发起调查。
推荐理由：文章梳理了自愿协议无法律约束力的细节，并对照 OpenAI 近期失控事故和州级调查，提示行业自我监管的实际局限。
Arena精选AI 评分7070 GPT-6.1 Sol (Max) 以 1759 分登上 Code Arena: WebDev 第 3 名
Arena 评测榜单显示，OpenAI 的 GPT-6.1 Sol (Max) 以 1759 分位列 Code Arena: WebDev 第 3 名，混合价格为 $8/MToken。相比 GPT-6 Sol (Max) 同价提升 70 分，排名上升 4 位，且在 Consumer Product 等所有类目均有提升。
推荐理由：评测方公布了 GPT-6.1 Sol (Max) 的排名和价格数据，读者可以据此比较它在成本与性能权衡中的位置。
Runway：News精选AI 评分6060 Runway 发布 Runway Ads 端到端自动化效果广告引擎
Runway 发布 Runway Ads，一款自动化效果广告引擎，可连接广告账户和品牌套件，生成视频和图片广告素材，将审批后的版本直接发布到 Meta、Google 和 TikTok，并读取平台表现数据迭代下一轮创意。
推荐理由：官方披露了自家投放数月的实际数据，如周广告量从 77 涨到约 900、订阅成本降 41%，读者可据此评估这类自动化投放方案。
Jensen Huang精选AI 评分6767 Jensen Huang 称行业领袖在白宫签署超级智能协定
多家行业公司的领袖在白宫签署 White House Accord on Super Intelligence，约定开发该技术的公司负有安全部署和担责的首要责任。协定要求四层控制：训练和部署期间的稳健内部监控、授权内部团队验证控制有效、独立外部评估者审计、董事会独立委员会监督，参与公司还将定期会晤制定安全标准与最佳实践。
推荐理由：原文给出白宫超级智能协定的四层控制框架和参与方承诺，读者可以据此了解行业自律的具体安排。
The Decoder：AI News精选AI 评分8282 FTC 以消费者保护为由对 OpenAI、Anthropic 等 AI 实验室启动全面调查
FTC 正以潜在消费者保护违规为由调查 OpenAI、Anthropic 等头部 AI 实验室，主席 Andrew Ferguson 计划通过具法律约束力的 Civil Investigative Demands 强制调取文件并质询高管，命令将在数周内发出，METR 也在审查范围之列。
推荐理由：原文梳理了 FTC 调查的对象、法律手段和时间线，并提示这对 AI 实验室可能构成生存风险。
Manus：Blog精选AI 评分7272 Manus 分享视频生成与时间线编辑工作流
Manus 分享使用既有视频能力的创作经验：先由 AI 搜索参考、制作镜头与代码视觉元素，再在 Manus Studio 的视频编辑器中逐轨调整画面、字幕、配乐和音效。教程还演示导入本地素材、自动转录与编排初剪，以及将长视频剪成短片；作者以 125 段旅行素材整理成约 11 分钟成片为例，说明如何把生成初稿继续打磨为可发布作品。
推荐理由：作者结合真实项目，介绍从导入素材、转录和编排初剪，到逐轨调整字幕、画面与音频的工作流，读者可将这些方法用于自己的视频制作。
Claude：Blog精选AI 评分7676 Claude Code 推出 mods，可用 TypeScript 函数改写提示词、替换内置功能
Anthropic 为 Claude Code 推出 mods，一种小型 TypeScript 函数，可挂接到 Claude Code 的事件流，改写提示词、拦截或重试工具调用、审批权限请求并添加新 UI，随插件安装和分享。
推荐理由：原文给出 mods 的事件机制、安全限制和企业管控细节，开发者可据此决定是否用它定制自己的 Claude Code 工作流。
Anthropic：Research精选AI 评分6969 物理学者 Matthew Schwartz 分享用 Claude 与 BootLoops 做跨学科计算的经验
哈佛物理学者 Matthew Schwartz 在 Anthropic 客座文章中提出寻找 Claude-shaped 问题，并开源了用于定量科学精确计算的 BootLoops 工具包。
推荐理由：作者结合自身跨学科项目，说明如何让 Claude 承接适合其能力的问题，并总结了与专家协作及规避模型失败模式的经验。
Google DeepMind：Blog精选AI 评分6666 Google DeepMind 发布 SynthID Bio，为 AI 生成的蛋白质嵌入可验证水印
Google DeepMind 于 9 月 30 日发布 SynthID Bio，将水印技术引入合成生物学，把不可见签名嵌入生物序列和预测结构中，使水印可在合成的物理蛋白质上验证，且在湿实验中不损害生物功能。
推荐理由：原文给出湿实验验证数据、开源计划与在 DNA 合成筛查中的应用场景，读者可以据此评估这项水印技术对生物安全的实际作用。
MIT News精选AI 评分6161 MIT 等机构发布 Ataraxos，以极低成本战胜顶级人类 Stratego 选手
MIT、CMU、NYU 与 Stanford 的研究人员开发出 AI 系统 Ataraxos，在隐藏信息棋盘战棋 Stratego 上大幅超越世界顶级人类选手，论文发表于 Nature。
推荐理由：原文解释了 Ataraxos 如何用自博弈强化学习和决策时规划以远低于以往的训练成本战胜顶级 Stratego 选手，方法细节可直接对照其他隐藏信息博弈场景。
Arena精选AI 评分7171 Arena 开放限时测试 Claude Sonnet 5.5，Direct Mode 可用 48 小时
Arena 宣布在 Direct Mode 限时开放 Anthropic 的 Claude Sonnet 5.5（High），截止 10 月 2 日上午 8 点（太平洋时间），之后仍可在 Battle 和 Agent Mode 使用。引用内容称 Claude Sonnet 5.5 是 Claude 5.5 系列第二款模型，比 Sonnet 5 快 30% 以上，多数工作成本最高降低 30%。
推荐理由：原文给出了限时体验入口和此后的可用模式，想直接上手对比 Claude Sonnet 5.5 的读者可以据此安排测试时间。
Ars Technica：AI OpenAI 以安全顾虑为由推迟 IPO，并寻求 300 亿美元私人融资
OpenAI 已将 IPO 推迟至明年，正与投资者洽谈新一轮私人融资，拟以约 1.4 万亿美元估值筹集 300 亿美元或以上。公司还以安全顾虑为由取消了最新模型的发布计划，同时其年化收入自 7 月发布 GPT-5.6 以来增长超 70%，目前约 700 亿美元。
Clément Delangue精选AI 评分7676 Hugging Face CEO 称收到数千条私信，将花几天逐一处理
Clément Delangue 表示收到数千条私信，但 @bot 无法自动分析私信，需要几天时间处理。他称暂时只会关注特别匹配的人选，未获回复不代表负面评价，并可前往 https://apply.workable.com/huggingface 申请具体职位。
推荐理由：原文交代了招聘响应规模和后续申请渠道，为关注 Hugging Face 招聘的人提供了可操作的投递途径。
公众号：蚂蚁百灵精选AI 评分6767 蚂蚁百灵发布 Ling-3.1-flash，面向真实世界长任务升级
蚂蚁百灵推出 Ling-3.1-flash，总参数约 560B，每个 Token 激活约 25B，上下文窗口上限 1M，延续混合线性架构并提高线性 Attention 层比例（7 层 KDA 配 1 层 Gated MLA，512 个路由专家选 8 个加 1 个共享专家）。
推荐理由：官方发布同时给出架构细节、多项长程任务实测结果和对比数据，读者可据此评估其在办公、医疗和软件研发场景的适用性。
ElevenLabs：Blog精选AI 评分6262 ElevenLabs 完成 3 亿美元员工股份回购，估值升至 220 亿美元
ElevenLabs 完成 3 亿美元员工 tender offer，估值达 220 亿美元，是 2026 年 2 月 Series D 估值的两倍，由 Wellington 和 T. Rowe Price 领投。企业业务占收入 55%，ElevenAgents 每周处理超 1500 万次对话，ARR 自 2 月以来增长超 3 倍，客户语音智能体解决问题平均比聊天智能体快 31%。
推荐理由：原文给出 ElevenLabs 估值翻倍至 220 亿美元的关键经营数字和 ElevenAgents 增长细节，可据此了解企业级语音智能体市场的实际进展。
可灵 Kling AI 可灵 Kling 4.0 满血版短片展示
满血版 KLING 4.0 实战呈现 🎬 #Kling4 #KlingAI #KlingModeOn