AI 日报 2026-10-04

核心速览

【Google DeepMind】Gemini 4 Argon 发布，登顶 Text Arena #1

Gemini 4 Argon (High) 在 Text Arena 以 1525 分排名第一，领先第二名 Claude Opus 4.6 (High) 20 分，同时以 $8/MToken 混合成本成为最具性价比模型。Code Arena: WebDev 中从 #29 跃升至 #8（+96 分）。通过 Fairwind Program 向受信任测试者开放。该模型还已在 Google 数据中心优化基础设施，Argon agents 完成 C/C++→Rust 迁移超 80 万行内核代码，视频解码器 Rust 替换后速度提升 2.7 倍。

Introducing Gemini 4 Argon

【OpenAI】GPT-6.1 Sol 发布：近 Astra 级能力，1/5 价格

GPT-6.1 Sol 面向编码、计算机使用和专业工作，智能水平接近 GPT-6 Astra，API 输入输出 token 价格仅为 Astra 标准价的五分之一。在 LM Arena 空降第 21 名（1483 分），与 gemini-3.6-flash-high（#22）和 gpt-5.5-high（#25）直接竞争，验证了"近 Astra 级能力"的定位。

Introducing GPT-6.1 Sol

【Anthropic】Claude Sonnet 5.5 发布：速度提升 30%+，成本降低 30%

Claude 5.5 家族第二个模型，较 Sonnet 5 性能显著提升，运行速度提升 30% 以上，多数工作场景成本降低 30%。Opus 5.5 已于 9 月 22 日先行发布，性能对标 Fable 5.1，成本较 Opus 5 降低 40%。

Claude Sonnet 5.5

【OpenAI】DevDay 2026 回顾：20+ 项公告

DevDay 2026 发布超过 20 项公告，包括 GPT-6 Astra、GPT-6.1 Sol、dots 主动助手、Codex 安全云升级、Agents API 新功能等。Agents API 达到 99.97% 轮次可靠性，工具调用速度提升 20%，新增一键启动浏览器+agent 的 computer use。

DevDay 2026 Recap

【Anthropic】Claude Code v2.1.287：Mods 插件系统上线

Claude Code 推出 Mods 功能，插件可修改更深层次行为，支持用几行 TypeScript 编写或让 Claude 自动生成。Mods 通过 /plugin 命令安装，可在 CLI 和桌面端使用，允许自定义 UI 和功能替换。

Claude Code v2.1.287

重大 Benchmark 变化

LM Arena (Overall)

模型	变化类型	排名变动	分数
gpt-6.1-sol-max	新上榜	→ #21	1483.21
claude-sonnet-5.5-xhigh	新上榜	→ #45	1471.01
gpt-6-luna-max	排名下降	#85 → #90（-5）	1442.88
inkling	排名下降	#89 → #95（-6）	1441.38
mimo-v2.6-flash	排名下降	#71 → #77（-6）	1451.78
hy3	排名下降	#62 → #67（-5）	1455.98
qwen3.8-27b	排名下降	#94 → #99（-5）	1437.70

gpt-6.1-sol-max 空降 #21，直接进入 gpt-5.5-high（#25）和 gemini-3.6-flash-high（#22）所在区间，以 Astra 1/5 价格提供接近前者的性能。claude-sonnet-5.5-xhigh 以 1471 分进入 #45，与 claude-opus-4-5-20251101（#47，1469.77）和 ernie-5.1（#48，1467.58）形成竞争。

SWE-bench Verified：本周无排名变动 ≥5 或分数变动 ≥5% 的变化。Claude 4 Sonnet + o4-mini 与 GPT-5 在 #9/#10 位置互换，分数均为 74.4，无实质变化。

快速预览

OpenAI Agents API 周更新：单次调用即可启动浏览器+agent，Bedrock 托管代理支持 GPT-6.1 Sol，轮次可靠性达 99.97%
Claude Code 推出 Mods 插件系统（v2.1.287），开发者可用 TypeScript 自定义行为与 UI
Aleph Alpha 发布 Kolibri 主权开源权重模型，HN 热度 490 分
DeepSeek Harness 桌面版上线 macOS / Windows
LMArena 新入榜：GPT-6.1 Sol Max #21、Claude Sonnet 5.5 XHigh #45、Step 5 Preview #74

新闻

OpenAI

日期	标题	要点
10-02	A model guide for the GPT-6 family	面向初创团队的 GPT-6 选型指南，覆盖推理强度调优、提示改进、技能编排与生产化流程
10-02	Chatham scales its capital markets expertise with OpenAI	Chatham Financial 用 Codex + GPT-5.6 将交易验证从 30 分钟压缩至 4 分钟以内
10-01	The eternal complement	探讨 AI 在突破性想法背后的执行性常规工作中可能发挥的最大价值
10-01	How Albertsons Companies is reimagining retail	Albertsons 用 ChatGPT Enterprise 和 OpenAI API 加速内部流程、改善购物体验
10-01	The Den frees up 10-15 hours a week with ChatGPT Work	社交俱乐部用 ChatGPT Work 将拨款申请从 3 天缩至 2 小时、酒类许可证材料从 4 天缩至 3 小时
09-30	Disrupting a coordinated model-distillation campaign	OpenAI 粉碎了一起提取受保护模型推理数据的蒸馏攻击，正加强防御
09-30	Helping small businesses put AI to work	与美国 SBDC 合作推广 AI 实操培训，发布小团队 AI 使用报告
09-29	DevDay 2026 Recap	超 20 项公告：GPT-6 Astra、ChatGPT、Codex、API、安全工具等
09-29	Introducing GPT-6.1 Sol	近 Astra 级编码/计算机使用/专业工作能力，价格为 Astra 标准 API 的 1/5
09-29	Introducing dots	跨复杂项目与日常任务的主动式助手，保持上下文、协调 Codex 任务

OpenAI 开发者动态（X @OpenAIDevs / @OpenAI）

日期	标题	要点
10-03	Agents API 周更新	Computer use 单调用启动浏览器+agent；Bedrock Managed Agents 支持 GPT-6.1 Sol；环境尺寸可选；99.97% 轮次可靠性、工具调用提速 20%
10-02	Dots 与 Codex 协同	Dots 学习用户工作方式，跨应用保持上下文、协调 Codex 任务、标记待办
10-02	Plugin extensions 演讲	DevDay 主台分享：插件可从 ChatGPT 侧边栏/侧面板/文件查看器打开，支持 Sign in with ChatGPT
10-01	GPT-6.1 Astra 创建 Gaussian Splats	结合 Blender MCP + Lichtfeld Studio，GPT-6.1 Astra 生成高精度 3D 场景
09-29	Codex Security Cloud 升级	Daybreak Blue 网络安全模型默认接入，支持全仓库扫描、持续审查提交、自动去重与修复准备

Anthropic / Claude

日期	标题	要点
10-01	AI 与科学的"阻抗失配"	哈佛物理学家 Matthew Schwartz 用 Claude 构建定量科学计算工具包，发现跨学科关联（生态学、群体遗传学等）
09-28	Claude Sonnet 5.5 发布	Claude 5.5 家族第二款模型，较 Sonnet 5 提升 30%+ 速度、多数场景成本降低 30%
09-25	Claude 完成 Nine Loops 计算	Claude 在简化模型中将散射振幅计算推至 9 loop，超越此前 8 loop 记录，总成本数千美元
09-22	Claude Opus 5.5 发布	Claude 5.5 家族首款模型，多数任务达 Fable 5.1 水平，运行成本较 Opus 5 降低 40%

Claude Code 版本发布

版本	日期	变更
v2.1.289	10-03	修复托管机器上用户安装 mod 的审批覆盖嵌套 compound shell 命令 deny/ask 规则的问题
v2.1.288	10-02	新增 `$.ui.selection()` for mods：返回全屏模式下最后选中文本及对应 transcript 行
v2.1.287	10-01	Claude Mods 上线：插件可修改更深层次行为，支持 TypeScript 编写、`/plugin` 安装
v2.1.286	09-30	权限请求堆积时显示 "2 of 5" 计数
v2.1.285	09-29	新增 `CLAUDE_CODE_DISABLE_WEB_FETCH` 环境变量关闭 WebFetch 工具

DeepSeek

日期	标题	要点
10-02	DeepSeek Harness 桌面版发布	macOS 和 Windows 打包版上线，Linux 用户可通过 npm `@deepseek-ai/dsh` 安装

Google / DeepMind

日期	标题	要点
10-02	September AI updates 回顾	9 月 Google AI 更新汇总视频
10-01	Project Suncatcher：TPU 送入太空	Google 联合 Planet 在 SpaceX Transporter-18 上发射搭载 4 颗 TPU 的原型卫星，研究太空 ML 可行性
09-30	Gemini 4 Argon 内部应用	Argon agent 已在 Google 数据中心释放超 300 TiB 内存；C/C++→Rust 迁移达 80 万+ 行；视频解码器 3.2 万行 SIMD 替换为安全 Rust，提速 2.7x
09-30	Gemini 4 Argon 登顶 Text Arena	Arena #1 文本 1525 分、#8 代码 WebDev 1679 分， blended $8/MToken，为当前最高性价比模型

Sam Altman（X @sama）

日期	内容
10-03	对 AI 宗教化倾向的安全担忧 — 认为将宗教力量或人类判断的让渡归于 AI 模型是真实的安全问题
10-02	关于 Cerebras 合作 — 确认 Cerebras 为紧密合作伙伴，双方在速度前沿有深度合作

Tibo（OpenAI Codex 团队，X @thsottiaux）

日期	内容
10-03	未来模型将更擅长代码删除与简化
10-03	征询 Codex 缺失功能
10-03	征询新侧边栏建议

Andrej Karpathy

日期	标题	要点
10-02	Land or Water 评估	给 LLM 16,200 个经纬度坐标判断"陆地或水域"，模型从互联网压缩中习得地理知识
10-02	理解 LLM 输出的方法	建议用 ASD-STE100 受控语言、图表、HTML 网页、3b1b 风格解说视频等逐步升级输出可读性

Simon Willison

日期	标题	要点
10-03	Default hard budget caps	呼吁对几乎所有 AI 工具设置默认硬性预算上限
10-03	Dot vs ChatGPT 使用困惑	难以区分何时应使用 Dot（单一对话）vs ChatGPT（多线程控制上下文）

Boris Cherny（Anthropic，X @bcherny）

日期	内容
10-01	Mods 非常强大 — 可通过提示自定义 Claude 行为和外观，Mods 以插件形式打包，`/plugin` 安装
09-30	Claude.dev 上线 — 面向 Claude 开发者的新主页，含工程深度文章、API 指南等

Hacker News 热门

日期	标题	要点
10-03	Kolibri: A Sovereign Open-Weight Model	Aleph Alpha 发布主权重开源权重模型，HN 490 分
10-03	Getting the most out of Opus 5.5	Claude 官方 Opus 5.5 使用技巧，HN 150 分

Benchmark 快照

行业格局

[Artificial Analysis / Intelligence]

本期无变动。当前 Top 3：

排名	模型	分数
1	Claude Opus 5.5 (Max, Default Fallback)	57.6
2	Claude Fable 5.1 (Max, Default Fallback)	53.4
3	GPT-6 Astra (Max)	52.7

[LMArena / Overall]

本期变动（择要）：

模型	变化类型	旧排名	新排名	旧分数	新分数
GPT-6.1 Sol Max	新入榜	—	21	—	1483.21
Claude Sonnet 5.5 XHigh	新入榜	—	45	—	1471.01
Step 5 Preview	新入榜	—	74	—	1453.68
Gemini 3.8 Flash High	↑	11	8	1494.09	1494.77
GPT-6 Astra Max	↑	30	29	1476.18	1477.11
DeepSeek V4.1 Flash Max	↑	40	38	1472.77	1474.44
Qwen 3.8 Max	↑	24	23	1480.86	1481.62
Kimi K3 Max	↑	17	16	1488.03	1488.36
GPT-6 Sol Max	↑	66	64	1455.82	1457.21
GPT-6 Luna Max	↓	85	90	1443.84	1442.88
GLM 5.3 Flash	↓	38	41	1473.67	1473.00
hy3	↓	62	67	1457.44	1455.98
Mimo V2.6 Flash	↓	71	77	1453.73	1451.78

当前 Top 5（快照）：

排名	模型	分数
1	Gemini 4 Argon (High)	1525.22
2	Claude Opus 4.6 (High)	1504.73
3	Claude Fable 5 (High)	1504.27
4	Claude Opus 5.5 (High)	1503.70
5	Claude Opus 4.7 (High)	1501.30

干活选型

[Artificial Analysis / Agentic]

本期无变动。当前 Top 3：

排名	模型	分数
1	Claude Fable 5.1 (Max, Default Fallback)	57.9
2	Claude Opus 5 (Xhigh)	55.6
3	GPT-6 Astra (Max)	51.0

[Artificial Analysis / Coding]

本期无变动。当前 Top 3：

排名	模型	分数
1	Claude Fable 5.1 (Max, Default Fallback)	81.6
2	Claude Fable 5.1 (Medium, Default Fallback)	77.1
3	Claude Opus 5 (Xhigh)	77.0

[SWE-bench Verified]

本期变动：

模型	变化	旧排名→新排名	分数
Claude 4 Sonnet + o4-mini	↑	10 → 9	74.4
GPT-5	↓	9 → 10	74.4
Claude 3.5 Haiku	↑	34 → 33	40.6
LLama 3.1 70B Critic	↓	33 → 34	40.6

当前 Top 3（快照）：

排名	模型	分数
1	Claude 4.5 Opus (Sonar Foundation Agent)	79.2
2	Claude 4.5 Opus medium (live-SWE-agent)	79.2
3	Doubao-Seed-Code (TRAE)	78.8

数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena

编辑点评

OpenAI Agents API 周更新 — Computer use 从多步简化为单次 API 调用，叠加 Bedrock 托管代理上线 GPT-6.1 Sol 和 99.97% 轮次可靠性，实质上降低了多 agent 编排的工程门槛；这对依赖 SSE 长连接的实时场景（断连减少、工具调用提速 20%）尤其有体感。
Aleph Alpha 发布 Kolibri 主权开源权重模型（HN 490 分） — 在欧盟 AI 法案合规压力下，"主权"定位（数据不出境、权重开放）是一个差异化叙事；但最终能否立足取决于下游 benchmark 和生态采用量，当前材料中尚无 Kolibri 的任何 benchmark 数据。
Claude Code Mods（v2.1.287） — 插件可修改"更深层次行为"并支持 TypeScript 编写和 /plugin 安装，等于把 Claude Code 从封闭 CLI 变为可扩展平台；结合 v2.1.288 的 $.ui.selection() API，Anthropic 正在以每周一个开发者能力的节奏补齐插件生态短板。

来源 · 110 条