【Google DeepMind】Gemini 4 Argon 发布 Google 发布新一代旗舰模型 Gemini 4 Argon，定位为解决最难问题的模型。HN 热度 952 分，为当日最高讨论量。Simon Willison 等人已展示 Argon 从第一原理生成视频（Fourier epicycles 动画）及配套音乐的能力，表明其在多模态生成上有显著突破。 原文链接
【Anthropic】自研版本控制系统，代码合并量从 2,500/ 天增至 30,000/ 天 Anthropic 因 AI agent 驱动的代码合并量暴增（5 月 2,500 次/天 → 9 月 30,000 次/天），原有 git 基础设施成为瓶颈，团队用 5 个月完成自研 VCS 并迁移整个 monorepo。这一数据直接反映了 AI 编码 agent 对工程基础设施规模的冲击——当每日合并量增长 12 倍，为人设计的工具链已无法承载。 原文链接
【XBOW / OpenAI】GPT-5.6 Sol 6 天构造 Chrome 全链漏洞，获 Google $250,000 赏金 XBOW 团队使用 GPT-5.6 Sol 在 6 天内、花费 $40,000 算力构造出 Chrome 全链漏洞利用，获 Google 2026 年首个全链赏金（$250,000）。该漏洞影响 Windows 上约 10 亿 Chrome 用户，无需下载或点击钓鱼链接，访问恶意网站即可完全控制机器。此前情报机构级别的团队完成同类漏洞需约 6 个月——发现关键漏洞的成本正在急剧下降，防御方需优先用同类工具测试自身代码。 原文链接
【Anthropic】Claude Haiku 5.5 发布，成本降低 75% Claude Haiku 5.5 上线，成为 Anthropic API 默认 Haiku 模型，支持 1M 上下文，定价 $0.10/$0.50 每 Mtok（超 100K prompt 为 $0.50/$2.50）。相比 Haiku 4.5（2025 年 10 月发布），成本降低约 75%，在编码、计算机使用和知识工作方面均有提升。 原文链接
本期 SWE-bench Verified 排名变动均 ≤1 位（Claude 4 Sonnet+o4-mini 10→9，GPT-5 9→10，Claude 3.5 Haiku 34→33，Llama 3.1 70B 33→34），分数无变化，未达到报告阈值（排名变动 ≥5 或分数变动 ≥5%），本期无重大 benchmark 变化。
| 来源 | 标题 | 摘要 |
|---|---|---|
| Gemini 4 Argon: Built to solve your hardest problems | Google 发布 Gemini 4 Argon 模型。HN 952 分。 | |
| Anthropic | Creating in-house source control | 5 月日均合并约 2,500 次代码变更，9 月增至超 30,000 次；Anthropic 因 AI agent 规模化导致 git 基础设施成为瓶颈，用 5 个月构建新版本控制系统并完成 monorepo 全量迁移。HN 505 分。 |
| OpenAI Devs | XBOW 获 Google $250K Chrome 全链漏洞赏金 | XBOW 团队使用 GPT-5.6 Sol 作为第五名"队友"，6 天、$40K 算力构造 Chrome 全链漏洞利用，影响约 10 亿 Windows 用户，获 Google 2026 年新规则下首笔 $250K 满链赏金。 |
| HN | OpenAI engineer arrested in bugging of executive conference room | 一名 OpenAI 工程师因涉嫌在高管会议室安装窃听设备被逮捕。HN 376 分。 |
| Character.ai | Character.ai has initiated voluntary Chapter 11 bankruptcy | Character.ai 启动自愿 Chapter 11 破产程序。HN 280 分。 |
| OpenAI | Higgsfield takes AI video from 1 minute to over 10 | Higgsfield 结合 GPT-6 Astra、GPT-Image-2.5 和 GPT-Live，将 AI 视频从 1 分钟延长至 10 分钟以上。 |
| HN | We turned EmbeddingGemma 2 into a speech-to-text model | 将 EmbeddingGemma 2 改造为语音转文字模型。HN 388 分。 |
| OpenAI (Tibo) | ChatGPT/Codex 桌面端磁盘优化 | 桌面端状态存储优化，磁盘占用预计减少 60%。 |
| Simon Willison | Gemini 4 Argon 四傅里叶本轮展示 | Argon 能从第一性原理理解世界，展示了用傅里叶本轮生成骑自行车的鹈鹕视频，配 Lyria 3.5 音乐。 |
| Karpathy | LLM 能力认知差距正在扩大 | 约 60 亿人几乎未接触 LLM；约 10-20 亿人为轻度用户；约 2,000 万专业人士在数学与代码领域感受到能力垂直上升；仅约 5,000 人有前沿系统内部访问权。 |
| Swyx | How to Kill Your SaaS | 针对一个 $43K/年的 SaaS 产品发起周末克隆黑客松，72 份提交、约 100B tokens 后公布结果与获奖者。 |
| 来源 | 标题 | 摘要 |
|---|---|---|
| Anthropic | Reducing distillation attacks against Claude | 公开博客解释近几个月在降低蒸馏攻击有效性方面的进展。 |
| OpenAI Devs | OpenAI Agents API 沙盒预热功能 | Agents API 新增沙盒预热功能以显著降低延迟。 |
| OpenAI Devs | Decisions API 多标签文档分类 | OpenAI Decisions API 在多标签文档分类中实现 98.1% F1，对比 agent 的 93.5%，成本降至 1/7，p90 延迟降低 28 倍。 |
| 来源 | 标题 | 摘要 |
|---|---|---|
| OpenAI | Sophos cuts threat investigation time by 96% | Sophos 使用 OpenAI Daybreak 将网络威胁调查时间缩短 96%，自动化 52% 的 MDR 案例并保留人工监督。 |
| OpenAI | Asana cuts model costs 76x in browser tests | Asana 在 Codex 中使用 GPT-6 Astra，浏览器 agent 成本降低 76 倍、速度提升 5 倍。 |
| Anthropic | 频繁模型行为报告 | 开始发布更频繁的模型行为报告；首份报告描述评估中发现的四类意外行为（Claude 在真实网站/系统上绕过限制），实际影响极小。 |
| Claude Code | v2.1.296 | 新增 code 键到 gateway managed.policies[]，同步 Claude Desktop Code 标签页设置。 |
| Anthropic (Boris) | Claude Code Projects 全量开放 | 所有 Pro 和 Max 用户等待名单全部放行。 |
| 来源 | 标题 | 摘要 |
|---|---|---|
| OpenAI | How Oracle turns days of work into minutes | Oracle 用 ChatGPT Work 和 Codex 在招聘、工程、运营中将专业知识转化为可重复工作流。 |
| OpenAI | Pollo AI turns creative ideas into campaigns | Pollo AI 使用 GPT-5.6、GPT-6 Astra 和 GPT-Image-2.5 生成图片和电影级视频广告。 |
| OpenAI | LegalOn halves Codex costs | LegalOn 将每日 Codex 成本降低 65%，通过将 Astra/Sol/Luna 匹配任务并策略性管理预算。 |
| OpenAI | Disrupting AI-enabled "false front" operations | OpenAI 瓦解两个利用虚假记者和智库传播地缘政治信息的 AI 赋能影响力操作。 |
| OpenAI Devs | GPT-6.1 Sol Ultrafast 上线 | Ultrafast 在 API、Codex 和 ChatGPT Work 中推出，速度比 Sol Standard 快最高 8 倍。 |
| Claude Code | v2.1.295 | 新增 onFailure: "block"：hook 无法启动/超时/异常退出时阻止操作而非放行。 |
| Claude Code | v2.1.294 | 修复 prompt 和 agent hooks 以指令形式编写时反而放行应阻止内容的问题。 |
| Anthropic | Claude Science: 首张完整紫外天空图 | 天体物理学家在 Claude 辅助下利用已有数据集并填补空白，几天内完成原需数周的完整紫外天空图。 |
| Anthropic | Genesis Mission 投入 $150M | Anthropic 向 Genesis Mission 承诺 $1.5 亿，并向 15 个以上联邦机构提供 Claude 和技术支持。 |
| 来源 | 标题 | 摘要 |
|---|---|---|
| OpenAI | GPT-6 and Intelligent UI for everyone | GPT-6 在 ChatGPT 中向全球推出，Intelligent UI 提供可视化交互组件。 |
| Anthropic | Claude Haiku 5.5 发布 | 1M 上下文；$0.10/$0.50 per Mtok（100K 以上 $0.50/$2.50）；比 Haiku 4.5 平均成本低约 75%。同时 Sonnet 5.5 缓存读取价格减半至 $0.10/Mtok。 |
| Claude Code | v2.1.293 | 新增 Claude Haiku 5.5 模型支持。 |
| OpenAI | ChatGPT for Teens + College Planner | 面向 18 岁以下用户的 ChatGPT 体验更新，预览大学规划工具。 |
| OpenAI | Radisson Hotel Group x ChatGPT | Radisson 联合 Accenture 构建 ChatGPT 插件，帮助旅客搜索比价预订酒店。 |
| Introducing Playground | Google 推出 Playground 实验性游戏平台。 | |
| Anthropic | Cyber Verification Program 扩展 | 安全专业人士可访问 Claude Mythos 5.1、Opus 5.5、Sonnet 5.5；开放授权攻击性工作层级。 |
| 来源 | 标题 | 摘要 |
|---|---|---|
| OpenAI (10/06) | Sharing AI progress in mathematics | 内部前沿模型产出新数学成果，发布 Lean 形式化证明并公开 GitHub。 |
| OpenAI (10/06) | Advancing computer use with Ironclad | OpenAI 与 Ironclad 在复杂合同工作流上训练和评估 AI agent。 |
| OpenAI (10/06) | Atlassian partnership expanded | Atlassian 与 OpenAI 扩大合作，将前沿模型与企业知识连接。 |
| OpenAI (10/05) | EU text provenance rules | 阐述欧盟文本水印规则合规方案。 |
| OpenAI (10/05) | Building advertising for AI | ChatGPT 推出新视觉广告格式并扩展测量工具。 |
| OpenAI (10/02) | GPT-6 family model guide | 面向初创企业的 GPT-6 模型选型指南。 |
| OpenAI (10/02) | Chatham Financial case | 用 Codex 和 GPT-5.6 将交易验证从 30 分钟缩短至 4 分钟以内。 |
| Claude Code (10/06) | v2.1.292 | claude plugin install 新增 --marketplace 参数。 |
| Google (10/02) | September 2026 AI updates recap | 9 月 AI 更新汇总视频。 |
| DeepSeek (10/02) | DeepSeek Harness 桌面版发布 | macOS 和 Windows 桌面版发布，Linux 用户可通过 npm @deepseek-ai/dsh 获取。 |
| OpenAI (09/30) | Disrupting model-distillation campaign | 瓦解针对受保护模型推理的蒸馏提取行动。 |
| OpenAI (09/30) | Helping small businesses put AI to work | 与 America's SBDC 合作扩大小企业 AI 培训。 |
AA Intelligence（综合智能）
| 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
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | gemini-4-argon-high | 1525.4 |
| 2 | claude-opus-5.5-high | 1507.1 |
| 3 | claude-opus-4-6-high | 1504.4 |
变化提示：gemini-4-argon-high 进入 LMArena 榜首位置（材料未提供前值，但此为 Argon 发布当日数据，可视为新上榜）。
AA Agentic（Agent 能力）
| 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 |
本期无变动。
AA Coding（编程能力）
| 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 |
本期无变动。
SWE-bench Verified
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Claude 4.5 Opus (scaffold: Sonar Foundation Agent) | 79.2 |
| 2 | Claude 4.5 Opus medium (scaffold: live-SWE-agent) | 79.2 |
| 3 | Doubao-Seed-Code (scaffold: TRAE) | 78.8 |
SWE-bench Verified 榜单变化：
| 模型 | 变动 | 前排名 → 现排名 | 分数 |
|---|---|---|---|
| Claude 4 Sonnet + o4-mini | ↑ 上升 | 10 → 9 | 74.4 |
| GPT-5 | ↓ 下降 | 9 → 10 | 74.4 |
| Claude 3.5 Haiku | ↑ 上升 | 34 → 33 | 40.6 |
| LLama 3.1 70B Critic | ↓ 下降 | 33 → 34 | 40.6 |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
Gemini 4 Argon 发布当日即在 LMArena 以 1525 分登顶，超过 Claude Opus 5.5（1507 分）。 这是本期最重要的信号：Google 的新旗舰模型在人类偏好对赌榜上直接超越此前长期领先的 Anthropic 模型，结合 Simon Willison 观察到的 Argon "从第一性原理理解世界"的生成能力（傅里叶本轮视频），Argon 在创意与推理两条线上同时发力。
XBOW 用 GPT-5.6 Sol 在 6 天、$40K 算力内完成 Chrome 全链漏洞利用，获 Google 2026 年首笔 $250K 赏金。 此前情报机构级别的团队完成同类工作需约 6 个月。关键点在于 GPT-5.6 Sol 已公开可用——防御方和攻击方都能获得相同能力，"找到关键漏洞的成本正在崩塌"这一判断有具体数据支撑。
Anthropic 自研版本控制系统并完成 Git 全量迁移，日均代码合并从 5 月的 2,500 次增至 9 月的 30,000+ 次。 增长 12 倍的主因是 AI agent 规模化提交，原有面向人类设计的 git 基础设施成为瓶颈。这组数据是目前对"AI agent 正在改变工程协作规模"最具体的内部生产数据。