【Google】Gemini 4 Argon 发布，登顶 lmarena 榜首
Google 发布 Gemini 4 Argon，以 1524.77 分直接进入 lmarena 总榜第 1 名。在 ARC-AGI-3 上达到 97.5%，成为第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。Argon 已在 Antigravity 向 Google AI Pro 订阅用户开放，并设有独立周配额。
Gemini 4 Argon: Built to solve your hardest problems
【OpenAI】GPT-6 及 Intelligent UI 全球推送
GPT-6 正式向所有 ChatGPT 用户全球推送，搭配 Intelligent UI——可生成可视化、交互式组件直接嵌入对话中。Intelligent UI 是对模型智能的下注，让 GPT-6 自动填充高实用性界面元素，token 高效且即时流式渲染。这是 ChatGPT 界面的一次重大改版。
GPT-6 and Intelligent UI for everyone
【Anthropic】Claude Haiku 5.5 发布，成本降 75%
Claude Haiku 5.5 为 Anthropic 迄今最便宜、最快的小模型，平均运行成本比 Haiku 4.5 低约 75%。在编码、计算机操作和知识工作上均有显著提升。同时 Sonnet 5.5 缓存读取价格减半至 $0.10/百万 token，长任务运行成本降低约 20%。
【OpenAI】GPT-5.6 Sol 耗 6 天发现 Chrome 零日漏洞
XBOW 使用 GPT-5.6 Sol 花费 6 天和 $40,000 算力，发现 Chrome 关键漏洞，获得 Google 2026 年首个 full-chain 漏洞奖励（$250,000 悬赏）。该漏洞影响约 10 亿用户。此前 Chrome 历史上仅颁发过一次同等级奖励。这一结果表明 AI 驱动的安全工具正在将防御能力推向前所未有的水平。
GPT-5.6 Sol finds Chrome zero-day
【Anthropic】$1.5 亿投入 Genesis Mission，METR 获准评估安全实践
Anthropic 承诺 $1.5 亿投入 Genesis Mission，并向 15 个以上联邦机构提供 Claude 技术支持。同日，Anthropic 给予 METR 评估团队类似员工级别的内部访问权限，启动第三方安全评估。此前 Anthropic 已发布报告，披露 Claude 在真实网站上的四类非预期行为，称其严重程度低于 7 月和 9 月的网络安全事件。
Genesis Mission commitment | METR evaluator access
| Benchmark | 模型 | 变动 | 分数 |
|---|---|---|---|
| lmarena (overall) | gemini-4-argon-high | 🆕 新进 #1 | 1524.77 |
| lmarena (overall) | muse-wonder-max | 🆕 新进 #2 | 1512.67 |
| lmarena (overall) | claude-opus-5.5-high | 🆕 新进 #3 | 1508.08 |
| lmarena (overall) | claude-fable-5-high | 🆕 新进 #4 | 1503.38 |
| ARC-AGI-3 | Gemini 4 Argon | 🆕 97.5% | 第二家超 95% 的实验室 |
Gemini 4 Argon 以 1524.77 分直接占据 lmarena 榜首，比第 2 名 muse-wonder-max（1512.67）高 12 分以上。Anthropic 阵营在 Top 5 中占据 3 席（#3 opus-5.5-high、#4 fable-5-high、#5 opus-4-6-high），但均低于 Google 和 muse-wonder-max。swebench_verified 上 GPT-5 与 Claude 4 Sonnet + o4-mini 各 74.4 分，排名仅互换 1 位（9↔10），未达重大变动阈值。
| 日期 | 标题 | 摘要 |
|---|---|---|
| 10-15 | Bringing GPT-Rosalind to academic research labs | 推出 Rosalind Academic Plan，为符合条件的学术实验室提供 GPT-Rosalind 赞助访问及工具，推进生命科学研究 |
| 10-15 | GPT-Live-1.1 更新 | 新增法语、德语、印地语、墨西哥西班牙语、韩语、日语语音，改善口音并减少 "checking..." 提示，即日起面向所有用户推出，API 即将支持 |
| 10-15 | Teaching students to think and learn through questions | 教师节推出葡萄牙语版 AI for Educators 及 Study Mode |
| 10-15 | Sullivan & Cromwell brings legal expertise into agreement review | Sullivan & Cromwell 与 OpenAI 合作开发 Agreement Analyzer，用于识别合同草案中的问题 |
| 10-15 | ChatGPT Sites 取消 Plus/Pro 创建上限 | Sites 正式面向 Enterprise 推出，支持美欧数据驻留；Plus 和 Pro 用户创建数量不再设限 |
| 10-14 | Amp puts AI agents to work beyond code | Amp 使用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT 将智能体能力扩展到编程之外 |
| 10-14 | SentinelOne cuts malware analysis from weeks to hours | 借助 OpenAI Daybreak，SentinelOne 将数周的恶意软件分析缩短至数小时 |
| 10-14 | Third Moment Research runs 10,000 agents for 36+ hours | 使用 GPT-6 Astra、GPT-6.1 Sol、Codex 和 Daybreak 构建可持续运行数天并随使用改进的智能体 |
| 10-14 | Block builds AI-powered security | Block 安全团队借助 OpenAI 技术加速威胁调查并在数分钟内提出补丁 |
| 10-14 | The EU's next chapter in AI is agentic | 分析显示欧盟企业和小企业的智能体 AI 采用率持续增长，超半数欧盟企业客户 AI 使用涉及智能体，小企业用户增长 8 倍 |
| 10-13 | Higgsfield takes AI video from 1 minute to over 10 | 使用 GPT-6 Astra 和 GPT-Image-2.5 将视频时长从 1 分钟扩展至 10 分钟以上 |
| 10-09 | Asana cuts model costs 76x in browser tests | 使用 GPT-6 Astra in Codex，浏览器智能体成本降低 76 倍、速度提升 5 倍 |
| 10-09 | Sophos cuts threat investigation time by 96% | 借助 Daybreak 将网络威胁调查时间缩短 96%，自动化 52% 的 MDR 案件 |
| 10-08 | Oracle turns days of work into minutes | 跨招聘、工程和运营，Oracle 使用 ChatGPT Work 和 Codex 将专家知识转化为可重复工作流 |
| 10-07 | GPT-6 and Intelligent UI for everyone | GPT-6 全球推出 Intelligent UI，提供可视化交互界面 |
| 日期 | 标题 | 摘要 |
|---|---|---|
| 10-15 | Anthropic 投入 500 万美元支持数学界 | 联合 Simons Foundation，提供资金、算力和 Claude 访问权限，通过社区驱动方式支持研讨会和讲座 |
| 10-15 | 独立安全评估者进展更新 | 已向 METR 团队提供类似员工级别的访问权限，正在与多个组织讨论安全评估合作 |
| 10-15 | Anthropic Fellowships 开放申请 | STEM Fellows 与 Conceptual Reasoning Fellows 两个项目，2027 年 1 月开始为期四个月，截止日期 10 月 28 日 |
| 10-14 | Anthropic 开设新加坡办公室 | 亚太第五个办公室，与新加坡政府签署 AI 安全与负责任采用 MOU |
| 10-13 | 工程博客：自研版本控制系统 | 5 月日均合并约 2,500 次代码变更，9 月增至 30,000+，因人规模基础设施遇瓶颈，五个月内从 git 完整迁移至自研系统 |
| 10-12 | 蒸馏攻击防御进展 | 近几个月显著降低针对 Claude 的蒸馏攻击效果 |
| 10-09 | 模型行为报告 | 发布首份频繁模型行为报告，描述评估中发现的三类非预期行为，均属低影响，严重程度低于 7 月和 9 月报告的网络安全事件 |
| 10-08 | 1.5 亿美元投入 Genesis Mission | 承诺 1.5 亿美元，并向 15 个以上联邦机构提供 Claude 和技术支持 |
| 10-07 | Claude Haiku 5.5 发布 | 成本较 Haiku 4.5 降低约 75%；同时 Sonnet 5.5 缓存读取价格减半至每百万 token 0.10 美元 |
| 日期 | 版本 | 主要变更 |
|---|---|---|
| 10-15 | v2.1.301 | 新增 CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS，无人值守重试模式在用量上限重置过远时终止请求而非等待 |
| 10-14 | v2.1.300 | 为 mod 提示装饰新增 virtualText：绘制在提示框中但不进入草稿或提交内容的文本 |
| 10-14 | v2.1.299 | 新增 CLAUDE_CODE_DISABLE_FILE_MENTIONS 环境变量：Claude 获取 @ 文件提及的路径自行读取，而非直接注入文件内容 |
| 10-09 | v2.1.296 | 新增 code key 到网关 managed.policies[]，在 Claude Desktop Code 标签页中应用相同策略 |
| 10-08 | v2.1.295 | 命令和 HTTP hooks 新增 onFailure: "block"：hook 启动失败/超时/异常退出时阻止操作 |
| 日期 | 标题 | 摘要 |
|---|---|---|
| 10-15 | Gemini 4 Argon 在 Antigravity 推出 | 面向 Google AI Pro 订阅者推送，为 Pro 增加独立 Argon 周配额 |
| 10-15 | Gemini 4 Argon ARC-AGI 成绩 | ARC-AGI-3: 97.5%（provider adapter harness）/ 49.8%（standard harness）；ARC-AGI-2: 91.3%；ARC-AGI-1: 98.5%。DeepMind 为第二家 ARC-AGI-3 超 95% 的前沿实验室 |
| 10-15 | WeatherNext 飓风预测表现 | 飓风 Isaias 中 WeatherNext 路径预测最准确，提前 3 天定位误差 ≤60km，发表于 Nature 的研究显示全球热带气旋跟踪和强度预测多约 1 天提前量 |
| 10-15 | SynthID 获 TIME 2026 最佳发明 | 已为超过 1800 亿张图片和视频添加水印 |
| 10-14 | 新加坡设备端欺诈检测 | 与 GovTechSG 合作，基于 Gemma 微调本地诈骗手法，实时识别威胁且不泄露隐私 |
| 10-13 | Gemini 4 Argon 发布 | 面向最难问题构建的新模型 |
| 日期 | 来源 | 标题 | 摘要 |
|---|---|---|---|
| 10-15 | HN | Krea 3 | 面向大规模编辑的图像模型，HN 234 分 |
| 10-15 | HN | Simons Foundation $15M | 1500 万美元帮助数学界应对 AI 时代，联合 Anthropic 和 OpenAI 提供算力，HN 226 分 |
| 10-15 | Simon Willison | Anthropic 蒸馏收入占比 | Anthropic 向投资者披露蒸馏占营收 5%–7%，按 Q2 营收 115 亿美元折算超过 5 亿美元 |
| 10-15 | OpenAI Tibo | 容量问题缓解 | 第 11 天：已部署多项变更和更多算力，大幅减少 "Selected model is at capacity" 报错 |
| 10-15 | Anthropic Boris | Prompt injection 竞赛 | 联合 Gray Swan 举办 30 万美元间接 prompt injection 红队挑战赛，Meta、Google DeepMind、Reflection 等参与 |
| 10-13 | OpenAI gdb | GPT-5.6 Sol 发现 Chrome 漏洞 | 6 天、4 万美元算力，XBOW 获 Google 2026 年首个 Chrome 全链利用 25 万美元赏金 |
| 10-13 | Karpathy | AI 能力认知差距扩大 | 约 60 亿人几乎未接触 LLM；约 2000 万专业人士在数学和代码领域看到代理完成数周/月级项目；约 5000 人可接触前沿内部系统 |
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（总榜）
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | gemini-4-argon-high | 1524.77 |
| 2 | muse-wonder-max | 1512.67 |
| 3 | claude-opus-5.5-high | 1508.08 |
本期变动：
AA Agentic（智能体能力）
| 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 |
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 |
SWE-bench Verified
| 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 |
本期变动：
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
Gemini 4 Argon 登顶 LMArena 总榜：gemini-4-argon-high 以 1524.77 分新入榜即排名第一，同时 ARC-AGI-3 达到 97.5%（provider adapter harness），使 Google DeepMind 成为第二家在 ARC-AGI-3 上突破 95% 的前沿实验室。考虑到 Claude Opus 5.5 在 AA Intelligence 榜单上仍以 57.6 分领先 GPT-6 Astra 的 52.7 分，Gemini 4 Argon 在 LMArena 上的大幅领先（高出第二名 muse-wonder-max 约 12 分）说明其综合对话体验获得用户偏好优势，但不同评测维度排名差异仍然显著。
Anthropic 蒸馏收入占比 5%–7%：按 Simon Willison 引用的 FT 报道，Anthropic 向投资者披露蒸馏占营收 5%–7%，以 Q2 营收 115 亿美元折算超过 5 亿美元，这意味着其他实验室为蒸馏 Anthropic 模型支付了巨额费用。结合 Anthropic 10 月 12 日发布的蒸馏防御进展，防御与收入之间的张力值得关注——降低蒸馏效果可能直接影响这部分营收。
OpenAI Rosalind Academic Plan：为学术实验室提供 GPT-Rosalind 赞助访问以推进生命科学研究，与同日 Anthropic 宣布的 500 万美元数学社区资助及 Simons Foundation 1500 万美元联合计划形成对照——两家公司均在加速向学术界渗透，但路径不同：OpenAI 以产品计划切入生命科学，Anthropic 以资金和算力切入数学领域。