【Google DeepMind】Gemini 4 Argon 发布并登顶 LMArena Google 发布 Gemini 4 Argon，四组 Argon agent 在 27 小时内从零通关 Minecraft，共编写 2,783 个程序、自主分工协作，全程无人类干预。该模型同时以 1523.9 分直接进入 LMArena 总榜第一名，超越所有现有模型。
Gemini 4 Argon: Built to solve your hardest problems
【Anthropic】Claude 发现 ECDSA 曲线起源 + 蒸馏防御取得重大进展 Claude 揭示了 ECDSA 椭圆曲线参数的数学起源，相关研究登上 HN 热榜（648 分）。同期 Anthropic 公布蒸馏防御进展，并向投资者披露蒸馏占其收入 5%-7%——以 Q2 的 115 亿美元收入推算，其他实验室在蒸馏 Anthropic 模型上的花费超 5.75 亿美元。这意味着竞争对手对 Claude 的依赖已形成可量化的收入支柱。
Claude reveals ECDSA curve origins Distillation defenses
【OpenAI】GPT-6 Astra Pro 升级：支持多 agent 并行处理 GPT-6 Astra Pro 在 ChatGPT 中获得更快响应、改进的插件和工具调用能力，且现在多个 agent 可并行处理同一任务的不同部分，用户可追踪每个 agent 进度并查看完成结果。已面向 Pro 用户在 Chat 标签页开放。
【Mercor/HN】研究：90% 美国工作时间不在现有 AI benchmark 覆盖范围内 Mercor 发布劳动力与 benchmark 映射研究，指出当前主流 AI 基准测试几乎未覆盖美国劳动力 90% 的实际工作任务。该研究在 HN 获 389 分讨论，直指现有评测体系与真实工作场景之间的巨大鸿沟。
90% of US working hours are not covered by AI benchmarks
LMArena 总榜 — 大量新模型入榜，格局大幅重排：
| 模型 | 排名 | 分数 |
|---|---|---|
| 🥇 Gemini 4 Argon (High) | #1（新入榜） | 1523.9 |
| 🥈 Muse Wonder (Max) | #2（新入榜） | 1508.9 |
| 🥉 Claude Opus 5.5 (High) | #3（新入榜） | 1508.2 |
| Claude Fable 5 (High) | #4（新入榜） | 1503.6 |
| Claude Opus 4.6 (High) | #5（新入榜） | 1503.1 |
Gemini 4 Argon 直接登顶，较此前最高分模型拉开约 15 分差距。Claude 系列密集入榜（共 8 个新变体进入前 15 名），Muse 系列以 5 个新变体批量进入前 16。现有模型排名变动均未超过 5 位，不构成重大变化。
SWE-bench Verified — 无重大变化 GPT-5 与 Claude 4 Sonnet + o4-mini 互换了第 9/10 名（均 74.4 分），Claude 3.5 Haiku 与 Llama 3.1 70B Critic 互换第 33/34 名（均 40.6%），均为同分换位，不满足重大变动标准。
| 日期 | 新闻 | 要点 |
|---|---|---|
| 10-16 | Itaú 为全体客户构建生成式 AI | 巴西最大受监管行业银行推出对话界面 ia.i 和治理平台 IARA，落地 AI First 战略 |
| 10-16 | Stack Overflow for Agents 借 ChatGPT 插件实现三倍注册增长 | 两名工程师用 Codex 数周内上线，ChatGPT 插件驱动 agent 创建量增长达 10× |
| 10-15 | GPT-Rosalind 面向学术研究实验室开放 | 推出 Rosalind Academic Plan，为合格学术实验室提供 GPT-Rosalind 赞助访问 |
| 10-15 | 通过提问教学生思考与学习 | 教师节推出巴西葡萄牙语版 AI for Educators 及 Study Mode |
| 10-15 | Sullivan & Cromwell 将法律专长引入合同审查 | 与 OpenAI 合作开发 Agreement Analyzer，用于识别合同草案中的问题 |
| 10-14 | Amp 用 OpenAI 模型让 AI 智能体超越代码 | 使用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT |
| 10-14 | SentinelOne 将恶意软件分析从数周缩短至数小时 | 使用 OpenAI Daybreak 实现 |
| 10-14 | Third Moment Research 运行 10,000 个 agent 持续 36+ 小时 | 使用 GPT-6 Astra、GPT-6.1 Sol、Codex 及 Daybreak |
| 10-14 | Block 用 OpenAI 技术构建 AI 驱动安全 | 安全团队更快调查威胁并在数分钟内提出补丁 |
| 10-14 | EU 的 AI 下一章：Agentic | 分析显示 EU 企业和小企业中 Agentic AI 采用增长 |
| 10-13 | Higgsfield 将 AI 视频从 1 分钟延长至 10 分钟以上 | 使用 GPT-6 Astra、GPT-Image-2.5、GPT-Live |
| 10-09 | Sophos 用 OpenAI Daybreak 将威胁调查时间缩短 96% | 自动化 52% 的 MDR 案例，保留人工监督 |
| 10-09 | Asana 用 GPT-6.1 Sol 在浏览器测试中降低模型成本 76 倍 | 使用 GPT-6 Astra in Codex，浏览器 agent 成本降 76×、速度提 5× |
| 10-08 | Oracle 用 ChatGPT 和 Codex 将数天工作变为数分钟 | 覆盖招聘、工程和运营 |
| 10-08 | Pollo AI 用 OpenAI 将创意变为广告 | 使用 GPT-5.6、GPT-6 Astra、GPT-Image-2.5 |
| 10-08 | LegalOn 在保持开发速度的同时削减 Codex 成本 65% | 将 Astra、Sol、Luna 匹配到不同任务并管理预算 |
| 10-08 | 瓦解 AI 驱动的"虚假门面"操作 | 瓦解两个利用虚假记者和智库传播地缘政治信息的影响行动 |
| 10-07 | 帮助青少年学习、规划和塑造 AI 未来 | College Planner 即将上线 ChatGPT for Teens |
| 10-07 | Radisson Hotel Group 将酒店发现引入 ChatGPT | 与 Accenture 合作构建 ChatGPT 插件 |
| 10-07 | GPT-6 和 Intelligent UI 面向所有人 | GPT-6 全球推出 Intelligent UI，提供可视化交互体验 |
| 10-06 | Jump Trading 用 ChatGPT 扩展量化研究 | 长时间运行的 AI 工作流结合多数据源和人工审查 |
| 10-06 | 分享 AI 在数学领域的进展 | 发布内部前沿模型在数学开放问题上的新结果，并分享 Lean 形式化证明 |
| 10-06 | 与 Ironclad 推进计算机使用 | 在复杂合同工作流上训练和评估 AI 智能体 |
| 10-06 | Atlassian 与 OpenAI 扩大合作 | 将前沿模型与企业知识连接，帮助团队规划、构建和交付工作 |
| 10-05 | OpenAI 对 EU 文本溯源规则的方针 | 阐述文本水印在 EU 规则下的应用范围和检测方式 |
| 10-05 | 为人们使用 AI 的方式构建广告 | 在 ChatGPT 中引入新视觉广告格式并扩展测量工具 |
| 日期 | 来源 | 要点 |
|---|---|---|
| 10-16 | @OpenAI | 工程师 Ali 用 dot 在凌晨 3 点 triage on-call 事件，dot 调查问题并启动 Codex 线程 |
| 10-16 | @OpenAI | GPT-6 Astra Pro 升级：更快响应、改进插件/工具使用，多个 agent 可并行处理不同任务部分 |
| 10-15 | @OpenAI | GPT-Live-1.1 发布：新声音、更好口音、减少"checking…"，新增法语/德语/印地语/墨西哥西班牙语/韩语/日语 |
| 10-15 | @OpenAI | 向 Simons Foundation 新计划贡献 500 万美元，支持数学社区利用 AI |
| 10-14 | @OpenAI | EU 企业 AI 使用中超半数涉及 agent，小企业用户增长 8× |
| 10-09 | @OpenAI | dots 更新：可在 iOS/Android ChatGPT 应用中直接创建 dot |
| 10-08 | @OpenAI | Ultrafast 向 GPT-6.1 Sol 推出（API/Codex/ChatGPT Work），速度比 Sol Standard 快 8× |
| 10-07 | @OpenAI | GPT-6 和 Intelligent UI 向所有用户推出 |
| 10-07 | @OpenAI | ChatGPT for Teens 更新，预览 College Planner |
| 10-16 | @OpenAIDevs | Teri Yu 推荐 GPT-Live 的 prompt-to-voice 用法 |
| 10-16 | @OpenAIDevs | dot widgets 和 Action button 支持在 iOS 上线 |
| 10-16 | @OpenAIDevs | Python 和 Node.js SDK 中浏览器/计算机使用更易用 |
| 10-16 | @OpenAIDevs | 用户 RAC 用 Codex 基于 Polycam LiDAR 扫描在 Blender 中构建数字房屋 |
| 10-15 | @OpenAIDevs | 用户 Nick 的 dot 向搬家公司发送 60 条消息、填写报价表单、处理往返沟通 |
| 10-16 | @sama | Navier-Stokes 里程碑衬衫背面印有解题思维链的最后一行 |
| 10-16 | @sama | 转推 Nick 关于可解释性是最重要科学问题的观点 |
| 10-16 | @thsottiaux | "要么我们没点子了，要么我们在搞事情" |
| 10-15 | @thsottiaux | 第 11 天：大幅减少"所选模型已满载"中断，增加更多算力 |
| 日期 | 来源 | 要点 |
|---|---|---|
| 10-16 | @AnthropicAI | STEM Fellows 新成果：Claude Mythos 5 根据自然语言指令设计量子电路，部分超越最佳已发表方案达一个数量级 |
| 10-15 | @AnthropicAI | 承诺 500 万美元资金+算力+Claude 访问，与 Simons Foundation 合作支持数学社区 |
| 10-15 | @AnthropicAI | 向 @METR_Evals 团队提供员工级访问权限以评估安全实践 |
| 10-15 | @AnthropicAI | 开放两项新 Fellowship 申请：STEM Fellows 和 Conceptual Reasoning Fellows，1 月入职，截止 10/28 |
| 10-14 | @AnthropicAI | 开设新加坡办公室（亚太第五个），与新加坡政府签署 AI 安全 MOU |
| 10-13 | @AnthropicAI | 工程博客：自建源代码管理。5 月日合并约 2,500 次变更，9 月超 30,000 次，5 个月内从 git 完全迁移 monorepo |
| 10-12 | @AnthropicAI | 公布蒸馏防御进展，降低对 Claude 的蒸馏攻击效果 |
| 10-09 | @AnthropicAI | 发布更频繁的模型行为报告，描述 4 类评估中发现的非预期行为，均影响极小 |
| 10-08 | @AnthropicAI | 天体物理学家用 Claude Science 创建首张完整紫外天空图 |
| 10-08 | @AnthropicAI | 承诺 1.5 亿美元支持 Genesis Mission，Claude 技术支持覆盖 15+ 个联邦机构 |
| 10-07 | @AnthropicAI | Claude Haiku 5.5 发布：成本比 Haiku 4.5 低约 75%，速度更快 |
| 10-07 | @AnthropicAI | 扩大 Cyber Verification Program，安全专业人士可访问 Claude Mythos 5.1、Opus 5.5、Sonnet 5.5 |
| 10-07 | @mikeyk | Mike Krieger 介绍 Haiku 5.5：Opus 做重活、Haiku 做高量活 |
| 10-07 | @alexalbert__ | Haiku 4.5 发布于 2025-10-15，不到一年后 Haiku 5.5 大幅提升 |
| 10-07 | @alexalbert__ | Sonnet 5.5 缓存读取价格减半至 $0.10/百万 token |
| 10-16 | @bcherny | Claude Code 现对每轮对话 gzip 压缩，模型接收更快；云会话在你开始打字时即启动 |
| 10-16 | @bcherny | 推荐 Claude Slides 功能 |
| 日期 | 版本 | 要点 |
|---|---|---|
| 10-16 | v2.1.302 | 新增 CLAUDE_CODE_AUTO_MODE_MODEL 选择客户端 auto mode 分类器使用的模型 |
| 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限制重置过远时终止请求 |
| 10-14 | v2.1.300 | 新增 virtualText 到 mod 的 prompt 装饰：在提示框中绘制不进入草稿或提交的文本 |
| 10-14 | v2.1.299 | 新增 CLAUDE_CODE_DISABLE_FILE_MENTIONS 环境变量 |
| 10-09 | v2.1.296 | 新增 code key 到 Claude apps gateway 的 managed.policies[] |
| 日期 | 来源 | 要点 |
|---|---|---|
| 10-16 | @GoogleDeepMind | 4 个 Gemini 4 Argon agent 在 27 小时内从零通关 Minecraft：仅用代码和文本，写了 2,783 个程序，分工、共享笔记、共同调试，全程无人介入 |
| 10-16 | @GoogleDeepMind | 模型和工具帮助疾病检测、治疗和预防：从罕见遗传变异到药物发现 |
| 10-15 | @GoogleDeepMind | SynthID 被评为 TIME 2026 最佳发明之一，已为 1800 亿+ 图片/视频添加水印 |
| 10-15 | @GoogleDeepMind | WeatherNext 在飓风 Isaias 中是路径预测最准确模型，比传统物理模型更早锁定佛州走廊登陆 |
| 10-14 | @GoogleDeepMind | 与新加坡 GovTech 合作，用 Gemma 构建设备端欺诈检测 |
| 10-13 | Google Blog | Gemini 4 Argon 发布：面向最困难问题的模型 |
| 10-13 | @GoogleDeepMind | Gemini 4 安全报告和缓解措施概述 |
| 10-08 | @GoogleDeepMind | $1.5 亿投入 Genesis Mission |
| 10-07 | Google Blog | Playground：创建和游玩自定义游戏 |
| 10-15 | @OfficialLoganK | Google 将举办首届 "Bench Summit"，聚焦基准测试和模型评估 |
| 10-16 | @demishassabis | 转推：Gemini 4 Argon 用 11 小时在 Blender 中建造飞鸟时代日式塔 |
| 10-15 | @demishassabis | Gemini 4 Argon 在 Antigravity 向 Pro 订阅者推出 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-16 | Claude reveals ECDSA curve origins | HN 648 分 |
| 10-16 | 90% of US working hours are spent on tasks not covered well by AI benchmarks | HN 389 分 |
| 10-16 | How the Claude Code team does code review | HN 224 分 |
| 10-16 | Gemini 4 Argon plays StarCraft | HN 183 分 |
| 10-16 | Llama.cpp on a jailbroken PS5 | HN 182 分 |
| 日期 | 来源 | 要点 |
|---|---|---|
| 10-16 | @swyx | 推出 "High Taste Testers" 节目，顶级 AI 用户对比实际效果 |
| 10-15 | @simonw | Anthropic 告知投资者蒸馏占收入 5-7%，按 Q2 收入 $11.5B 计算超过 5 亿美元 |
| 10-13 | @gdb | GPT-5.6 Sol 用 6 天 $40,000 算力找到 Chrome 关键漏洞，获 Google 2026 年首个 full-chain 悬赏 $250,000 |
| 10-11 | @karpathy | 重申 AI 能力认知差距正在扩大：约 60 亿人几乎未接触 LLM，约 2000 万人在数学/代码领域感受到 agent 的颠覆性 |
[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]
本期有大量新模型进入榜单，以及若干排名变化。
新进入模型（节选）：
| 模型 | 排名 | 分数 |
|---|---|---|
| Gemini 4 Argon (High) | 1 | 1523.9 |
| Muse Wonder (Max) | 2 | 1508.9 |
| Claude Opus 5.5 (High) | 3 | 1508.2 |
| Claude Fable 5 (High) | 4 | 1503.6 |
| Claude Opus 4.6 (High) | 5 | 1503.1 |
| Claude Fable 5.1 (Max) | 6 | 1502.3 |
| Claude Opus 4.7 (High) | 7 | 1501.1 |
| Gemini 3.8 Flash (High) | 9 | 1496.4 |
| Muse Spark 1.3 (Max) | 10 | 1494.4 |
| Claude Opus 4.6 | 8 | 1497.2 |
| Claude Opus 4.7 | 11 | 1493.6 |
| Muse Spark 1.2 (xHigh) | 12 | 1493.1 |
| Muse Spark 1.1 | 13 | 1490.2 |
| Claude Opus 5 (Max) | 14 | 1490.0 |
| Claude Opus 5 (High) | 15 | 1489.9 |
| Muse Spark | 16 | 1489.0 |
| Gemini 3.7 Flash (High) | 17 | 1487.6 |
| Kimi K3 (Max) | 18 | 1487.1 |
| Gemini 3.1 Pro Preview | 19 | 1486.9 |
| Gemini 3 Pro | 20 | 1485.5 |
排名/分数变化（节选）：
| 模型 | 变化 | 前排名 → 现排名 | 前分数 → 现分数 |
|---|---|---|---|
| GLM-5.2 Max | ↑ | 34 → 32 | 1475.5 → 1475.9 |
| Grok 4.1 Thinking | ↑ | 54 → 53 | 1465.0 → 1465.2 |
| GPT-6 Sol Max | ↑ | 63 → 61 | 1458.3 → 1459.0 |
| Grok 4.6 High | ↓ | 70 → 73 | 1455.0 → 1454.5 |
| Gemini 3.5 Flash Medium | ↓ | 32 → 33 | 1475.8 → 1475.7 |
| GPT-5.2 Chat Latest | ↓ | 33 → 34 | 1475.6 → 1475.6 |
[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]
本期有 4 项排名变化（分数未变，排名互换）：
| 模型 | 变化 | 前排名 → 现排名 |
|---|---|---|
| Claude 4 Sonnet + o4-mini | ↑ | 10 → 9 |
| GPT-5 | ↓ | 9 → 10 |
| Claude 3.5 Haiku | ↑ | 34 → 33 |
| LLama 3.1 70B Critic | ↓ | 33 → 34 |
当前 Top 3（分数未变）：
| 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 |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
Gemini 4 Argon 四智能体 27 小时通关 Minecraft：4 个 agent 在沙箱中仅用代码和文本协作，自写 2,783 个程序、分工、共享笔记、共同调试，全程无人类介入即击败末影龙。这是多智能体自组织协作能力的有力证据——不再仅是单模型推理能力提升，而是多个 agent 能自主形成分工并完成复杂长期任务。
GPT-6 Astra Pro 多智能体并行上线：OpenAI 在 ChatGPT Pro 中向 GPT-6 Astra Pro 推出多 agent 并行处理不同任务部分的功能，用户可追踪每个 agent 进度并审查完成结果。这标志着并行 agent 编排从实验阶段进入消费级产品。
Anthropic 蒸馏收入占比 5-7%（按 Q2 $11.5B 收入计超 5 亿美元）：Simon Willison 引用 FT 报道指出，其他实验室花费超 5 亿美元蒸馏 Anthropic 模型，同时 Anthropic 近期公布了蒸馏防御进展。蒸馏已成可观收入来源，防御与开放之间的张力将持续。