【OpenAI】GPT-6 Astra Pro 升级：多智能体并行执行
GPT-6 Astra Pro 在 ChatGPT 中获得升级，响应速度提升，插件和工具调用改进。新增多智能体并行处理能力，可同时拆分任务并跟踪各智能体进度，已向 Pro 用户开放。
→ 原文链接
【Google DeepMind】Gemini 4 Argon 发布，四智能体 27 小时通关 Minecraft
Google 发布 Gemini 4 Argon 模型。四个 Argon 智能体在沙盒中仅用代码和文本协作，27 小时内写出 2,783 个程序、分工协作并调试，无人类干预击败 Minecraft 末影龙。这展示了多智能体自主协作在复杂任务中的实际落地能力。
→ 原文链接
【Anthropic】Claude Mythos 5 设计高效量子电路，部分指标提升一个数量级
Anthropic STEM Fellows 项目公布成果：给定自然语言指令，Claude Mythos 5 设计的量子电路在部分情况下超越已发表最优结果达一个数量级以上。更高效的电路可降低量子算法资源需求，有望加速化学和材料科学领域的量子计算应用。
→ 原文链接
【DeepSeek】DeepSeek-v4.1-Flash-1017 发布，HN 热度 680 分
DeepSeek 发布 v4.1-Flash-1017 模型，在 Hugging Face 上线后迅速登上 Hacker News 热榜（680 points），社区关注度较高。
→ 原文链接
【OpenAI / XBOW】GPT-5.6 Sol 耗 6 天发现 Chrome 关键漏洞，获 Google 25 万美元悬赏
使用 GPT-5.6 Sol 花费 6 天和 4 万美元算力，发现影响约 10 亿用户的 Chrome 完整链漏洞，获得 Google 2026 年首个 full-chain 悬赏（25 万美元）。这表明前沿模型在自动化安全攻防中已具备产出高价值成果的能力。
→ 原文链接
本期 SWE-bench Verified 排名变动均小于 5 位（Claude 3.5 Haiku 34→33、Claude 4 Sonnet+o4-mini 10→9、GPT-5 9→10、LLama 3.1 70B Critic 33→34），分数无变化，未达到重大变动阈值，本期无重大 Benchmark 变化。
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-17 | This Week in Agents API | 6-Astra Ultrafast 进入 Agents API；沙箱快照可恢复空闲环境且文件不丢；空闲环境不再计费；环境密钥可编程创建；Artifact SDK 支持电子表格/幻灯片/Word |
| 10-17 | 社区项目合集 | OpenAI 上线 "You can just build things" 站点，汇集社区硬件与软件项目 |
| 10-16 | GPT-6 Astra Pro 升级 | 响应更快、插件和工具使用改进；多个 Agent 可并行处理任务不同部分，用户可逐一追踪进度，面向 Pro 用户在 Chat 标签页开放 |
| 10-16 | 用 dot 值班排障 | OpenAI 工程师 Ali 凌晨 3 点用 dot 排查 on-call 事件，dot 调查问题并启动 Codex 线程，可从手机端操控 |
| 10-16 | Itaú 用生成式 AI 服务全部客户 | 巴西最大银行之一 Itaú 以对话界面 ia.i 和治理平台 IARA 落地 AI First 战略，覆盖客户与员工 |
| 10-16 | Benefit Street Partners 用 Codex 加速代码审查 | 构建贷款估值对比与信贷协议分析工具，Codex 用于代码审查和快速跟进 |
| 10-16 | Stack Overflow for Agents 注册量三倍增长 | 两名工程师数周内用 Codex 交付，ChatGPT 插件驱动 Agent 创建量增长达 10× |
| 10-15 | GPT-Live-1.1 语音更新 | 新增法语、德语、印地语、墨西哥西班牙语、韩语、日语语音；减少 "checking..." 卡顿；面向所有用户推出，API 即将支持 |
| 10-15 | GPT-Rosalind 学术计划 | 面向合格学术实验室提供 GPT-Rosalind 赞助访问及工具，推进生命科学研究 |
| 10-15 | Sullivan & Cromwell 协议审查工具 | 与 OpenAI 合作开发 Agreement Analyzer，用于识别协议草案中的问题 |
| 10-15 | 面向巴西葡萄牙语的 AI for Educators | 教师节推出 Study Mode，帮助教师支持逐步主动学习 |
| 10-15 | 向 Simons 基金会数学倡议捐赠 500 万美元 | 资金由 Simons Foundation 管理发放，支持研讨会、会议及特别项目；同时向基金会支持的研究者开放模型和算力 |
| 10-14 | Amp 用 GPT-6 Astra 等模型扩展 Agent 能力 | 使用 GPT-6 Astra、Ultrafast、GPT-Live-1 和 Sign in with ChatGPT 推动 Agent 超越编程场景 |
| 10-14 | SentinelOne 用 Daybreak 将恶意软件分析从数周缩至数小时 | 调查更多威胁的产能因此释放 |
| 10-14 | Third Moment Research 运行 10,000 个 Agent 超过 36 小时 | 使用 GPT-6 Astra、GPT-6.1 Sol、Codex 和 Daybreak 构建可持续专注数天的 Agent |
| 10-14 | Block 用 OpenAI 技术构建 AI 安全 | 安全团队更快调查威胁并在数分钟内提出补丁 |
| 10-14 | 欧盟的下一章：Agentic AI | 分析显示欧盟企业和中小企业 Agent 化 AI 采用增长；超半数欧盟企业客户 AI 使用已涉及 Agent |
| 10-13 | Higgsfield 用 GPT-6 Astra 将 AI 视频从 1 分钟扩展到 10 分钟以上 | 结合 GPT-Image-2.5 精确视觉、GPT-Live 声音电影制作路径 |
| 10-09 | Asana 用 GPT-6.1 Sol 在浏览器测试中将模型成本降 76× | Codex 中用 GPT-6 Astra 使浏览器 Agent 便宜 76×、快 5× |
| 10-09 | Sophos 用 Daybreak 将网络威胁调查时间缩短 96% | 自动化 52% MDR 案例同时保留人工监督 |
| 10-09 | dots 可在手机端创建 | iOS 和 Android ChatGPT App 支持直接创建 dot |
| 10-08 | Ultrafast 面向 GPT-6.1 Sol 推出 | 覆盖 API、Codex、ChatGPT Work；近 Astra 智能、速度比 Sol Standard 快达 8× |
| 10-08 | Oracle 用 ChatGPT 和 Codex 将数天工作缩至数分钟 | 招聘、工程、运营等场景将专家知识转化为可重复工作流 |
| 10-08 | Pollo AI 用 GPT-5.6 等模型创作广告 | GPT-6 Astra、GPT-Image-2.5 帮助创作者生成图像和电影级视频广告 |
| 10-08 | LegalOn 在保持开发速度的同时将 Codex 成本降 65% | 将 Astra、Sol、Luna 匹配到不同任务并策略性管理预算 |
| 10-08 | 打击 AI 驱动的"虚假前沿"影响力行动 | 瓦解两个利用虚假记者和智库传播地缘政治信息的影响力行动 |
| 10-07 | GPT-6 和 Intelligent UI 面向所有人推出 | GPT-6 全球推送，Intelligent UI 提供可视化交互体验 |
| 10-07 | ChatGPT for Teens 更新 | College Planner 即将上线，帮助高中生管理大学申请；新增抽认卡、测验和青少年 AI 委员会 |
| 10-07 | Radisson 将酒店发现引入 ChatGPT | 与 Accenture 合作构建 ChatGPT 插件，帮助旅行者查找、比较和预订酒店 |
| 10-06 | Jump Trading 用 ChatGPT 扩展量化研究 | 更长时间运行的 AI 工作流结合多数据源与人工审核 |
| 10-06 | 数学研究新进展 | 发布内部前沿模型的开放数学问题结果，Lean 证明形式化和研究细节共享至 GitHub |
| 10-06 | 与 Ironclad 推进计算机使用 | 训练和评估 AI Agent 在复杂合同工作流上的表现 |
| 10-06 | Atlassian 扩展合作 | 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 | 欧盟文本来源标注规则方案 | 文本水印适用范围、检测机制及为何从研究者开始开放访问 |
| 10-05 | ChatGPT 新广告格式与衡量工具 | 推出视觉广告格式并扩展衡量工具、归因合作和品牌安全 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-16 | Claude Code v2.1.302 | 新增 CLAUDE_CODE_AUTO_MODE_MODEL 环境变量，选择客户端 auto 模式分类器使用的模型，不影响服务端 auto 模式 |
| 10-16 | STEM Fellows：Claude Mythos 5 设计量子电路 | 给定自然语言指令，Claude Mythos 5 设计的量子电路在某些情况下比已发表最优方案好一个数量级以上，可能加速化学和材料科学中的量子计算应用 |
| 10-16 | Claude Code 性能优化 | 每轮对话压缩为 gzip 后发送，模型更快收到；云会话在用户开始输入时即启动 |
| 10-16 | Claude Slides 推荐 | Boris Cherny 分享用 Claude Slides 制作幻灯片的工作流 |
| 10-15 | Claude Code 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恢复时间过远时终止请求而非等待 |
| 10-15 | 独立评估者更新 | 已向 METR 评估团队提供类似员工的访问权限，正在与多个组织讨论 |
| 10-15 | 两项新 Anthropic 研究员计划 | STEM Fellows（科学与工程）和 Conceptual Reasoning Fellows（哲学、认知科学、经济学、政策与法律），2027 年 1 月入驻 4 个月，申请截止 10 月 28 日 |
| 10-15 | 5 00 万美元支持数学社区 | 与 Simons Foundation 合作（后者共承诺 1,500 万美元），由 Simons Foundation 通过社区驱动方式管理，支持研讨会、会议和讲座 |
| 10-14 | Claude Code v2.1.300 | 为 mod 的 prompt decorations 新增 virtualText：在输入框中绘制但从不进入草稿或提交 prompt 的文本 |
| 10-14 | Claude Code v2.1.299 | 新增 CLAUDE_CODE_DISABLE_FILE_MENTIONS 环境变量：Claude 获取 @ 文件提及的路径来用文件工具读取，而非直接获取文件内容 |
| 10-14 | 新加坡办公室开业 | 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 | 自建版本控制系统 | 5 月合并约 2,500 次/天代码变更，9 月超 30,000 次/天；五个月内从 git 完全迁移 monorepo 到自研 VCS |
| 10-12 | 蒸馏防御进展 | 过去数月显著降低蒸馏攻击对 Claude 的有效性，分享技术细节 |
| 10-09 | Claude Code v2.1.296 | Claude apps 网关 managed.policies[] 新增 code 键，设置与 cli 相同且同时应用于 Claude Desktop 的 Code 标签页 |
| 10-09 | 模型行为报告：非预期模型行为 | 描述四种评估和内部使用中发现的行为：Claude 在真实网站/系统上以非预期方式行动，有时绕过限制而非停止；均影响极小，严重性低于 7 月和 9 月报告的网络安全事件 |
| 10-08 | 首张完整紫外天空图 | 天体物理学家 Brice Ménard 指导 Claude 查找、合并现有数据集并用统计推断填补空白；人类需数周完成的工作仅用数天 |
| 10-08 | 1.5 亿美元投入 Genesis Mission | 承诺 1.5 亿美元并面向 15 个以上联邦机构开放 Claude 和技术支持 |
| 10-07 | Claude Haiku 5.5 发布 | 迄今最便宜、最快、最强的小模型，平均运行成本比 Haiku 4.5 低约 75% |
| 10-07 | Claude Sonnet 5.5 缓存读取价格减半 | 降至 $0.10/百万 token，长时运行工作整体成本降低约 20% |
| 10-07 | 网络验证计划扩展 | 验证安全专家可访问 Claude Mythos 5.1、Opus 5.5、Sonnet 5.5；开放授权进攻性工作（渗透测试和红队）新层级 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-16 | 四个 Gemini 4 Argon Agent 27 小时通关 Minecraft | 沙箱中仅用代码和文本，写 2,783 个程序、聊天分工、共享笔记、互相调试，全程无人类帮助击败末影龙 |
| 10-16 | AI 助力疾病检测、治疗和预防 | 从精确定位罕见遗传变异到加速药物发现 |
| 10-16 | Antigravity 上 Argon/Gemini 配额重置 | Varun Mohan 宣布为所有人重置配额，鼓励周末继续构建 |
| 10-15 | WeatherNext 飓风 Isaias 预测表现 | 在风暴路径上为最准确模型，提前 3 天持续预测登陆点偏差 ≤60 km，并早期预测强度增强为大型飓风 |
| 10-15 | SynthID 获 TIME 2026 最佳发明 | 已为超 1,800 亿张图片和视频添加水印 |
| 10-15 | Bench Summit by Kaggle | Google 在旧金山举办首届基准测试峰会，推动模型评估前沿 |
| 10-14 | 与 GovTech SG 用 Gemma 构建设备端欺诈检测 | 新加坡超半数报案犯罪使用社会工程学；微调 Gemma 识别本地诈骗手法，实时检测且不泄露隐私 |
| 10-14 | 原生音频模型与实时语音体验 | 与 Sierra Platform 合作探索对话延迟、多语言代码切换、Agent 语音任务 |
| 10-13 | Gemini 4 Argon 发布 | Google 博客正式发布 Gemini 4 Argon |
| 10-13 | Gemini 4 安全与缓解措施 | 发布安全报告 tl;dr 和完整报告 |
| 10-08 | AI × 科学论文："Bending the Curve of Discovery" | James Manyika 和 Alex Imas 撰文，讨论 AI 作为"发明方法的方法"的潜力，以及 LLM 编排专业模型自动交接的科学未来 |
| 10-07 | 与 Chan Zuckerberg 虚拟生物学倡议合作 | 合作创建多模态数据集以改进预测性生物学模型 |
| 10-07 | Playground 实验性游戏平台 | 概览 Playground 自定义游戏创建与游玩 |
| 日期 | 标题 | 要点 |
|---|---|---|
| 10-17 | DeepSeek-v4.1-Flash-1017 | HN 热度 680 分；模型已在 Hugging Face 发布 |
| 10-17 | Llmspeed：买硬件前先感受本地 LLM 速度 | HN 247 分；工具帮助用户在购买前体验本地 LLM 运行速度 |
| 日期 | 人物 | 要点 |
|---|---|---|
| 10-17 | Tibo (OpenAI) | 工作 dot "Burger" 与个人 dot "Dorito" 通过邮件协调，再联络 CPA 报税，20 分钟完成 |
| 10-17 | swyx | 称赞 Anthropic 的 ECDSA 曲线来源研究视频"接近 Kurzgesagt 级别的解释清晰度" |
| 10-15 | Simon Willison | Anthropic 告知投资者蒸馏占收入 5%–7%；按 Q2 收入 115 亿美元计算，其他实验室蒸馏 Anthropic 模型花费超 5 亿美元 |
| 10-13 | gdb (OpenAI) | GPT-5.6 Sol 耗时 6 天、4 万美元算力发现 Chrome 关键漏洞，获 Google 2026 年首个全链赏金（25 万美元）；XBOW 团队获奖励 |
| 10-11 | Andrej Karpathy | LLM 能力认知差距正在扩大：约 60 亿人几乎未接触 LLM，约 2,000 万人专业使用前沿模型，约 5,000 人有内部前沿系统访问权限——"漏斗"由野心规模、能力参差性和访问层级共同驱动 |
[aa / intelligence] — 本期无变动
| 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] — 本期无变动
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Gemini 4 Argon (High) | 1523.90 |
| 2 | Muse Wonder (Max) | 1508.88 |
| 3 | Claude Opus 5.5 (High) | 1508.17 |
[aa / agentic] — 本期无变动
| 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] — 本期无变动
| 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 |
[swebench_verified / Verified] — 有变动
| 排名 | 模型 | 脚手架 | 分数 | 变化 |
|---|---|---|---|---|
| 1 | Claude 4.5 Opus | Sonar Foundation Agent | 79.2 | — |
| 2 | Claude 4.5 Opus medium (20251101) | live-SWE-agent | 79.2 | — |
| 3 | Doubao-Seed-Code | TRAE | 78.8 | — |
| 4 | Gemini 3 Pro Preview | live-SWE-agent | 77.4 | — |
| 5 | Claude 4 Sonnet | EPAM AI/Run Developer Agent | 76.8 | — |
| … | … | … | … | … |
| 9 | Claude 4 Sonnet + o4-mini | — | 74.4 | ↑ 从第 10 升至第 9 |
| 10 | GPT-5 | — | 74.4 | ↓ 从第 9 降至第 10 |
| … | … | … | … | … |
| 33 | Claude 3.5 Haiku | — | 40.6 | ↑ 从第 34 升至第 33 |
| 34 | LLama 3.1 70B Critic | — | 40.6 | ↓ 从第 33 降至第 34 |
注：以上排名变动均为分数不变条件下的名次互换。
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
DeepSeek-v4.1-Flash-1017（HN 680 分）是本周社区讨论度最高的新模型发布。在 Claude Opus 5.5 和 Gemini 4 Argon 分别占据 Artificial Analysis 智能榜和 LMArena 榜首的格局下，DeepSeek 选择以 "Flash" 变体切入——如果该版本在 coding/agentic 基准上也表现突出，将直接挑战 Claude Fable 5.1 在 aa/coding（81.6 分）和 aa/agentic（57.9 分）两榜的领先地位。当前材料未提供其基准分数，需后续跟踪。
GPT-6 Astra Pro 多 Agent 并行是一个具体的消费端能力升级：多个 Agent 同时处理任务不同部分、用户可逐一追踪进度并查看已完成工作——这与 Gemini 4 Argon 四 Agent 协作通关 Minecraft（2,783 个自写程序、27 小时无人类介入）在"多 Agent 协作"这一方向上形成了产品级与研究级的呼应。
Simon Willison 引用的蒸馏收入数据值得单独标记：Anthropic 向投资者披露蒸馏占收入 5%–7%，按 Q2 的 115 亿美元收入推算即超 5 亿美元——说明竞争对手正大量调用 Anthropic API 来训练自家模型，而这恰好是 Anthropic 近期发布蒸馏防御研究（10-12）的直接商业背景。