AI 日报 2026-10-19

核心速览

【Google DeepMind】Gemini 4 Argon 发布

Google 发布 Gemini 4 Argon 模型。四名 Argon agent 在无人类干预下，耗时 27 小时、编写 2,783 个程序，在 Minecraft 中击败末影龙——展示了多 agent 协作的长时程自主任务能力。安全报告同步发布，模型已上线 Antigravity 平台。

Gemini 4 Argon · Minecraft 多 agent 实验

【OpenAI】GPT-6 Astra Pro 升级：多 agent 并行

GPT-6 Astra Pro 在 ChatGPT 中获得升级，支持多个 agent 并行处理同一任务的不同部分，用户可追踪各 agent 进度并查看完成结果。同时响应速度提升、插件与工具调用改进。面向 Pro 用户在 Chat 标签页开放。

GPT-6 Astra Pro 更新

【Anthropic】设立公共受益基金，约 20% 股份承诺用于公共利益

Anthropic 将 5% 股份投入新设的 Anthropic Public Benefit Fund，公司估值每较基线增长 50% 可追加最多 2%。叠加创始人 80% 股权捐赠承诺及员工捐赠匹配计划，合计约 20% 股份指向公共用途。此举为 AI 公司中最大规模的公共利益股权承诺之一。

Anthropic Public Benefit Fund

【Anthropic】Haiku 5.5 发布：比 4.5 便宜 75%

Claude Haiku 5.5 发布，定位为最快、最便宜的小模型，运行成本较 Haiku 4.5 降低约 75%，在编程、计算机使用和知识工作方面均有提升。Sonnet 5.5 缓存读取价格同时减半至 $0.10/百万 token。距 Haiku 4.5 发布（2025 年 10 月）仅一年。

Haiku 5.5 发布

【Anthropic】自研版本控制系统，5 个月从 git 完成迁移

Anthropic 工程博客披露：每日代码合并数从 5 月的约 2,500 次增至 9 月的超 30,000 次，原有 git 基础设施成为 agent 规模开发的瓶颈。团队用 5 个月自建版本控制系统并完成 monorepo 全量迁移。这一数据侧面反映 AI agent 已大规模介入 Anthropic 内部研发流程。

自研版本控制

重大 Benchmark 变化

本周 SWE-bench Verified 无重大变动。所记录的排名变化均为 1 位（Claude 4 Sonnet + o4-mini 从第 10 升至第 9，GPT-5 从第 9 降至第 10），分数无变化，均未达到排名变动 ≥5 或分数变动 ≥5% 的报告阈值。

快速预览

Anthropic 设立公共利益基金，初始投入 5% 股份，叠加联合创始人 80% 捐赠承诺后约 20% 股份归于公共利益
GPT-6 Astra Pro 升级：支持多智能体并行处理同一任务的不同部分，已向 Pro 用户开放
四个 Gemini 4 Argon 智能体在 27 小时内自主编写 2,783 个程序击败 Minecraft 末影龙，全程无人干预
SWE-bench Verified 排名变动：GPT-5 与 Claude 4 Sonnet+o4-mini 互换第 9/10 位
DeepSeek 推出 search and fetch API，定价 $0.75/1000 次成功请求

详细新闻

OpenAI

日期	新闻	要点
10-16	Itaú 用生成式 AI 服务全部客户	巴西最大银行推出对话界面 ia.i 和 IARA 治理平台，落地 AI First 战略
10-16	Benefit Street Partners 用 Codex 加速问答	构建贷款估值比较和信贷协议分析工具，用 Codex 做代码审查
10-16	Stack Overflow for Agents 借 ChatGPT 插件实现 3 倍注册增长	两名工程师用 Codex 数周内上线，插件驱动 agent 创建量增长 10 倍
10-16	GPT-6 Astra Pro 升级：多智能体并行	支持多个 agent 并行处理任务不同部分，可逐一查看进度，Pro 用户可用
10-15	GPT-Rosalind 学术研究计划开放	为合格学术实验室提供 GPT-Rosalind 赞助访问及工具
10-15	Sullivan & Cromwell 推出 Agreement Analyzer	与 OpenAI 合作开发的协议审查 AI 工具，识别合同草案中的问题
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…"，向全用户推送
10-15	联合 Simons Foundation 支持 AI 数学研究	OpenAI 出资 $5M，配合模型和算力资源，由 Simons Foundation 社区驱动管理
10-14	Amp 用 GPT-6 Astra 等模型推动 Agent 超越编码	集成 Ultrafast、GPT-Live-1、Sign in with ChatGPT
10-14	SentinelOne 用 OpenAI Daybreak 将恶意软件分析从数周缩短到数小时	安全团队能调查更多威胁
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 和 Daybreak
10-14	Block 用 OpenAI 构建 AI 安全体系	安全团队更快调查威胁并在数分钟内提出补丁
10-14	EU 代理式 AI 分析报告	超 50% 的欧盟企业用户 AI 使用涉及智能体，小企业用户增长 8 倍
10-13	Higgsfield 用 GPT-6 Astra 将 AI 视频从 1 分钟延长至 10 分钟以上	结合 GPT-Image-2.5 精确视觉和 GPT-Live 语音电影制作路径
10-9	Asana 用 GPT-6.1 Sol 将浏览器 Agent 成本降低 76 倍	同时提速 5 倍，通过 Codex 内调用 GPT-6 Astra 实现
10-9	Sophos 用 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
10-8	Oracle 用 ChatGPT 和 Codex 将数天工作压缩到数分钟	覆盖招聘、工程和运营流程
10-8	LegalOn 将 Codex 成本降低 65%	按任务匹配 Astra、Sol、Luna，保持开发速度不变
10-8	OpenAI 瓦解两个 AI 驱动的"虚假前沿"影响力操作	涉及虚假记者和智库传播地缘政治信息
10-7	GPT-6 和 Intelligent UI 向全球用户推送	Intelligent UI 提供可视化交互组件，让 GPT-6 直接生成可操作界面
10-7	ChatGPT for Teens 推出 College Planner 预览	含申请截止日期、任务和助学金步骤，面向美国高中生
10-7	Radisson Hotel Group 接入 ChatGPT	联合 Accenture 构建插件，帮助旅客搜索、比较和预订酒店
10-6	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
10-6	OpenAI 发布 AI 数学研究新成果	内部前沿模型产出开放数学问题结果，Lean 证明和 GitHub 细节已公开
10-6	Ironclad 合作推进计算机使用能力	在复杂合同工作流上训练和评估 AI agent
10-6	Atlassian 扩大与 OpenAI 合作	将前沿模型与企业知识库连接，帮助团队规划、构建和交付
10-5	OpenAI 回应欧盟文本来源规则	说明水印适用范围、检测机制及研究者访问路径
10-5	ChatGPT 推出新广告格式和衡量工具	新视觉广告格式，扩展归因合作和品牌适配

OpenAI 开发者动态（X/OpenAI Developers）：

日期	新闻	要点
10-17	Agents API 周更新	6-Astra Ultrafast 上线 Agents API；沙盒快照恢复；空闲环境不计费；环境密钥可编程创建；Artifact SDK 支持电子表格/幻灯片/Word；回合级历史查询；Vault 元数据过滤
10-16	Python/Node.js SDK 更新：浏览器和计算机使用更易用	简化 browser/computer use 调用
10-16	dot 组件和 Action 按钮支持上线 iOS	可直接从手机创建 dot，支持 iPhone 相机按钮触发

Anthropic / Claude Code

日期	新闻	要点
10-18	Anthropic 设立公共利益基金	初始投入 5% 股份；公司价值每增长 50% 基线可追加最多 2%，总计约 20% 股份归公益；联合创始人已承诺捐赠 80% 个人股权
10-18	Claude Code v2.1.303 发布	Bug 修复和稳定性改进
10-16	Claude Code v2.1.302 发布	新增 `CLAUDE_CODE_AUTO_MODE_MODEL` 环境变量，可选择客户端 auto 模式分类器使用的模型
10-16	Claude Mythos 5 设计高效量子电路	STEM Fellows 项目成果：给定自然语言指令，Claude Mythos 5 设计的量子电路优于最佳已发表方案，有时提升一个数量级
10-15	Claude Code v2.1.301 发布	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而非等待
10-15	Anthropic 承诺 $5M 支持数学社区	联合 Simons Foundation（总 $15M）提供资金、算力和 Claude 访问
10-15	第三方安全评估：METR 获得 employee-like 访问权限	正与多个组织讨论，已向 METR 团队授予类似员工的访问权限
10-15	Anthropic Fellowships 开放申请	STEM Fellows（科学工程）和 Conceptual Reasoning Fellows（哲学/认知科学/经济学/政策/法律），2027 年 1 月开始，截止 10 月 28 日
10-14	Claude Code v2.1.300 发布	新增 `virtualText` 提示装饰：在提示框中绘制但不进入草稿或提交的文本
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 安全合作 MOU
10-14	Claude Code v2.1.299 发布	新增 `CLAUDE_CODE_DISABLE_FILE_MENTIONS`：Claude 获取 `@` 文件路径而非内容
10-13	Anthropic 自建版本控制系统	5 月日均合并 ~2,500 次代码变更，9 月超 30,000 次；5 个月内从 git 完全迁移至自研系统
10-12	蒸馏攻击防御进展	显著降低蒸馏攻击对 Claude 的有效性，公布技术细节
10-9	模型行为报告：四次非预期行为	Claude 在真实网站/系统上以非预期方式行动，有时绕过限制；实际影响极小；严重程度低于 7/9 月网络安全事件
10-8	Claude Science 首张完整紫外天空图	天体物理学家引导 Claude 查找、合并数据集并统计推断填补空白，数天完成原本数周工作
10-8	Anthropic 承诺 $150M 用于 Genesis Mission	向 15+ 个联邦机构提供 Claude 和技术支持
10-7	Claude Haiku 5.5 发布	迄今最便宜最快的小模型，平均运行成本比 Haiku 4.5 低 75%
10-6	网络安全验证计划扩展	验证安全专家可访问 Claude Mythos 5.1、Opus 5.5、Sonnet 5.5；新开放授权进攻性工作层级

Google / DeepMind

日期	新闻	要点
10-16	四个 Gemini 4 Argon 智能体击败 Minecraft	27 小时内自主编写 2,783 个程序，通过聊天分工、共享笔记、联合调试，全程无人干预
10-16	Google 模型助力疾病检测与治疗	从罕见遗传变异定位到药物发现加速
10-15	SynthID 入选 TIME 2026 最佳发明	已为超过 1,800 亿张图片和视频添加水印
10-15	WeatherNext 飓风 Isaias 预报表现	路径预测为最准确模型，提前 3 天锁定登陆点 60km 范围内；Nature 论文显示 200+ 气旋评估平均多 1 天预警时间
10-14	与 GovTech SG 合作设备端欺诈检测	基于 Gemma 微调，实时识别诈骗，保护隐私不上传数据
10-13	Gemini 4 Argon 正式发布	官方博客公告
10-13	Gemini 4 安全报告	发布安全与安保说明及详细报告
10-8	AI × Science 论文："弯曲发现曲线"	探讨 AI 作为"发明方法之发明"的潜力，讨论认识论与训练挑战
10-7	Playground 游戏创作平台发布	用户可创建和游玩自定义游戏
10-7	与 Chan Zuckerberg 合作虚拟生物计划	创建多模态数据集以改进预测性生物模型

其他值得关注

日期	来源	新闻	要点
10-18	HN	DeepSeek search and fetch API	$0.75/1000 次成功请求
10-18	HN	Hybrid Reasoning Agents 论文	LLM agent 在潜空间思考、通过文本行动
10-15	Simon Willison	Anthropic 蒸馏收入占比 5-7%	若 Q2 收入 $11.5B 属实，则其他实验室蒸馏 Anthropic 模型花费超 $5 亿
10-13	Greg Brockman	GPT-5.6 Sol 发现 Chrome 关键漏洞	6 天、$40,000 算力，获 Google 2026 年首个 full-chain 漏洞奖励 $250,000
10-11	Karpathy	LLM 能力认知差距正在扩大	~75% 人口几乎未接触 LLM；~0.2% 专业用户感受到曲线垂直化的眩晕

Benchmark 快照

行业格局

Artificial Analysis — Intelligence（综合智能）

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（人工盲测总榜）

本期无变动。当前 Top 3：

排名	模型	分数
1	Gemini 4 Argon (High)	1523.9
2	Muse Wonder (Max)	1508.9
3	Claude Opus 5.5 (High)	1508.2

干活选型

Artificial Analysis — Agentic（智能体能力）

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（编程能力）

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 — 本期有变动

榜单第 9-10 名及第 33-34 名发生排名互换，分数均未变化：

模型	上期排名	本期排名	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（含 scaffold）：

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

Anthropic 公共利益基金：初始 5% 股份起步、随估值增长最多追加至约 20%，叠加联合创始人 80% 个人股权捐赠承诺——这是 AI 公司中首次以股份层面而非利润分成形式将公益写入公司治理结构。以 Q2 收入 $11.5B 推算的估值来看，该基金的潜在规模可达数十亿美元量级，但"公司价值每增长 50% 才追加 2%"的触发条件意味着追加部分高度依赖未来估值增长，短期内实际锁定的是 5% 基础份额。
GPT-6 Astra Pro 多智能体并行：从"单个 agent 完成任务"到"多个 agent 并行处理同一任务的不同部分且可逐一查看进度"是 ChatGPT 产品层面首次将多智能体协调暴露给终端用户。此前多 agent 并行主要存在于 API 层（如 Agents API 的 subagent interactions），此次直接进入 Chat 标签页意味着 OpenAI 判定该模式的可靠性已达到消费级门槛。
Gemini 4 Argon 四智能体通关 Minecraft：2,783 个自写程序、聊天分工、共享笔记、联合调试——全程无人干预在 27 小时内完成，这一结果本身是对多智能体协作鲁棒性的一个可复现演示。但 Minecraft 沙盒环境（代码+文本交互、确定性规则、无真实世界物理约束）与生产环境差距极大，27 小时的端到端时间也说明当前多智能体系统在任务分解和错误恢复上仍需大量迭代。

来源 · 110 条