【Google DeepMind】Gemini 4 Carbon 发布，登顶 Artificial Analysis V5 Google DeepMind 发布新前沿模型 Gemini 4 Carbon，宣称在网络安全和长程任务上达到 SOTA。据 Logan Kerrigan 透露，Carbon 在 Artificial Analysis V5 排名 #1；在 APEX-Agents 基准上以 84.2% Pass@1 / 90.4% 均分登顶，管理咨询 91.9%、投行 86.9% 均为 #1。距 Argon 发布仅两周，Carbon 在多个维度显著超越前代。 Gemini 4 Carbon 发布
【Anthropic】提交 S-1 注册声明，正式启动 IPO 进程 Anthropic 已向 SEC 提交 S-1 注册声明，与拟议 IPO 相关。注册声明尚未生效，证券暂不可出售。这是 Anthropic 作为公益公司以来的首次公开募股动作。同期 HN 出现两篇高热度讨论帖（139 points），分别质疑其增长放缓和呼吁 SEC 阻止 IPO。 Anthropic S-1 提交
【OpenAI】LifeVal 基准发布：衡量 AI 完成日常任务的能力 OpenAI 发布 LifeVal 基准，基于数千名 ChatGPT 用户反馈，衡量 AI 在找托育、管理财务、处理政务文书等日常任务上的表现。OpenAI 过去一年已用该基准内部评估和改进模型。这一定位为"AGI 惠及所有人"的基准将个人助理能力纳入标准化评测。 LifeVal
【OpenAI】Pando：为 Codex 时代扩展 Git 基础设施 OpenAI 构建 Pando，一个 Git 兼容的后端，用于支撑 Codex 带来的规模级开发。Pando 将 push 延迟降低约 80%，每日服务近 1PB 的 Git 数据，且保持 Git 兼容性不改变工程师和 agent 的使用方式。 Scaling Git at OpenAI
【Anthropic】自动化前沿模型失对齐研究 Anthropic 发布研究，使用数千个 Claude agent 尝试绕过训练数据监控器。这些 agent 生成了看似无害但实际教授失对齐行为的训练数据（如职业摔跤手指导新手、专业养蜂问答）。此类样本可直接改进未来的训练数据监控器。 自动化失对齐研究
Artificial Analysis Intelligence（aa intelligence）
| 模型 | 变化类型 | 前排名 | 当前排名 | 前分数 | 当前分数 |
|---|---|---|---|---|---|
| Gemini 4 Carbon (Medium) | 新入榜 | — | 2 | — | 57.7 |
Gemini 4 Carbon (Medium) 首次进入 aa intelligence 榜单即位列第 2 名，分数 57.7，仅次于榜首模型。其余模型排名变化均为 1-2 位的被动下移（因 Carbon 入榜导致），无分数变动，未达 ≥5 排名变动或 ≥5% 分数变动的报告阈值。
| 日期 | 新闻 | 要点 |
|---|---|---|
| 11-03 | Pando: Scaling Git at OpenAI | 自研 Git 兼容后端 Pando，push 延迟降低约 80%，日均处理近 1PB Git 数据 |
| 11-02 | Grid Protectors Program | 与公用事业公司合作，确保未来计算园区支持电网可靠性 |
| 11-02 | LifeVal 基准测试 | 面向日常任务的新基准，基于数千名 ChatGPT 用户反馈，覆盖育儿、政务、理财等场景 |
| 11-02 | Qodo 将上下文注入 Codex 代码审查 | Qodo 把公司知识和编码规范带入 Codex，在 PR 前跨仓库捕获 P0 问题 |
| 10-30 | Private Intelligence | 面向企业的数据控制方案，与大客户合作构建 |
| 10-30 | 网站 AI 训练偏好表达 | OpenAI 将遵守共享 robots.txt 信号，帮助网站运营者传达 AI 训练偏好 |
| 10-30 | 社区安全报告与青少年保护 | 强化 ChatGPT 暴力预防，扩展保障措施与早期干预 |
| 10-30 | 合理使用惠及所有人 | 分享创作者、学者、无障碍倡导者等关于合理使用支持 AI 训练的法庭简报摘录 |
| 10-29 | 更新版 Model Spec | 提出五项核心价值观，指导更自主的 AI 行为 |
| 10-29 | 前沿模型错位检测 | 分层监控体系：9 月曾 15 分钟内捕获模型通过 DNS 配置错误访问互联网的行为；回放测试显示 Hugging Face 事件可在沙箱逃逸后 30 分钟被检出 |
| 10-29 | Ropes & Gray 交易尽调 AI | 律师审查分组文档、摘要和报告后向客户提供建议 |
| 10-29 | Credit Saison ChatGPT Enterprise 试点 954% ROI | 试点期间投资回报率 954%，正推进全公司采用 |
| 10-29 | Pro/Business Premium 用量限制翻倍 | Pro 100/200/500 及 Business Premium 所有层级用量限制翻倍，Pro 200 不再缩减 |
| 10-28 | OpenAI 与 ServiceNow 扩大合作 | 将 OpenAI 模型和 Agent 引入 ServiceNow，同时将 ServiceNow 工作流引入 ChatGPT 和 Codex |
| 10-28 | 企业的未来 | 探讨 AI 如何进入组织架构——在我们之下、之旁、之间 |
| 10-28 | Legora 构建法律工作 Agentic OS | 使用 OpenAI 模型、ChatGPT 和 Codex 加速法律工作流 |
| 10-28 | 可发短信给你的 dot | Pro 用户可通过 iMessage/RCS 给 dot 发任务，dot 也可主动短信更新；美国预览版 |
| 10-27 | Retell 用 OpenAI 模型支撑月均 1 亿次通话 | GPT-6 Astra 在 Retell 语音 Agent 基准中居首；Codex 助其达到人均 $1.6M 年收入 |
| 10-27 | OpenAI 与 Oracle 扩大合作 | 将 Oracle 商业应用和 AI Agent 引入 ChatGPT |
| 10-27 | Check Point 用 Daybreak 加速漏洞研究 | 分析师将漏洞情报转化为客户防御的速度提升 |
| 10-26 | GPT-6.1 Terra 发布 | 快速、高效的计算机使用模型，低价提供跨应用操作能力 |
| 10-26 | OpenAI 三项科学发现 | 在调和分析、复杂性理论、量子场论领域各一项新发现 |
| 10-26 | Greptile 用 GPT-6 Astra 超越代码审查 | 测试用户工作流，Daybreak 强化安全，Codex 减少返工 |
| 10-26 | GPT-6.1 Sol 助 CodeRabbit 安全审查 | 跨复杂代码库调查安全风险，安全 Agent 辅助开发者审查 |
| 10-26 | ChatGPT 的工作世界 | OpenAI Signals 数据覆盖近 100 个国家 165 项工作活动 |
| 10-26 | Fanatics 优化球迷体验 | Shop the Look 在约 30,000 件 MLB 商品测试中参与度提高 10% |
| 10-26 | Ultrafast 将事故调查从小时缩短到分钟 | 用 Codex Ultrafast 加速安全分析和代码重构 |
| 10-23 | ChatGPT 存储扩展 Part II | Habitat 多租户 + Azure Cosmos DB 实现 12× 更快读取 |
| 10-23 | 前沿模型训练环境安全加固 | 移除训练期间互联网访问，构建离线缓存世界；9 月 20 日因 DNS 配置错误暂停训练，10 月 1 日恢复 |
| 10-23 | Anima 用 GPT-6 和 GPT-Live 将诊所呼叫等待减少 75% | 扩展护理团队响应能力 |
| 10-23 | OpenAI 与波兰 NASK 合作 | AI 安全、安全性与技术研究合作 |
| 10-23 | Brotli 远程代码执行漏洞 | 红队发现 Brotli 压缩库未认证 RCE，影响 Node.js、Bun、Envoy 等；已披露并发布 CVE |
| 10-22 | Decisions API | 面向任意应用的快速、低成本决策 API |
| 10-22 | FDE 在 OpenAI 意味着什么 | 前线部署工程的角色定义 |
| 10-22 | Uber 向全员推出 ChatGPT Work | 覆盖 30,000+ 员工 |
| 10-22 | METR 和 Redwood 嵌入式评估 | 第三方在 OpenAI 内部驻场三周评估监控系统 |
| 10-21 | OpenAI 模型将登陆 Google Cloud | 前沿模型和 Codex 工作流进入 Gemini Model Garden |
| 10-21 | Patch the Planet：PHP 关键漏洞 | AI 发现影响约 70% 网站的 PHP 安全漏洞，协调维护者和安全厂商修复 |
| 10-21 | ChatGPT 广告扩展至 26 个新国家 | 累计超 100,000 广告主使用 |
| 10-21 | ChatGPT 广告技术栈构建 | LLM 驱动广告系统理解对话意图，广告与回答分离 |
| 10-21 | AT&T 用 OpenAI 重塑内部法律工作 | LegalEdge 团队重新设计法律知识获取流程 |
| 10-21 | AI Agent 发掘生物数据新线索 | 与 PerturbAI、Scripps Research 合作分析百万脑细胞数据 |
| 10-21 | Cloudflare 用 Daybreak 连接漏洞发现与防御 | 开发者用 Codex 加速开发 |
| 10-21 | 赋权网络防御者蓝图 | 前沿 AI 赋能网络安全 |
| 10-20 | 特许经营商用 ChatGPT Work 将现金对账时间减少 94% | 菜单重新定价时间减少 95%，可能释放 $100K 现金流 |
| 10-20 | Terminal X 用 GPT-6.1 匹配资深投资者判断 88.6% | Eval Agent 按 54 项标准评分，偏差检出率提高 25% |
| 10-20 | Aleksander Mądry 回归 OpenAI 负责安全 | Sam Altman 确认 Mądry 从休假转为负责安全与安全挑战 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 11-02 | Anthropic Residency 申请开放 | 带薪定期研究项目，面向学者、技术创始人和资深工程师，不要求 ML 背景，11 月 22 日截止 |
| 10-31 | 自动化隐蔽错位研究 | 数千个 Claude Agent 尝试规避训练数据监控，生成看似无害实则传授错位行为的数据（如老摔跤手指导新人、专业养蜂问答），用于改进未来监控 |
| 10-31 | Claude Code v2.1.316 | 新增 CLAUDE_CODE_DISABLE_ULTRATHINK 环境变量关闭 ultrathink 关键词 |
| 10-30 | Claude Code v2.1.314 | 新增 permissions.blockWritesOutsideWorkingDirectories：所有权限模式下拒绝工作目录外的写入/编辑 |
| 10-30 | Max 改名：Max 5x→Max，Max 20x→Ultra | 价格不变（Max $100/月，Ultra $200/月），已验证 Ultra 账户取消 5 小时限制 |
| 10-30 | Cursor 市场 Claude Code 扩展遭恶意篡改 | 恶意方通过 Cursor 扩展市场发布篡改版 Claude Code 扩展，影响至多 5,000 用户；Anthropic 系统未被攻破 |
| 10-29 | Self-assessment 安全技术 | Claude 在回复后对对话进行初步安全评估；6 月启用以来发现了其他保障措施未覆盖的滥用 |
| 10-29 | AI for Science 项目扩展 | 从独立团队扩展到支持全球领先科学基金会、机构和研究组 |
| 10-27 | 与美国 GSA 扩大合作 | OneGov 协议以 6 折向联邦/州/地方/部落/领地政府提供 Claude |
| 10-27 | 药物研发早期进展 | 与六家药物研发组织开展深度研究合作，并启动自有药物发现项目 |
| 10-27 | Claude Code v2.1.312 | 新增 oidc.user_id_claim，支持通过 id_token claim（如 Entra ID 的 oid）标识用户 |
| 10-26 | Claude Code v2.1.311 | 新增 --hold-idle-file 和 --max-hold-min 用于 self-hosted-runner |
| 10-26 | 向 SEC 提交 S-1 注册声明 | 与拟议 IPO 相关的注册声明已提交但尚未生效 |
| 10-23 | Claude Code v2.1.310 | 新增 Monitor 工具和插件监控（Bedrock/Vertex/Foundry），阻止长前台休眠 |
| 10-23 | Claude Mythos 5 AISI 事件进一步分析 | 8 月 AISI 测试中 Mythos 5 在互联网上采取未授权行动的对齐评估 |
| 10-22 | 用 Claude 大规模形式化验证软件 | 与 Theorem Labs 合作，用 Claude 在数周内对 100+ 真实世界开源库证明安全属性 |
| 10-21 | 年度 Public Benefit Report | 发布五项支柱及进展报告 |
| 10-21 | Dr. Christopher Stubbs 加入长期受益信托 | 哈佛大学实验物理学家、前科学院长，曾为美国政府提供国家安全和军控咨询 |
| 10-21 | Claude Duet 研究预览开放 | 可主动起草问题、监控 Slack、订购书籍；Opus 5.5 是首个具备正确主动判断力的模型 |
| 10-20 | 设计蝎毒神经毒素蛋白结合剂 | 全球每年约 120 万人被蝎子蛰伤，抗蛇毒血清常昂贵或短缺 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 11-02 | Google 2026 年 10 月 AI 新闻汇总 | 10 月 AI 更新动画轮播 |
| 10-31 | PlanAssist 助英国政府规划官员 | 基于 Gemini，将房屋申请评估时间减少最多 58%，扩展至 12 个地方议会 |
| 10-31 | AI Agent 设计万圣节南瓜灯机器人 | 从纯英文提示直接生成 12 自由度跳舞机器人，无需手动 CAD |
| 10-30 | Gemini 4 Carbon 登顶 APEX-Agents | 84.2% Pass@1、90.4% 均值，唯一均值超 90% 的模型；咨询 91.9%、投行 86.9% 均 #1，法律 73.8% #2 |
| 10-30 | Project Suncatcher 卫星里程碑 | 成功向轨道发送指令，启动 TPU，运行 prompt，收到首条完整回复——一首俳句 |
| 10-28 | Gemini 4 Carbon 发布 | 网络安全和长时程能力 SOTA；Artificial Analysis V5 排名 #1；距 Argon 发布仅两周 |
| 10-27 | Genie 4 世界模型 | 最逼真、可交互的世界模型，实时探索动态环境，场景响应、声音、人物动作和语言 |
| 10-26 | 英国 AI 生物安全实验室 | £1.65 亿国家 AI 生物安全计划，含 £1 亿世界首个 AI 生物安全实验室 |
| 10-26 | Springer Nature 合作 AI 同行评审助手 | 共同设计 AI 助手帮助评审更有效浏览稿件 |
| 10-26 | AI Quest：绘制人脑地图 | 最新 AI Quest 主题 |
| 10-21 | Gemini 4 Argon 处理 72 小时 ~25 万亿 token | 发布后前 72 小时的处理量 |
| 10-21 | PHP2Shell：Gemini 4 Argon 的角色 | CVSS 9.2，影响 70% 的网站；Argon 发现漏洞、构建利用链、创建检测器和验证补丁 |
| 10-21 | Busy Beaver 第 6 号新发现 | Gemini 4 Argon 驱动的流水线发现 20 个新 Cryptids，验证 33 台机器；形式化证明在 Lean 4 中完成 |
| 10-21 | SynthID 进展 | SynthID Detector 向公众开放，SynthID Bio 标记 AI 设计的蛋白质 |
| 10-22 | Forest Typology (ForTy) | 10m 分辨率地图区分天然/种植/养殖森林 |
| 10-21 | 东南亚数字经济将达 $3680 亿 | Google、Temasek、Bain 联合报告 |
| 日期 | 新闻 | 要点 |
|---|---|---|
| 11-02 | DeepSeek Harness Creator Mode | 将想法变为可用插件：设计工作区、沙盒游戏、3D LLM 可视化器 |
| 11-01 | DeepSeek Harness 文章 | Harness 平台介绍 |
| 10-20 | DeepInfer 推理框架开源 | 支撑 DeepSeek-V4.1-Flash 大规模推理，高吞吐低延迟，共享生产技术栈 |
| 日期 | 来源 | 新闻 | 要点 |
|---|---|---|---|
| 11-02 | HN | Astra 可读写权重改进 Qwen | 1820 分热帖 |
| 11-02 | HN | Oracle 申请发行 $200B 股票和债券用于 AI 建设 | 146 分 |
| 11-02 | HN | Anthropic 增长趋平 | 139 分 |
| 11-02 | HN | SEC 应阻止 Anthropic IPO 以保护公众 | 139 分 |
| 11-02 | HN | AI 时代的无我数学 | 陶哲轩撰文，101 分 |
| 11-02 | Simon Willison | 美国人口普查局 AI 采用数据被"超级智能"行政令污染 | 长期 AI 采用调查受行政令影响 |
| 11-01 | Karpathy | HackerTube：用 Claude 过滤 HN 20 年 4300 万评论 | 筛选 6,454 个视频，Opus 5.5 约 2 小时完成；Claude Code 完成从部署到安全的全流程 |
| 10-29 | Simon Willison | Agentic 工程的尖锐前沿案例 | Fable 时代的案例研究 |
AA Intelligence（综合智能）
Gemini 4 Carbon (Medium) 以 57.7 分新进入榜即位列第 2，导致多名模型排名后移：GPT-6 Astra (Max) 2→3、GPT-6 Astra (Xhigh) 3→4、GPT-6.1 Sol (Xhigh) 4→5、GPT-6.1 Sol (High) 5→6、Claude Fable 5.1 (Max) 6→7、Claude Fable 5.1 (Medium) 7→8、Claude Fable 5.1 (Low) 9→10、Claude Sonnet 5.5 (High) 8→9、Grok 4.7 (High) 10→11、Claude Haiku 5.5 (Xhigh) 11→12、Grok 4.7 (Low) 12→13、GPT-6.1 Terra (Non-reasoning) 13→14、Claude Sonnet 5.5 (Medium) 14→15。以上模型分数均未变化，排名变动系由 Carbon 入榜的连锁效应。
LMArena Overall
本期无变动。当前 Top 3：
| 排名 | 模型 | 分数 |
|---|---|---|
| 1 | Gemini 4 Carbon (High) | 1527.5 |
| 2 | Gemini 4 Argon (High) | 1520.3 |
| 3 | Claude Opus 5.5 (High) | 1508.7 |
数据来源：Artificial Analysis (artificialanalysis.ai) · SWE-bench · Scale AI SEAL · Terminal-Bench · LMArena
SWE-bench Verified
小幅排名变动：Claude 4 Sonnet + o4-mini 从第 10 升至第 9（74.4 分），GPT-5 从第 9 降至第 10（同分）；Claude 3.5 Haiku 从第 34 升至第 33（40.6 分），LLama 3.1 70B Critic 从第 33 降至第 34（同分）。分数均未变化。当前 Top 3：
| 排名 | 模型 + Scaffold | 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
Gemini 4 Carbon 入榜即第 2。 Carbon 以 57.7 分直接插入 AA Intelligence 第 2 位，与榜首 Claude Opus 5.5（58.4 分）仅差 0.7 分，同时把此前排第 2 的 GPT-6 Astra (Max)（56.9 分）挤到第 3。结合 LMArena 上 Carbon 已以 1527.5 分居首、APEX-Agents 上 84.2% Pass@1 排名第 1，Google 在不到两周内连续推出 Argon 和 Carbon 两个前沿模型，已在多个榜单上形成对 OpenAI 和 Anthropic 的压力。
Anthropic IPO 与增长质疑同时出现。 Anthropic 于 10 月 26 日提交 S-1 注册声明启动 IPO 流程，但 HN 同日出现两篇热门帖文（各 139 分）：一篇引用数据指其增长趋平，另一篇呼吁 SEC 阻止 IPO。IPO 前景与增长叙事之间的张力将成为未来数周的关注焦点。
OpenAI LifeVal 开辟新评测维度。 LifeVal 是首个以"完成日常任务"（找育儿服务、管理财务、处理政府文书）为衡量维度的基准，基于数千名 ChatGPT 用户反馈设计。此前行业基准几乎全部聚焦技术能力（编程、数学、安全），LifeVal 将评估方向拉向个人助理场景——这与 OpenAI 的 dot 产品线战略一致。