【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。