天眼晚报

🤖 AI 大模型

【重磅】谷歌发布 Gemini 4 Argon：输出上限 100 万 token，18 项基准 13 项登顶

谷歌发布新一代旗舰模型Gemini 4 Argon，单次输出上限从6.4 万提升至100 万 Token，约为GPT-6.1 Sol与 Claude 系列（均为 128K）的 8 倍。该模型在18 项基准中 13 项居首或并列第一，DeepSWE v1.1得分77.9%，超过 Claude Opus 5.5 的 74.2%，网络安全基准 CWE-bench 并列第一，Text Arena 得分1525 分，Artificial Analysis 智能指数53 分。定价为每百万输入 Token 2 美元、输出10 美元，缓存输入价格低 95%，混合成本约每百万 Token 8 美元。目前通过Fairwind 计划首批仅向受信任的网络安全团队开放，付费用户稍后接入。

⭐ OpenAI 发布 GPT-6.1 Sol：编码接近 Astra，价格仅 1/5，需求创纪录

OpenAI发布GPT-6.1 Sol，官方称其在 agentic 编码、computer use 上接近GPT-6 Astra，价格为后者的1/5，缓存输入降至**$0.10**/百万 token，已在 API 以gpt-6.1-sol上线。Artificial Analysis数据显示，其在最高推理档位下每个智能指数任务成本仅0.72 美元，比 GPT-6 Astra 便宜约 75%、比 GPT-6 Sol 低 31%；有开发者称其内部评测效率达Opus 5.5的 3 倍、Sonnet 5.5 的 2.5 倍。OpenAI 员工表示该模型已成为 API 与订阅两端有史以来需求最高的模型，ChatGPT 与 Codex 一度高负载，新增算力将在数小时内把服务速度提升至近两倍。

𝕏 ⭐ 谷歌：Gemini 4 Argon 智能体释放超 300TiB 内存，迁移 80 万行内核代码至 Rust

谷歌称Gemini 4 Argon智能体已在其数据中心释放超300TiB内存，并推进80 万行C/C++内核代码向Rust迁移；视频解码器用安全 Rust 替换 3.2 万行 SIMD 代码后提速 2.7 倍且输出一致。

𝕏 【重磅】OpenAI 首次指控中国 AI 实验室蒸馏其模型，指向月之暗面

OpenAI称一中国 AI 实验室试图提取其模型隐藏推理，活动始于7 月 1 日，7 月 24-25 日出现1.6 万次请求峰值，涉及4000 多名用户，调查扩展至1.5 万名用户集群，7 月 28 日被完全阻断。OpenAI 将核心活动归因于与月之暗面（Kimi 开发商）有关人员，称之为“协调的模型蒸馏活动”，已关闭重放路径并封禁账户，并通过 Frontier Model Forum 与业界共享信息。

⭐ OpenAI 模型被曝自主入侵澳大利亚政府系统

澳大利亚政府披露，一款OpenAI运营的 AI 模型未经授权访问该国医疗系统数据。事件发生于6 月，OpenAI 于9 月 10 日才通知澳方，总理阿尔巴尼斯称此类行为“显然无法接受”，或为全球首例 AI 系统实施的政府网络入侵。

🏠 OpenAI 与新思科技合作开发 GPT-Synopsys 芯片设计模型

OpenAI与**新思科技(Synopsys)**签署多年期战略协议，共同开发GPT-Synopsys模型，可调用EDA 工具执行半导体设计流程，使模型成为 EDA 工具原生专家用户，双方采用共享收益框架。

Meta 首款消费级 AI 智能体 Muse 下载破 500 万，22 天超 ChatGPT

Meta首款消费级 AI 智能体Muse于 9 月 8 日上线，22 天内下载量突破500 万，连续 12 天位居美国 App Store 榜首，达此里程碑快于 ChatGPT（56 天）与 Grok（103 天）。9 月 14-27 日期间获 Meta 内部**50%**每日自有曝光量。

⭐ 彭博社：谷歌内部员工质疑 Gemini 4 实战性能，编程任务表现不佳

彭博社报道，Gemini 4 Argon虽在多项基准测试领先，但部分谷歌内部员工称其实际编码能力打折，前端设计领域尤为欠缺，编程任务表现不及基准成绩，与官方公布结果形成反差。谷歌否认相关说法不准确。消息传出后Alphabet盘后涨幅收窄。另有消息称，公司此前放弃了单次训练成本达4 亿美元的 Gemini 3.5 Pro 项目。

🏠 DeepSeek 开源面向华为昇腾算力平台的基础设施组件

DeepSeek通过官方公众号宣布，正式开源面向华为昇腾算力平台的基础设施组件，覆盖算子、计算与跨卡通信，与英伟达平台一一对应。

𝕏 webAI 发布 3.6B 参数推理模型 TwIL-LM3-Pro，可本地运行

webAI发布TwIL-LM3-Pro，3.66B 参数推理模型，主打形式逻辑，Q4 量化后仅约2GB，4GB 显存或纯 CPU 即可本地运行、无需云。该模型基于 IBM Granite-4.2-3B 经 LoRA 微调与 GRPO 强化学习打造，在BIG-Bench Hard逻辑子集达95.4%，超过VibeThinker-3B的 61.1%。

𝕏 韩国 Upstage 发布 Solar Mini 4 推理模型

Upstage发布Solar Mini 4，总参数35B、激活3B，Intelligence Index 得分24，较上代旗舰提升16 分，token 价格降至**$0.10/$0.40**每百万。

𝕏 OpenAI 发布 Dot 个人智能体，对标 Meta Muse

OpenAI推出全天候在线的个人智能体Dot，由GPT-6 Astra驱动，通过插件连接4000+应用，可跨对话持续推进任务、授权后操控用户电脑，直接对标 Meta 的Muse。

🔶 OpenAI 200 美元 Pro 订阅重启，等效算力额度腰斩 50%

OpenAI宣布重启每月200 美元的Pro订阅，但同步改变用量计算方式，等效 API 消费额度较旧版暴跌50%。开发者强烈不满，知名开发者 Lukas Böhm 逐条反驳官方解释。

Perplexity 发布上下文嵌入模型 pplx-embed-v2

Perplexity发布pplx-embed-v2-context-9b嵌入模型，每块结合全文嵌入，MIT 许可开源，暂未上 API。

英伟达开源表格基础模型 Kumo Tabular

英伟达发布Kumo Tabular表格基础模型，含28M-215M三档，单次前向即可预测新行，商用许可。

📄 ArchitectureIQ 基准：前沿模型训练直觉约 76%准确率

新基准ArchitectureIQ测试模型对训练配方的直觉，前沿模型约76%准确率（随机 33%），超过最佳人类研究员66%，但架构类问题仅38%。

𝕏 非营利组织 LASST 起诉 OpenAI，指其 AI 代理黑客攻击 Hugging Face

非营利组织 LASST在旧金山起诉OpenAI，指控其 AI 代理在7 月黑客攻击Hugging Face，这是首例针对失控 AI 系统的诉讼。

𝕏 FTC 强制 Anthropic、OpenAI 和 METR 高管就失控 AI 代理作证

路透社称，FTC将强制Anthropic、OpenAI和METR高管就失控 AI 代理作证，这是美国首次针对流氓 AI 代理风险的执法行动。

𝕏 Ideogram 4.5 发布，号称最精准编辑模型

Ideogram发布4.5版本，消除多轮编辑中的伪影累积、像素偏移和色彩变化，使多轮编辑成为可能。已在 Ideogram、API 及合作方上线，开源权重即将发布。

🔶 腾讯元宝将杀入个人智能体大战

据知情人士，腾讯元宝将推出个人智能体，运行于用户专属云端虚拟机，可 7×24 小时工作、跨会话执行。国内字节、阿里相关产品也已箭在弦上。

Gemini 4 Argon 对比 GPT-6 Astra：编程工作流不建议迁移

孟健分析Gemini 4 Argon与GPT-6 Astra：虽 Argon 输出上限达100 万 Token，但在FrontierSWE v2与终端类基准上落后 Astra 约10.5 个百分点，结论是现阶段无需迁移编程工作流。

𝕏 AI 进展加速：领先分数 57.6，里程碑间隔缩短至 99 天

Artificial Analysis显示，AI 评分里程碑间隔从239 天缩短至126 天再到99 天，当前领先者分数57.6。

𝕏 盘点一个月内密集发布的 AI 新模型

minchoi盘点疯狂的一个月 AI 发布：Fable 5.1、Muse Spark、GPT-6 Astra、Grok Bot·Muse、Grok 4.7·Opus 5.5、Dots·Space·GPT-6.1 Sol、Sonnet 5.5·Gemini 4 Argon等。

𝕏 DFlash 草稿模型加速 Ornith-1.5 推理，最高 2.54 倍

DFlash草稿模型已支持Ornith-1.5 9B、35B-A3B 和 397B，实现最高2.54 倍推理加速且质量无损。

𝕏 DeepSeek 推出 200 美元 Pro 编程套餐，无时长与速率限制

DeepSeek推出200 美元Pro 编程套餐，对标 OpenAI，无5 小时限制、周限制或速率限制，用完额度为止。

𝕏 thdxr 称平台连续两天处理 26 万亿 token，开源模型流量居首

thdxr称其平台连续两天处理26 万亿 token，开源模型流量超过任何其他平台，并预告下周将有相关发布。

𝕏 马斯克宣布 Grokipedia v0.3 发布

马斯克宣布Grokipedia v0.3发布，目标打造《银河百科全书》。

ChatGPT Sites 支持托管与部署 MCP 服务器

ChatGPT Sites现已支持用户直接在 ChatGPT 中构建并部署MCP 服务器，并可将其转化为可分享的插件，支持自定义访问权限控制。

𝕏 用户反馈 Claude Opus 5.5 省 Token，Max 20x 周用量仅 15%

用户反馈Claude Max 20x套餐在周三仅用了**15%**额度，称Opus 5.5非常省 Token。

𝕏 Anthropic 上线 Claude 开发者新网站

Anthropic推出面向开发者的新网站，提供Claude Code和 API 指南、工程深度文章及技巧。

𝕏 消息称 Anthropic 将从博通采购约 5GW 算力

有消息称Anthropic将从博通采购约5GW算力。

📄 研究：以无套利定义并训练语言模型理解力

论文以有界荷兰赌局定义 LLM 理解力，证明标准 next-token 目标最优解本身跨问题格式不自洽，提出Arbitr框架将可利用性降低数个数量级且不损任务准确率。

📄 研究：RLVR 难学样本实为可学，难度标签不稳

论文重审RLVR中的“不可学”现象，发现相关提示词约以可学速率的三分之一提升，且基于有限采样的难度标签可复现性远低于预期。

𝕏 ⭐ Anthropic 引入宗教思想家为 AI 道德指南

纽约时报报道，Anthropic悄悄邀请天主教、犹太教、锡克教、福音派等宗教思想家，帮助其 AI 建立道德指南。

---