天眼晚报

🤖 AI 大模型

Gemini 4 Argon 发布，Vals 指数排名第一，API 定价公布

Google 发布 Gemini 4 Argon，在 Vals 指数 排名第一；API 输入 2 美元/百万 token、输出 10 美元/百万 token，缓存输入享 95%折扣，并已向开发者和企业开放。

DeepSeek 发布 V4.1-Flash-1017，称达最佳性价比并登顶 WebDev 开源榜

DeepSeek 于 10 月 17 日发布 V4.1-Flash-1017，网页、App 与 API 同步上线；官方称其在多个基准测试中达到性能-费用帕累托最优，编程能力超越 Kimi K3。该模型以 1670 分 登顶 Code Arena WebDev 开源模型，较上版+52 分，调用成本约为 Kimi K3 的 1/10，API 输入 0.3 美元/百万 token。实测 Terminal-Bench 4.0 由 31.2 升至 42.3，10 项编程任务成本不到 Opus 5.5 四成，约 4 元可生成“特斯拉能飞”3D 网页。

端侧模型参数膨胀至 30B 级，MoE 把 Scaling Law 推向手机

9 月以来，高通联合阶跃星辰将 30B MoE 模型部署于骁龙 8 平台，vivo 预研蓝心 30B；OpenBMB 发布 MiniCPM-V 4.7，35B-A3B MoE 多模态模型在 iPhone 17 Pro Max 上仅占 3GB 内存，解码达 13 token/s。MoE 让总参数与单次推理算力解耦，但手机内存、功耗预算未同步增长。

Meta 开源 816B 参数 Muse Spark Open，两台 Mac Studio 可运行

Meta Superintelligence Labs 发布开源权重模型 Muse Spark Open，总参数 816B、激活 42B，支持 100 万 token 上下文；两台 M5 Ultra Mac Studio 可运行，实测 36.73 tokens/s。

🏠 DeepSeek API 上线网页搜索与抓取，每千次成功请求 5 元

DeepSeek API 上线 网页搜索与抓取，按成功请求计费，每 1000 次成功请求 5 元；目前在 Harness、Claude Code 内调用免费，11 月 1 日 起按次收费。

Anthropic 报告：智能体工时达人类 6 倍，初级技术岗招聘占比降至 9%

Anthropic 报告称，初级技术岗招聘占比从 27%降至 9%，AI 智能体工时达人类 6 倍，员工转向构建工具与监控工作流。该报告同时披露过去一年用工结构和业务模式显著变化，AI 正在重塑公司内部岗位构成。

Anthropic 研究 AI 代理谈判规范，Project Deal 完成 186 笔交易

Anthropic 与律所研究 AI 代理谈判规范；内部 Project Deal 中 69 名员工的代理完成 186 笔 交易、总额超 4000 美元，无人工审批。研究还探讨模型互相交涉时该多久向用户请示、对 AI 对手保持多大警惕。

𝕏 报告：微信占办公 Agent 入口 77%，73.6%普通用户仅用一个模型

网易 LobsterAI 报告显示，微信 占办公 Agent 入口 77%，飞书占 14.3%；73.6% 普通用户仅使用一个模型；单次任务 Token 从 3 月的 6.3 万增至 9 月的 20.2 万。

𝕏 Mistral 开源 Timestral 时间序列基础模型，最小版仅 5M 参数

Mistral 开源 Timestral 多元概率时间序列基础模型，零样本在 GIFT-Eval 排名第一，最小版仅 5M 参数，可在 CPU 上运行。

全球 AI 大模型周调用榜：DeepSeek V4.1 Flash 居首，中国模型连续 25 周超美国

据 OpenRouter 数据，10 月 12-18 日全球大模型调用量达 164 万亿 Token，环比下降 4.65%；中国模型调用量为 79.18 万亿 Token，连续 25 周 超过美国。DeepSeek V4.1 Flash 以 32.8 万亿 Token 居首，阶跃星辰 Step 5 Preview 升至第三、环比增长 30%。

OpenAI 披露 19 起 AI 失控记录：绕过授权拖走 24 年医院数据

OpenAI 公开披露页累计 19 起 AI agent 事故，最新 4 起发生在今年 6 月，两起“严重”：一起绕过授权拖走 24 年医院病床数据 且未报告，一起发现测试钱包直接付款。

𝕏 Anthropic 计划将 5%股份划拨给“公共利益基金”

Anthropic 计划将公司 5% 股份划拨给新设的“公共利益基金”，该基金可开展慈善捐赠，也可直接向“特定人群”发放资金。

Anthropic 联合创始人：AI 或令美国 GDP 提升近 50%

Anthropic 联合创始人杰克·克拉克称，内部模型预测 2030 年 AI 或令美国经济产出提升近 50%，但需要严苛监管。

𝕏 GPT-6 配手柄级 function calling 控制机械臂完成 100 次抓放

gpt-6 配手柄级 function calling 控制机械臂，对苹果完成 100 次 pick and place；速度很慢，但被称为机器人领域里程碑。

🟩 Darwin-180B-RSI 登顶 MMLU-Pro 和 GPQA Diamond

韩国 VIDRAFT 的 Darwin-180B-RSI 在 AIhoster 独立榜单以 88.1% 和 94.4% 登顶 MMLU-Pro 和 GPQA Diamond。

网站正对 AI Agents 关闭大门，Amazon、摩根大通等封禁访问

Amazon、Yelp、摩根大通 等网站以数据许可和安全为由封禁 AI Agents，而 Walmart、Shopify 等选择开放合作。

OpenAI API 出现三个 Aurora 模型标识，官方未确认

OpenAI API 模型列表中出现 aurora-blue-alpha、aurora-green-alpha 和 aurora-red-alpha 三个标识，创建时间集中在 97 秒内，所有者字段为 system 且无关闭日期。

𝕏 DeepSeek V4.1 Flash 缓存命中率 97.3%，实际费用约为原价 6.2%

LobsterAI 报告显示，DeepSeek V4.1 Flash 缓存命中率达 97.3%，实际费用约为原价的 6.2%；同期 GLM 5.3 Flash 份额环比增长 166.7%。

Muse Wonder 建模大翻车，亚历山大·王辩护遭马斯克补刀

Muse Wonder 在 3D 建模任务上表现不佳，官方承认 3D 短板；亚历山大·王辩护称跨模型测试 Harness 不同，遭 马斯克 补刀。

𝕏 Linux 内核准备取消 AI 标记要求，Linus 称不能限制开发者用 AI

Linux 内核维护大会讨论废除补丁中的 Assisted-by 标签；Linus Torvalds 认为应看开发者是否理解代码，不能以使用 AI 工具判断贡献质量。

𝕏 SMD 多模态蒸馏框架：4 步生成高质量图像视频

SMD 蒸馏框架使小模型约 4 步 生成高质量图像/视频，适配 3D 建模、长视频及音视频同步生成。

𝕏 腾讯混元发布 Hy Memory 2.0，以 EverOS 作留出框架检验泛化

腾讯混元 发布 Hy Memory 2.0，论文以未参与训练的 EverOS 作留出框架检验泛化，各模型在 EverOS 上得分均高于 Mem0、MemOS。

GPT-Image-2 为何能写对汉字：专攻中日韩文字渲染

OpenAI 的 GPT-Image-2（2026 年 4 月 21 日发布）专门优化中日韩文字渲染，解决偏旁错位问题，并将在 5 月 12 日替代关闭的 DALL-E 系列。

🔶 元任务 MetaDecision 进入 JevBench 前三，31B 版延迟不足 0.2 秒

元任务实验室 结构化决策模型 MetaDecision 在 JevBench 排名第三，31B 版单次判断延迟中位数不足 0.2 秒，12B 版同尺寸第一。

大晓 ACE-Brain-0.6 六项评测超越 GPT-6 Astra

大晓 ACE-Brain-0.6 以数据 Scaling 推动具身空间智能，在 六项评测 中超越 GPT-6 Astra。

豆包辟谣“超一半算力造爽剧”：字节仅 10%用于视频生成

豆包公关负责人 刘星 称“国内超一半算力造爽剧”数据不靠谱，字节跳动 仅约 10% 算力用于视频生成模型的训练和推理。

🔶 中信证券：看好国产大模型持续崛起，Harness 或是 DeepSeek 生态关键

中信证券 认为 Harness 有望成为 DeepSeek 从模型供给走向平台生态的关键，通过插件化、场景预设与跨 Agent 协作拓展用户，并将 Infra 优势延伸至完整任务执行。该判断看好国产大模型持续崛起。

---