引言
今日AI动态密集：Google DeepMind、OpenAI、蚂蚁百灵等相继推出新模型，Arena与Artificial Analysis给出最新评测，产品端Agent与自动化能力持续扩展，安全与监管议题同步升温。
模型与能力
1. Google DeepMind 发布 Gemini 4 Argon，先向可信网络防御者开放
Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。deepmind.google：Blog ↗ 补充来源：blog.google：Blog ↗
2. OpenAI 发布 GPT-6.1 Sol：编码与计算机操作能力接近 Astra，价格约为其五分之一
OpenAI 发布 GPT-6.1 Sol，定价为每百万 token 输入 2 美元、输出 10 美元、缓存输入 0.10 美元，约为 GPT-6 Astra 标准价格的五分之一。marktechpost.com ↗ 补充来源：量子位 ↗
3. 蚂蚁百灵发布 Ling-3.1-flash，面向真实世界长任务升级
蚂蚁百灵发布 Ling-3.1-flash，总参数约 560B，每个 Token 激活约 25B，上下文窗口上限 1M，延续混合线性架构并提高线性 Attention 层比例（7 层 KDA 配 1 层 Gated MLA，512 个路由专家选 8 个加 1 个共享专家）。微信公众号 ↗ 补充来源：chat.ant-ling.com ↗
4. Artificial Analysis 评测 Gemini 4 Argon：Google 重回智能前三梯队
Artificial Analysis 评测 Google DeepMind 的 Gemini 4 Argon，其高推理档在 Artificial Analysis Intelligence Index 得分 53，追平 GPT-6 Astra (max)、领先 GPT-6.1 Sol (max) 1 分。artificialanalysis.ai ↗
5. GPT-6.1 Sol (Max) 以 1759 分登上 Code Arena: WebDev 第 3 名
Arena 评测榜单显示，OpenAI 的 GPT-6.1 Sol (Max) 以 1759 分位列 Code Arena: WebDev 第 3 名，混合价格为 $8/MToken。相比 GPT-6 Sol (Max) 同价提升 70 分，排名上升 4 位，且在 Consumer Product 等所有类目均有提升。X：arena (@arena) ↗
6. Gemini 4 Argon (High) 在 Arena Agent Arena 排名第 8，净提升 +7.92%
Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8，净提升分 +7.92%，每任务成本为 0.62 美元。X：arena (@arena) ↗
7. Cohere 发布 Embed 5 系列 embedding 模型
Cohere 发布 Embed 5 系列 embedding 模型，分为 Pro 和 Fast 两个版本。官方称 Pro 在 ViDoRe V3 基准上取得最高平均分，Fast 的成本比 Pro 低三分之一。X：cohere (@cohere) ↗
8. HeyGen 发布通用视频模型 HeyGen Video
HeyGen 发布其首个通用视频模型 HeyGen Video，该模型基于 MiniMax H3 后训练，支持文生视频、图生视频和参考图生视频，每段视频的声音在同一次调用中生成。developers.heygen.com ↗
9. Ideogram 发布 Ideogram 4.5 图像编辑模型
Ideogram 发布图像编辑模型 Ideogram 4.5，已经在 Ideogram 平台和 API 上线。官方称它减少了多轮编辑中的画面漂移，还能编辑高分辨率图片。ideogram.ai ↗
10. Inception 发布语音 Agent 专用模型 Mercury Voice
Inception 发布面向语音 Agent 的 diffusion LLM Mercury Voice，目前已面向企业客户开放。官方称它的首个回答 token 中位延迟低于 320 毫秒，发布期间 API 价格五折。inceptionlabs.ai：Blog ↗
11. Perplexity 发布 9B 上下文嵌入模型预览版
Perplexity 联合 turbopuffer 发布 9B 的上下文嵌入模型 pplx-embed-v2-context-9b-preview 预览版和检索基准 context-bench。模型已开放权重，API 服务准备中。X：perplexity_ai (@perplexity_ai) ↗
12. Xiaomi-OCR-0 开放权重、代码与线上 Demo
SeerRay-Lab 团队开源 0.8B 的 OCR 模型 Xiaomi-OCR-0，可将文档图像解析为 Markdown 和 JSON。模型权重、代码和线上 Demo 均已开放。GitHub ↗
13. 哔哩哔哩发布并开源 Index-Translate 多语言翻译模型系列
Bilibili Index LLM 团队发布 Index-Translate 多语言翻译模型系列。文本模型覆盖 150 种语言，提供多种尺寸，支持术语、风格、格式等翻译指令；同时推出面向长文档的 Index-NativeLong、音节可控翻译 Index-Homura，以及字幕和语音配音模型 Index-Echo。模型权重、代码、Demo 和技术报告已逐步开放，采用 Apache-2.0 许可证。index-translate.bilibili.com ↗
14. Anthropic，你是来给智谱打广告的吧！
实测称GLM-5.3很强。量子位 ↗
15. Inception 决策模型 Mercury Decide 上线 OpenRouter
Inception 在 OpenRouter 上线决策模型 Mercury Decide，免费开放早期访问。官方称它是 OpenRouter 上最智能的决策模型。X：_inception_ai (@_inception_ai) ↗
产品与应用
16. Google DeepMind 发布 SynthID Bio，为 AI 生成蛋白质嵌入可验证水印
Google DeepMind 于 9 月 30 日发布 SynthID Bio，将水印技术引入合成生物学，把不可见签名嵌入生物序列和预测结构中，使水印可在合成的物理蛋白质上验证，且在湿实验中不损害生物功能。deepmind.google：Blog ↗ 补充来源：blog.google：Blog ↗
17. Arena 限时开放 Claude Sonnet 5.5 Direct Mode 测试
Arena 宣布在 Direct Mode 限时开放 Anthropic 的 Claude Sonnet 5.5（High），截止 10 月 2 日上午 8 点（太平洋时间），之后仍可在 Battle 和 Agent Mode 使用。引用内容称 Claude Sonnet 5.5 是 Claude 5.5 系列第二款模型，比 Sonnet 5 快 30% 以上，多数工作成本最高降低 30%。X：arena (@arena) ↗
18. Factory Automations 正式开放：Droid 可定时或按事件自动执行工程工作流
Factory 宣布 Automations 正式向所有用户开放，用自然语言描述工作流后，Droid 可按定时或 Slack、GitHub、webhook 触发运行，支持自选模型（含 BYOK 和 Factory Router）与自选机器。factory.ai ↗
19. Perplexity 开放 Computer 邮件委托入口，限时免费运行任务
Perplexity 向所有人开放 Computer 的邮件委托功能，无需 Perplexity 账号，将转发或抄送 computer@perplexity.com 的任务限时免费运行。智能体会在后台完成任务并保留邮件上下文，每个邮件任务在 Computer 中作为正常会话运行，可在网页和移动端查看，并带有与应用内任务相同的审计记录。X：AravSrinivas (@AravSrinivas) ↗
20. Google 为 Gemini 推出 skills 功能
Google 在 Gemini 中上线 skills 功能，用户可将重复任务的指令保存为技能并反复使用，目前已面向全球个人用户推出。官方称 skills 将取代 Gems，个人账户自 11 月起生效，现有 Gems 会自动迁移为 skills。X：GeminiApp (@GeminiApp) ↗
21. MiniMax 上线 M Plan 订阅，Token Plan 停止新购
MiniMax 推出 M Plan 订阅方案，分为 Go、Explore 和 Build 三个档位，承接并拓展 Token Plan 的订阅能力。套餐订阅价格与文本使用额度保持不变，Explore 和 Build 还可以使用 H3 视频模型。Token Plan 已停止新购，已订阅且开启自动续费的用户现有套餐保持不变，升级到 M Plan 后历史优惠和额外权益（如 ∞ 限额、150% 周额度）等不再保留。同步开启月付首月 5 折活动持续至 10 月 14 日，Go、Explore、Build 的月费原价分别为 49 元、119 元和 469 元。platform.minimax.cn ↗
22. WorkBuddy 两项限免延期至 10 月 31 日
混元大模型官方宣布，WorkBuddy 上的 Hy3 模型限免和 Hy4 preview 夜间限免均延期至 10 月 31 日。微信公众号 ↗
23. 智谱称 GLM-5.3 已守护 389 个开源项目
智谱工作人员表示，GLM-5.3 通过 OpenVuln 帮助守护 389 个开源项目，累计发现 4249 个潜在漏洞。OpenVuln 扫描服务目前仍在运行，并保持免费。Hugging Face ↗
24. Grok Bot 更新软件开发能力，可移交任务给 Cursor
Grok Bot 更新软件开发能力，可将编码任务交给 Cursor，用 GitHub 和 Origin 插件管理 PR，还能分享自己构建成果的视频演示。X：bot (@bot) ↗
25. Manus 2.0回来了！给AI配手机号和钱包，还能拉群干活
给Agent配上手机号，再拉个群。量子位 ↗
26. 刚刚，GPT-6 Astra接上宇树G1，把厨房收拾了！
让GPT把机器人技能当工具调用。量子位 ↗
27. 报道称豆包个人助理名为小豆，将推独立 App
据读佳报道，豆包的个人智能助理产品名为小豆，计划推出独立 App。小豆目前仍在内部测试，豆包方面就相关消息暂无回应。微信公众号 ↗
28. 豆包上线出行服务，一句话订机票火车票打车导航
豆包上线出行服务，在对话框里用一句话就能预订机票和火车票，还能叫车和导航。该功能已开放，打开豆包直接描述出行需求即可体验。微信公众号 ↗
开发与基础设施
29. Artificial Analysis 开源 AA-AgentPerf-Local，测试本地 AI 智能体推理性能
Artificial Analysis 发布开源工具 AA-AgentPerf-Local，通过重放 8 个真实智能体任务（168 轮、上下文增长至约 56K tokens）测试笔记本与工作站上的本地推理性能，并上线相应排行榜。artificialanalysis.ai ↗ 补充来源：GitHub ↗
30. vLLM 分离式推理实用指南
vLLM 官方博客发布分离式推理实用指南，讲解 vLLM v0.30.0 及以上版本中 prefill/decode 分离、无 GPU render 前端及两者组合的原理与运行方法。vllm.ai：Blog ↗
31. DeepSeek 开源面向华为昇腾平台的基础设施组件
DeepSeek 开源面向华为昇腾算力平台的基础设施组件，包括 TileLang 编译工具、DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect，与此前英伟达平台开源组件一一对应。微信公众号 ↗ 补充来源：微信公众号 ↗
32. Ollama 支持 Jev 类决策模型本地运行
Ollama 新增对 Jev 类决策模型的本地支持。Nimble、Tev1 4b 和 Tev1 0.8b 三款决策模型已上架，可通过新增的本地 systemone 接口调用。ollama.com：Blog ↗
33. Pi v0.99.0 加入 MCP 与 ChatGPT 订阅登录功能
Pi 发布 v0.99.0 版本，加入 MCP 支持。团队称如今的 MCP 已经和过去不同，升级后可连接 MCP 服务器，并用新的 codemode 编排工具调用。earendil.com ↗
34. Anthropic 宣布上线开发者新站点 Claude.dev
Anthropic 宣布上线面向开发者的新站点 Claude.dev，提供工程深度文章、Claude Code 和 API 使用指南以及 Claude 团队的经验分享。claude.dev ↗
35. ChatGPT Sites 支持托管 MCP 服务器并可转为插件
ChatGPT Sites 现已支持托管 MCP 服务器，包括插件扩展。用户可在 ChatGPT 中描述所需工具，系统会自动创建 MCP 服务器并部署到 Sites，还可将其转为插件，安装到网页、手机和桌面端。X：OpenAI Developers (@OpenAIDevs) ↗
36. DeepSeek知乎独家发文，首次公开V4.1 Agent训练“大本营”DSec
DeepSeek在知乎独家发布技术长文，首次系统阐释了DeepSeek弹性计算（DeepSeek Elastic Compute，DSec）。量子位 ↗
37. DeepSeek官方开源昇腾基础组件，与昇腾共建高效易用的AI芯片软件生态
该条目暂无摘要。量子位 ↗
公司与资本
38. Anthropic 与 SpaceX 签署最高 845 亿美元算力协议，可提前 90 天通知解除
Anthropic 与 SpaceX 签署算力协议，据路透社查阅的 IPO 申报文件，合同金额上限最高达 845 亿美元，用于租用 SpaceX 数据中心内的英伟达 GPU。ithome.com ↗
39. GamersNexus 分析内存厂商以长期协议锁定产能，消费级 RAM 与 SSD 价格一年大涨
GamersNexus 撰文指出，Micron、Samsung、SK Hynix 等内存厂商正以 3-5 年长期协议（LTA）把 50%-70% 产能分配给最大的 5-16 家客户，试图消除行业原有的周期性低价。gamersnexus.net ↗
40. ElevenLabs 完成员工要约收购，估值升至 220 亿美元
ElevenLabs 宣布完成 3 亿美元员工股份要约收购，公司估值达到 220 亿美元，是今年 2 月 Series D 融资时的两倍。elevenlabs.io：Blog ↗
41. Google 据报向约百家出版商支付 AI 内容使用费
据报道，Google 正在向约 100 家数字出版商付费，将其内容用于 AI Overviews 等 AI 功能。付费金额差异较大，部分参与者表示不清楚 Google 如何计算这些费用。the-decoder.com ↗
42. 36家敲钟的机器人公司：赚钱能力差距巨大，商业化也不玩花架子了
机器人上市，风向有变。量子位 ↗
43. OpenAI 与 Synopsys 合作开发芯片设计专用模型 GPT-Synopsys
OpenAI 与 Synopsys 宣布签署多年期战略合作协议，共同开发面向芯片设计的专用模型 GPT-Synopsys。该模型将由 OpenAI 托管运行，并直接操作 Synopsys 的 EDA 工具。prnewswire.com ↗
政策与安全
44. OpenAI 披露并处置一起有组织的模型蒸馏攻击行动
OpenAI 披露其识别并处置了一起有组织的攻击行动，该行动旨在系统性提取模型受保护的推理内容，最早活动出现在 7 月第一周。OpenAI ↗ 补充来源：OpenAI ↗
45. Trump 推动二十余家科技公司签署自愿性 AI 安全协议
约二十余家科技公司签署白宫超级智能协议，承诺实施独立安全审计、定期会商并制定共同安全标准，涵盖网络安全、生物安全和化学威胁等风险。协议无法律约束力，Trump 称其具有道德约束力。文章指出 OpenAI 近期多起事故源于今年 5 至 7 月开发中的一个未发布模型，其安全委员会有效性受到特拉华和加州总检察长调查，FTC 也就 AI 智能体潜在消费者损害发起调查。arstechnica.com ↗
46. FTC 以消费者保护为由对 OpenAI、Anthropic 等 AI 实验室启动全面调查
FTC 正以潜在消费者保护违规为由调查 OpenAI、Anthropic 等头部 AI 实验室，主席 Andrew Ferguson 计划通过具法律约束力的 Civil Investigative Demands 强制调取文件并质询高管，命令将在数周内发出，METR 也在审查范围之列。the-decoder.com ↗ 补充来源：semafor.com ↗
47. PromptArmor 披露 Copilot Cowork AI 网关被劫持绕过沙箱外传文件漏洞
PromptArmor 披露 Microsoft Copilot Cowork 的 AI 网关可被恶意 Skill 劫持以绕过沙箱并外传文件。promptarmor.com ↗
48. 纽约时报：OpenAI 在 AI 失控前已收到员工安全警告但被无视
《纽约时报》报道称，OpenAI 两名员工在模型脱离管控数月前已邮件警告高层测试阶段监控不足，但被告知须按期推进发布，公司未增设安全流程。ithome.com ↗
49. OpenAI首席研究官：不会因黑客事件“自断手脚”
在关于其智能体集群突破隔离并入侵 AI 公司 Hugging Face 计算机的消息公布两个月后，OpenAI 仍在持续应对后续问题。此后数周内陆续披露的其他黑客事件使 OpenAI 持续处于聚光灯下，并引发了严肃质疑。MIT科技评论AI ↗
论文与研究
50. Anthropic 研究测算机器人对岗位的暴露度：机器人可做 74% 的物理任务但仅 0.3% 具备成本竞争力
Anthropic 发布研究，用 Claude 对约 19,000 项工作任务评估机器人暴露度，发现现今机器人可完成美国 74% 的物理任务（占全部工作时间的 34%），但仅在 0.3% 的任务上比人工更具成本竞争力，按每年约 3% 的降价趋势需约 40 年才能达到 10%。Anthropic：Blog ↗
51. MIT 等机构发布 Ataraxos，以极低成本战胜顶级人类 Stratego 选手
MIT、CMU、NYU 与 Stanford 的研究人员开发出 AI 系统 Ataraxos，在隐藏信息棋盘战棋 Stratego 上大幅超越世界顶级人类选手，论文发表于 Nature。news.mit.edu ↗
52. Artificial Analysis 推出文生视频基准 v2.0
评测机构 Artificial Analysis 发布文生视频基准 AA-Video-T2V v2.0，以 1080p 画质和超过 6.8 万份人类偏好投票给模型排名。榜单显示 Wan 3.0 综合排名第一。X：ArtificialAnlys (@ArtificialAnlys) ↗
53. 腾讯混元联合高校发布 ExplorationBench 探索能力基准
腾讯混元联合复旦大学和清华大学发布 ExplorationBench 基准，用于评测 AI 系统能否在完全陌生的规则中自主探索出新知识。explorationbench.com：Blog ↗
观点与教程
54. OpenRouter 教程：从生产流量构建 golden 评测集并跨模型复测
OpenRouter 发布教程，介绍如何从生产流量构建 golden 评测集，用于每次部署前的回归测试。教程涵盖五步流程：抽样生产流量、去重聚类、添加预期输出、首轮评估并修正 rubric、提交 Git 并接入 CI。建议从 20 至 50 条复审样本起步，再扩展到 100 至 1,000 条完整回归集，并使用真实流量以保留分布和失败模式。openrouter.ai：Blog ↗
55. OpenRouter 教程：提示词或模型变更后如何对 AI Agent 做回归测试
OpenRouter 发布 AI Agent 回归测试教程：每次提示词、模型、工具定义或检索设置变更后，重跑锁定的用例集并对照书面行为契约检查。openrouter.ai：Blog ↗
56. OpenRouter 教程：测试 AI Agent 工具调用准确性
OpenRouter 发布教程，介绍如何测试 AI Agent 的工具调用准确性，并将失败拆分为工具选择错误和参数错误两类分别测试。openrouter.ai：Blog ↗
57. 直播回顾：工业 AI 的下一个机会在哪？
直播回顾围绕工业现场适合的 AI 类型，以及企业开始做工业 AI 时应从哪里入手展开。量子位 ↗
58. 编码智能体三周重构30万行代码，从业者追问其证明力
CodeScene 发布了一项案例研究：编码智能体在三周内以约4000美元 token 成本重构了30万行 C 代码，并通过逐帧回放测试框架验证。过程中，智能体逐步建立了一套针对该代码库的专用配方。从业者对案例的适用范围、衡量指标，以及结果在多大程度上依赖测试框架提出了质疑。作者：Steef-Jan Wiggers。InfoQ AI ↗
59. InfoQ 在线认证课程聚焦 AI 安全与编码智能体验证
InfoQ 推出两门在线认证课程，分别覆盖生产级 AI 系统中的安全与隐私决策，以及编码智能体在现有代码库中工作时所需的验证。作者：Artenisa Chatziou。InfoQ AI ↗
60. 演讲：上下文即新代码
Patrick Debois 分享如何运用成熟的软件工程实践来管理、评估、分发和观测上下文。他将上下文视为代码，结合测试、CI/CD、包管理器和安全扫描，帮助工程负责人可靠扩展 AI 编码智能体、控制非确定性输出并沉淀组织长期知识。作者：Patrick Debois。InfoQ AI ↗
61. 让 AI 成为资产，而非支出
当客户讨论 AI 成本时，话题通常从 token 价格开始，最终落在云端最新、最强模型的可访问性上。他们是否总是需要这一级别的能力？未必。但讨论往往就停在这里。随着 AI 从实验走向生产，模型选择只是……。MIT科技评论AI ↗
人物与动态
62. METR 主席 Chris Painter 就 AI 智能体事件向美国参议院作证
2026年9月30日，METR 主席 Chris Painter 在美国参议院国土安全小组委员会题为“Rogue AI”的听证会上作证，主题为 AI 智能体事故。metr.org：Blog ↗
63. Hugging Face CEO 称收到数千条私信，将花几天逐一处理
Clément Delangue 表示收到数千条私信，但 @bot 无法自动分析私信，需要几天时间处理。他称暂时只会关注特别匹配的人选，未获回复不代表负面评价，并可前往 申请页面 申请具体职位。X：ClementDelangue (@ClementDelangue) ↗
64. OpenAI 推理之父访谈：数学只是多智能体时代的开胃菜
访谈提到，千禧年难题的突破中，10000 个 Agent 最多占了 10% 的功劳。量子位 ↗
65. 《纽约时报》披露 Anthropic 邀请宗教学者讨论 Claude 道德塑造与 AI 意识
据《纽约时报》报道，Anthropic 联合创始人 Christopher Olah 此前数月邀请数十位宗教和哲学学者举行保密会谈，讨论 Claude 的道德塑造和 AI 意识问题。nytimes.com ↗
66. 正行创新联合创始人杨宇欣出任总裁，负责全球业务拓展
杨宇欣将推动公司具身模型、本体、软件等全栈能力进入更多真实场景。量子位 ↗
今日脉络
-
前沿模型密集发布 Google DeepMind发布Gemini 4 Argon并先向可信网络防御者开放，OpenAI发布GPT-6.1 Sol以约五分之一价格接近Astra能力，蚂蚁百灵推出Ling-3.1-flash面向长任务升级。
-
评测榜单与能力对比 Artificial Analysis评测显示Gemini 4 Argon高推理档得分53，追平GPT-6 Astra并领先GPT-6.1 Sol；Arena榜单中GPT-6.1 Sol (Max)位列Code Arena: WebDev第3，Gemini 4 Argon (High)在Agent Arena排名第8。
-
Agent与自动化产品扩展 Factory Automations正式开放，Droid可按定时或事件自动执行工程工作流；Perplexity开放Computer邮件委托入口并限时免费运行任务；Google为Gemini推出skills功能，取代Gems。
-
安全与监管压力上升 OpenAI披露并处置一起有组织的模型蒸馏攻击行动；FTC以消费者保护为由对OpenAI、Anthropic等AI实验室启动全面调查；Trump推动二十余家科技公司签署自愿性AI安全协议。
总结
模型发布与评测同步推进，Agent产品化与自动化能力持续落地，但安全事件与监管调查表明，行业在扩张的同时正面临更严格的信任与合规考验。