Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布新模型 Gemini 4 Argon，可处理编码、研究和写作等任务，并针对防御性网络安全工作专门训练，公司称其能自主发现、验证并修补关键软件漏洞。
#编码
#编码
今日 3 条TechCrunch · AIAI 评分6464 Ars Technica · AIAI 评分6565 Google 发布 Gemini 4 Argon 模型，暂未对外开放
Google 发布 Gemini 4 Argon，宣称在编码、知识工作和网络安全上达到业界领先性能，但目前仅限内部有限测试，外部用户尚不能使用。在软件工程评测 DeepSWE v1.1 上得分 77.9%，高于 GPT-6 Astra、Fable 5.1 和 Opus 5.5。
Google DeepMind精选AI 评分7878 Google DeepMind 发布 Gemini 4 Argon 前沿模型，输出 token 上限提至 1M
Google DeepMind 宣布推出前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络安全防御者开放，随后将陆续提供给开发者、企业和消费者。
推荐理由：官方给出 Gemini 4 Argon 的评测成绩与内部落地数据，可据此判断前沿模型在长周期工程与网络安全任务上的进展。
AWS Machine Learning Blog精选AI 评分6767 GPT-6.1 Sol 在 Amazon Bedrock 正式可用
GPT-6.1 Sol 现已在 Amazon Bedrock 正式可用，定位为 GPT-6 Sol 的升级版，面向智能体编码、computer use 与专业工作负载提供更强推理能力。
推荐理由：材料给出 GPT-6.1 Sol 在 Bedrock 上线后的能力定位与成本对比，读者可据此判断强推理模型的落点。
Simon Willison精选AI 评分8484 OpenAI DevDay 2026 现场直播：发布 Dots 智能体、GPT-6.1 Sol 与 Ultrafast 等多项更新
OpenAI 在 DevDay 2026 主题演讲中发布 Dots 个人智能体、GPT-6.1 Sol 模型、Ultrafast 高速推理以及新的 Agents API。
推荐理由：作者以在场者身份记录 DevDay 全程发布，读者可据此一次性掌握 OpenAI 在智能体、模型与开发者平台上的产品版图。
OpenAI News精选AI 评分6868 OpenAI 发布 GPT-6.1 Sol
OpenAI 发布 GPT-6.1 Sol，官方称其面向编码、电脑操作和专业工作，接近 Astra 的智能水平。其标准 API 输入和输出 token 价格为 Astra 的五分之一。
推荐理由：官方公布 GPT-6.1 Sol 的定位与定价，读者可据此判断它在编码和电脑操作上的价格取舍。
Latent SpaceAI 评分7171 Anthropic 的 Thariq Shihipar 谈 Claude Code 的下一阶段
Latent Space 播客邀请 Anthropic 的 Thariq Shihipar，讨论 Claude Code 的演进方向，包括 Ask User Question 与 artifacts 作为人机交互界面、Claude Tag 与 Projects 支持多人协作、Claude Mods 让用户自定义执行循环与 UI。
AWS Machine Learning Blog精选AI 评分6060 xAI 的 Grok 4.7 上线 Amazon Bedrock
xAI 的 Grok 4.7 已在 Amazon Bedrock 上线，支持 500K token 上下文窗口和 low、medium、high、xhigh 四档可配置推理强度，通过 bedrock-runtime 的跨区域推理配置提供，并支持 Responses、Chat Completions 和 Converse API。
推荐理由：文章给出 Grok 4.7 在 Bedrock 上的接入方式与四档推理强度成本权衡，可供工程选型参考。
AWS Machine Learning Blog精选AI 评分6060 AWS 上线 Claude Sonnet 5.5
AWS 宣布 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform on AWS 上线，定位为更高效、多数任务单任务成本更低的 Sonnet 模型，适合范围明确的编码与知识工作，如告警首响应、智能体常驻监控、SQL 生成、UI/UX 测试和 IDE 内快速编码。
推荐理由：官方给出 Sonnet 5.5 的定位、适用任务和与 Opus 5.5 的分工，可据此判断该把哪些工作交给它。
OpenAI NewsAI 评分1010 Codex Originals 计划征集：OpenAI 寻找用 Codex 做出成果的开发者
OpenAI 启动 Codex Originals 计划征集，寻找使用 Codex 的开发者、研究者与创作者分享真实项目故事。有意者可在下方提交自己的故事与项目介绍，参与该计划下一阶段。
Simon WillisonAI 评分4141 Simon Willison 回顾 2026 年 LLM 大事记
Simon Willison 在 WeAreDevelopers World Congress 北美站闭幕演讲中，按时间线梳理了 2026 年 LLM 领域的关键进展。
Simon WillisonAI 评分2424 Simon Willison 用 Claude Opus 5.5 与 Claude Code 制作 Kākāpō Party 像素动画并录成视频
Simon Willison 把三张 kākāpō 鹦鹉照片交给 Claude Opus 5.5，生成 HTML 5 canvas 像素动画 Kākāpō Party，画面中至少 20 只鹦鹉随音乐跳跃、点击触发彩带与气球。
OpenAI NewsAI 评分1818 Proaction 用 Codex 提升销售 60%、节省 75+ 小时
Proaction 借助 Codex、GPT-Live-1 和 GPT-6 Astra，更快地构建、运营并销售现代车队管理方案，销售提升 60%，节省 75+ 小时。
Simon WillisonAI 评分1515 Simon Willison：编程智能体让软件工程变得"更难"了
Simon Willison 在 2026 年 9 月 24 日的笔记中提出，随着与编程智能体协作的时间增加，他越发确信这些工具反而让软件工程变得更难。他认为智能体能带来惊人的成果，但释放其全部潜力需要极高的纪律性和知识储备。
Latent Space精选AI 评分8484 Anthropic 发布 Claude Opus 5.5，OpenAI 同日推出 GPT-6 Sol 与 Luna 并双双降价 40-50%
Anthropic 发布 Claude Opus 5.5，为 Claude 5.5 家族首个模型，官方称多数任务达到 Claude Fable 5.1 水平，运行成本比 Opus 5 低 40%，速度约快 30%，并成为 Claude Code 与 Claude 应用的默认模型。
推荐理由：同日两家发布新模型并同步降价，材料给出第三方评测与按任务成本拆解，可对照能力与价格的实际取捨。
Simon WillisonAI 评分4141 工程师爆料：整支团队从 L1 到 L7 都在用 Claude Code 写规格、代码和 PR，没人读任何东西
一名新入职大公司的工程师称，团队里的规格、代码、测试、PRD、工单及其处理、报告等全部由 Claude Code 生成，从 L1 到 L7 的工程师都在做同一件事——和 Claude 对话。没人喜欢这种状态，管理层多次表示推送代码不是瓶颈，员工每天工作 12 到 13 个小时只是为了按回车。
OpenAI NewsAI 评分4141 Cognition 让 Devin 用 GPT‑6 Astra 测试自己的产出
Cognition 借助 GPT‑6 Astra 提升 Devin 测试软件并验证其可用的能力，目标是让工程师减少代码审查、交付更多。
OpenAI NewsAI 评分2121 一位研究员如何用 Codex 和 ChatGPT 寻找新型抗菌分子
César de la Fuente 的实验室正用 Codex 和 ChatGPT 在现存与已灭绝生物的基因组中搜寻抗菌候选分子，以对抗耐药性感染。
Mistral AIAI 评分5252 Mistral 如何用 AI 智能体把 4 万行 Fortran 77 迁移到 C++
Mistral 帮助一家欧洲能源运营商把 4 万行 Fortran 77 水库模拟器迁移到 C++，该代码库没有测试套件，也没有集中文档。做法是先搭数值一致性校验框架，用自研 parser 生成调用树并让上百个智能体借助 Mistral OCR 归档散落文档，再以 coder、tester、reviewer 加人工检查点的结构化工作流逐模块迁移。
OpenAI NewsAI 评分2626 GPT-5.6 Sol 如何自主运行量子计算实验
一位 MIT 研究员用 GPT-5.6 Sol 配合 Codex 自主运行量子计算实验，完成结果分析与量子比特校准。
OpenAI NewsAI 评分1313 1Password 借助 Codex 将工程效率提升 21%
1Password 的工程师使用 Codex 快速构建新功能和内部工具，在维持严格安全策略的同时达到可投产状态，工程效率提升 21%。
GitHub Blog · AI & ML精选AI 评分6969 GitHub Copilot 推出 Project HydraFusion 多模型编排研究预览
GitHub Copilot 在 CLI 中通过 /experimental 开放 Project HydraFusion 研究预览，用户在 /model 中选择后由运行时编排多模型完成任务。
推荐理由：GitHub Copilot 官方给出多模型编排研究预览的三种执行模式与三个基准的成本质量数据，可据此判断路由策略的取舍。
GitHub Blog · AI & MLAI 评分3838 GitHub Copilot app 入门：如何同时运行多个 AI 智能体
GitHub Copilot app 支持同时运行多个 AI 智能体会话，每个会话运行在独立的 Git worktree 上、彼此互不干扰，并各自保留上下文，可随时切换而无需重新解释任务。会话视图中每张卡片显示任务标题和智能体完成进度，用户可在同一项目上并行推进多项任务，把时间花在审查和决策上。官方建议先从两个小任务同时开始试用。
Google DeepMind精选AI 评分8585 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8 系列，包含通用模型 Gemini 3.8 Flash 和网络安全模型 Gemini 3.8 Flash Cyber，二者共用同一底层智能。
推荐理由：官方给出了两款 Gemini 3.8 Flash 的评测成绩与定价，可对照 3.7 Flash 判断智能体编码与网络安全任务上的取舍。
Google DeepMind精选AI 评分8181 Google DeepMind 发布 Gemini 3.7 Flash，主打编码与智能体
Google DeepMind 发布 Gemini 3.7 Flash，定位为面向编码与智能体场景的最强主力模型，距离 Gemini 3.6 Flash 发布仅三周。
推荐理由：Google DeepMind 公布 3.7 Flash 的基准提升与降价幅度，可据此判断它在编码和智能体工作流中的性价比。
Berkeley AI ResearchAI 评分4141 从 CUDA 到 MLX：K-Search 如何将数十年 kernel 经验带到 Apple Silicon
Berkeley Sky Lab 将进化式 kernel 搜索框架 K-Search 扩展到 MLX 后端，通过结构化 CUDA-to-MLX 翻译层，把已有 CUDA kernel 当作知识库适配为 Apple Silicon 上的高质量 kernel。
Import AI精选AI 评分7777 Epoch 与 METR 发布 MirrorCode 基准：AI 可完成数周规模的编程任务
Epoch 与 METR 发布 MirrorCode 基准，让 AI 仅凭 CLI 访问重实现软件程序，25 个目标程序中 17 个有满分运行，Opus 4.7 用 14 小时、251 美元推理成本完成 METR 和 Epoch 估计人类需 2-17 周的任务。
推荐理由：MirrorCode 用 25 个真实程序衡量 AI 自主重实现能力，Opus 4.7 花 14 小时完成人类需数周的任务。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 Gemini 3.5 Flash Cyber 安全模型
Google DeepMind 推出 Gemini 3.5 Flash Cyber，一款基于 3.5 Flash 微调的轻量网络安全模型，用于快速发现、验证和修补漏洞，在 CyberGym 等基准上以多次调用 CodeMender 的方式取得与更大模型相当的表现。
推荐理由：官方给出了新模型在真实代码库漏洞挖掘上的基准与落地案例，可据此判断轻量安全模型的能力边界。
Import AIAI 评分4848 Import AI 464：Fable 写出 GPU kernel、AI 自动化与模拟计算
Fable 在 KernelBench-Mega 上写出被认为首个真正的 megakernel，用 CUDA 在 RTX PRO 6000 Blackwell 上相对优化 PyTorch 基线取得 18.71X 加速，超过 Claude Opus 4.8 的 14.4X、GLM-5.2 的 11.14X 和 GPT 5.5 的 4.34X。
Hugging Face BlogAI 评分2929 ScarfBench：面向企业级 Java 框架迁移的 AI 智能体基准测试
Hugging Face 发布开源基准 ScarfBench（Self-Contained Application Refactoring Benchmark）。
Import AIAI 评分3333 Import AI 461：Sequent 称"对齐尚未走上正轨"、FrontierCode 与合成研究实习生
英国 AI Security Institute 对齐团队与 Timaeus 联合成立非营利研究机构 Sequent，称"对齐尚未走上正轨"，计划两三年内扩至 40-80 名全职员工，初期募资 $100–150M。
Mistral AI精选AI 评分7676 Mistral 发布统一 AI 智能体 Vibe，Le Chat 更名并推出 Work 与 Code 双模式
Mistral 将 Le Chat 更名为 Vibe，定位为同时覆盖工作与编码的统一 AI 智能体，原有对话、设置和订阅方案全部保留。
推荐理由：Mistral 把 Le Chat 更名并统一为工作与编码两种模式的智能体，读者可据此判断企业办公与编码流程的整合路径。
Mistral AI精选AI 评分7878 Mistral 发布 Mistral Medium 3.5，并在 Vibe 与 Le Chat 上线云端远程智能体
Mistral 发布 Mistral Medium 3.5，这是一个 128B 密集架构模型，在 SWE-Bench Verified 上得分 77.6%，以修改版 MIT 许可证开放权重，API 定价为每百万输入 token 1.5 美元、每百万输出 token 7.5 美元。
推荐理由：Mistral Medium 3.5 以 128B 密集架构开源并成为 Vibe 与 Le Chat 默认模型，读者可据此判断云端异步编码智能体的可用性。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 3.5 Flash
Google DeepMind 发布 Gemini 3.5 系列首个模型 3.5 Flash，主打智能体与编码能力，今日起在 Gemini app、Google Search AI Mode、Google Antigravity、Gemini API、AI Studio、Android Studio 及 Gemini Enterprise 上线。
推荐理由：官方披露 3.5 Flash 在 Terminal-Bench 2.1 等基准上的成绩与 4 倍输出速度，可据此判断其性价比定位。
Google DeepMind精选AI 评分7272 Google DeepMind 发布 AlphaEvolve 一年落地成果
Google DeepMind 汇总了 Gemini 驱动的编码智能体 AlphaEvolve 发布一年来的应用成果，覆盖科研与基础设施优化。
推荐理由：官方汇总了 AlphaEvolve 在基因组、电网、TPU 与商业客户上的落地数据，可据此判断编码智能体的跨领域迁移空间。
Import AIAI 评分3939 Import AI 455：AI 系统即将开始自我构建
Import AI 作者认为，到 2028 年底前出现"无需人类参与的 AI 研发"（能自主构建后继模型的 AI 系统）的概率超过 60%，但预计 2026 年内不会发生，一两年内或先看到非前沿模型端到端训练后继模型的概念验证。
Mistral AIAI 评分5454 Mistral 发布 Lean 4 代码智能体 Leanstral
Mistral 发布 Leanstral，一个面向 Lean 4 的开源代码智能体，以 Apache 2.0 许可开放权重，并集成进 Mistral Vibe 与免费 API。
Mistral AIAI 评分3434 Rails 测试自动化：基于 Mistral Vibe 构建自动编写 RSpec 测试的智能体
Mistral 基于其开源编码助手 Vibe 构建了一个自主智能体，能读取 Rails 源码文件、生成或改进 RSpec 测试并在 CI/CD 流水线中无需人工干预地运行，多个实例可并行处理不同文件。通过引入 AGENTS.md 和分类 SKILLS 文件，其质量分数从 0.68 提升至 0.74。
Mistral AI精选AI 评分7171 Mistral 发布 Devstral 2 编码模型与 Mistral Vibe CLI
Mistral AI 发布 Devstral 2 编码模型家族，包括 123B 的 Devstral 2 和 24B 的 Devstral Small 2，两者分别采用修改版 MIT 和 Apache 2.0 许可，均为开源。
推荐理由：官方给出了 Devstral 2 的 SWE-bench Verified 成绩、参数规模与定价，可据此判断开源编码模型的性价比位置。
Berkeley AI ResearchAI 评分2222 word2vec 到底学到了什么？研究者给出闭式学习理论
Berkeley AI Research 的新论文为 word2vec 给出了定量可预测的学习理论：在合理实用条件下，其学习问题可化简为无权重最小二乘矩阵分解，梯度流动力学存在闭式解，最终学到的嵌入等价于对目标矩阵 M* 做 PCA。