Anthropic 于 2026 年 10 月 26 日向 SEC 递交 S-1，拟以“ANT”登陆纳斯达克，IPO 估值或超 2 万亿美元。OpenAI 同日发布 GPT-6.1 Terra，标准 API 每百万输入 token 1 美元、输出 5 美元，完成任务速度超旗舰 GPT-6 Astra 三倍以上。Google DeepMind 推出世界模型 Genie 4 研究预览，首次实现声音与画面同步生成，一致性时长翻倍至两分钟。
匹配字段摘要
Wenhao Chai 宣布推出 FrontierCS 2，称其为面向 AI 智能体计算机科学研究的最前沿基准，包含从已发表论文构建的 48 个任务，覆盖 13 个 CS 领域，并由各领域专家逐一打磨，与 Kaggle、Google DeepMind 联合发布。Dongxi 东锡 NLP 转发并强烈推荐。
匹配字段摘要
Alex Heath 在 Gemini 4 Argon 广泛发布后与 Google 兼 Alphabet CEO Sundar Pichai 对谈，讨论该模型的早期反响、他希望模型继续改进的地方，以及 Google 如何保持在前沿。Pichai 还谈到 Google DeepMind 近期的领导层调整、Google 在个人智能体竞赛中的方案，以及 Gemini 未来替用户承担更多工作的设想。访谈也涉及 Google 自由现金流转负、AI 基础设施建设的风险，以及他如何在模型能力尚不明确时就为多年后的需求做规划。
匹配字段摘要、正文
截至 2026 年 10 月，递归自我改进（RSI）的局部“小闭环”已在实验室跑通，但涵盖选方向、提假设、训练下一代基座模型的全流程“大闭环”尚未合拢。Anthropic 生产代码库中超过 80% 的合并代码由 Claude 编写，OpenAI 每个“人类工作日”已对应约 3.1 个 Agent 工作日。Claude Opus 5.5 在 TasteVal 基准上的实验算力效率达人类专家基线的 2.3 倍，但 Anthropic、OpenAI 与 Google DeepMind 官方均表示完整 RSI 尚未发生。
匹配字段摘要、正文
Google DeepMind 展示了 Gemini 4 Argon 在 Antigravity 中制作的 3D 元素周期表，配合 Tom Lehrer 的歌曲《The Elements》，可动态呈现绕核电子、原子数据和光谱。Sundar Pichai 转发时只写了“Sound on!”，提示打开声音观看。
匹配字段摘要
AI 安全公司 Gray Swan 于周二推出重新设计的 Arena 平台，参赛者通过诱骗 AI 模型突破护栏争夺奖金，新增针对间接提示注入的沙箱测试环境。新平台提供面向新手的挑战、培训证书，并为表现优异者开放进入 Gray Swan 红队社区参与真实测试的通道。Gray Swan 为 Anthropic、OpenAI 和 Google DeepMind 等前沿实验室做发布前压力测试，其 Arena 社区规模约 15,000 人。
匹配字段摘要、正文
Eka Robotics 完成 1.5 亿美元 A 轮融资，由 a16z 和 F-Prime 领投，投后估值 14.5 亿美元。该公司由 MIT 教授 Pulkit Agrawal 与前 Google DeepMind 研究员 Tuomas Haarnoja 创立，其视觉-力觉-动作模型配合力传感器夹爪，每小时可抓取约 1500 个 1 kg 以内物体，成功率超过 95%，夹爪成本低于 1000 美元、额定 500 万次循环。团队用物理仿真器构建强化学习环境，称可在数分钟内生成数千小时机器人经验，目前正与工业客户进行抓取放置和线缆操作的试点。
匹配字段摘要、正文
Goodfire 研究员 Nick Cammarata 发布 26,000 字博客，提出 LLM 可能比此前认为的更容易被理解和监控，并以 Inception v1 中同时响应猫和汽车的神经元为例，认为它们共享 V 形特征而非无规律纠缠。斯坦福 Chris Potts 认为这仍只是猜想，Google DeepMind 的 Neel Nanda 与 Alignment Research Center 的 Jacob Hilton 也指出神经元只是更大谜题的一部分，研究者对顶级 LLM 内部机制的了解不足 0.01%。Cammarata 表示团队已开始研究现代 LLM，将很快公布技术结果。
匹配字段摘要、正文
波士顿正成为机器人与物理 AI 中心，Boston Dynamics、Amazon Robotics 以及本月入驻的 Google DeepMind 都在该地区开发工业与家用机器人。上月，Intel 分拆出的 RealSense 被马萨诸塞州机器视觉厂商 Cognex 以 5 亿美元收购，其 CEO Nadav Orbach 将领导 Cognex 新设的机器人部门。Orbach 认为，波士顿的核心优势在于人才而非制造，约 40% 的 RealSense 业务集中在工业与仓储机器人，约四分之一来自人形与四足机器人。
匹配字段摘要、正文
雷锋网梳理了三个案例：Anthropic 因 Claude 持续生成代码，7 名工程师用 5 个月开发出版本控制系统 Scion 并迁移核心仓库，主分支历史接近 100 GB，迁移后基础设施 CPU 和内存需求约缩小 200 倍；GitHub 用微调后的 ModernBERT 替换密钥扫描中的通用 LLM，线上 Post-push 扫描执行时间中位数下降 86%，模型服务成本下降超过 98%；哥伦比亚大学与 Google DeepMind 等机构提出 BTTF，把芯片仿真波形转成 SQLite 供 Agent 用 SQL 排查异常，在 4.2 GB 波形实验中执行准确率 95.33%。文章认为，随着 Agent 提高代码产出，瓶颈会沿交付链路向后移到 CI 的构建、测试与部署验证。
匹配字段摘要、正文
Google DeepMind 团队让四个运行在 Gemini 4 Argon 上的 AI 智能体在随机生成的世界中自主通关 Minecraft，击杀末影龙，全程无人类输入。团队没有为它们分配角色、策略或游戏专用工具，四个智能体自行分工、互相预警威胁、回收阵亡队友的物品，并把错误记录在共享记忆中。整轮运行耗时 27 小时 14 分钟，共编写 2783 个 JavaScript 程序、交换 229 条聊天消息、死亡 605 次，按 2027 年生效的 Gemini 4 Argon 标准价格计算花费 1620 美元。
匹配字段摘要、正文
Arena 追踪 Anthropic、OpenAI、Google DeepMind、Kimi、xAI 和 DeepSeek 的最佳智能体在 6 月底至 10 月初的四项 Agent Arena 信号，发现实验室间最大差距在于用户是否享受使用体验。Praise vs Complaint 上 OpenAI 和 Anthropic 高出榜单均值 +35 分，Moonshot、xAI 和 DeepSeek 在 +5 至 +13 之间；Confirmed Success 上平均实验室最佳模型三个月内从 -4 升至 +14 分，Anthropic 以 Claude Opus 5.5 (Max) 的 +20 领先。Bash Recovery 分差从 34 缩至 16 分，Steerability 从 19 缩至 11 分。
匹配字段摘要
Google DeepMind 的新前沿模型 Gemini 4 Argon 在 ARC-AGI-3 上以 Provider Adapter Harness 测试环境取得 97.5%，成本 4800 美元，成为继 OpenAI 之后第二个跨过 95% 的实验室，仅次于 GPT-6 Astra 的 99.9%。在只允许简单笔记的 Standard Harness 下，低推理档得分降至 49.8%，且因 API 问题未能跑完全部 55 个游戏。Epoch AI 的 ECI 指数上 Argon 得 165 分，与 Fable 5.1 持平，但在数学 ECI 排第八、软件工程指数排第六。
匹配字段摘要、正文
Google DeepMind 的自动数学证明系统 AlphaProof Nexus 登上 10 月 8 日的《Science》，在 353 道悬而未决的 Erdős 问题中自主解出 9 道，其中两道自 1970 年悬置至今。系统由 Gemini 3.1 Pro 用 Lean 起草证明、编译器逐行校验并反馈迭代，每道题推理开销为几百美元。论文的消融结果显示，去掉子代理锦标赛等复杂结构、只保留大模型加 Lean 反馈的简版系统同样能解出这 9 道题，只是最难的几道更烧钱。
匹配字段摘要、正文
ARC Prize 公布 Google Gemini 4 Argon 在 ARC-AGI 系列基准上的验证成绩：ARC-AGI-3 在 provider adapter harness 下得分 97.5%、成本 4.8K 美元，标准 harness 下为 49.8%、5.8K 美元；ARC-AGI-2 为 91.3%、每任务 0.32 美元，ARC-AGI-1 为 98.5%、每任务 0.16 美元。Google DeepMind 由此成为第二家在 ARC-AGI-3 上得分超过 95% 的前沿 AI 实验室，仅次于 GPT-6 Astra 的 99.9%。Argon 在 25 个 ARC-AGI-3 公开游戏中比人类基线少用 62% 的动作，并在 3 个游戏中追平或打破速通纪录。
匹配字段摘要、正文
ARC Prize 公布 Google Gemini 4 Argon 在 ARC-AGI 上的验证成绩：ARC-AGI-3 达 97.5%（provider adapter harness，成本 4.8K 美元），标准 harness 下为 49.8%（成本 5.8K 美元）；ARC-AGI-2 为 91.3%，每任务 0.32 美元；ARC-AGI-1 为 98.5%，每任务 0.16 美元。ARC Prize 称 Google DeepMind 是第二家在 ARC-AGI-3 上超过 95% 的前沿 AI 实验室，Argon 的 97.5% 仅次于 GPT-6 Astra 的 99.9%。标准 harness 测试因 API 问题未能完成全部 55 个游戏，高推理档仅完成 19 个游戏故未公布分数，成本按每百万 token 输入 2 美元、输出 10 美元的当前优惠价计算。
匹配字段摘要
Boris Cherny 表示，过去几年 Claude 模型在提示注入防护上取得显著进展，但随着智能体承担更多任务，整个行业解决这一问题的紧迫性在上升。他宣布与 Gray Swan 合作举办相关竞赛，并期待看到参赛者的发现。Gray Swan 称该竞赛与 Anthropic、Meta、Google DeepMind、Reflection 等前沿实验室赞助方合作，奖金 30 万美元，主题为间接提示注入。
匹配字段摘要
François Chollet 表示，Gemini 4 Argon 在 ARC-AGI-3 上的性能表现与 Astra 相近，Google 重回前沿。ARC Prize 引用数据显示，Google DeepMind 的 Gemini 4 Argon 在 ARC-AGI-3 上取得 97.5%（provider adapter harness，$4.8K）和 49.8%（standard harness，$5.8K），ARC-AGI-2 为 91.3%、$0.32/task，ARC-AGI-1 为 98.5%、$0.16/task，是第二家在 ARC-AGI-3 上超过 95% 的前沿 AI 实验室。
匹配字段摘要
Ethan Mollick 认为，harness 加上更强的模型正在终结最后几个知名的困难基准：模型现在能持续工作极长时间（METR Long Tasks）、能输出数学正确的专业文档（GDPval）、也能解决复杂的新颖谜题（ARC-AGI-3）。他引用 ARC Prize 的数据称，Google 的 Gemini 4 Argon 在 ARC-AGI-3 上以 provider adapter harness 取得 97.5%、成本 4.8K 美元，标准 harness 下为 49.8%、成本 5.8K 美元；ARC-AGI-2 为 91.3%、每任务 0.32 美元，ARC-AGI-1 为 98.5%、每任务 0.16 美元，Google DeepMind 是第二个在 ARC-AGI-3 上超过 95% 的前沿实验室。
匹配字段摘要
Google AI 发布演示，展示 Gemini 4 Argon 在 antigravity 中充当虚拟建造者，自主生成一座可完整探索的多层宝塔建筑场景，整个过程只需几分钟。视频由 Google DeepMind 的 GeokenAI 讲解。
匹配字段摘要