AI 新闻日报

Chollet称Argon在ARC-AGI-3表现与Astra相近

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。

• Chollet：Gemini 4 Argon 在 ARC-AGI-3 表现与 Astra 相当，Google 重回前沿François Chollet
• ARC Prize 公布 Gemini 4 Argon 在 ARC-AGI 系列上的评测结果ARC Prize
• Gemini 4 Argon 在 ARC-AGI-3 得分 97.5%，仅次于 GPT-6 AstraARC Prize

Suleyman称MAI已拥有3T参数级SOTA预训练基座模型

微软 AI 宣布完成新一代基础模型 MAI-Base-2 的预训练，这是一个 80B 激活参数、2.8T 总参数的 MoE 模型，在内部留出评测上优于其测试的所有开放权重模型。微软称其预训练 FLOPs 效率比最强的开放基础模型 DeepSeek-V4-Pro-Base 高 4-12 倍，训练使用 16k 块 GB200 GPU、历时 38 天，平均 MFU 21%、goodput 89%。该模型基于有机数据训练、不涉及其他模型蒸馏，目前正进行后训练，微软计划通过 Foundry 向可信伙伴授权模型权重。

• 微软发布 MAI-Base-2 基础模型，称性能超越驱动 GPT-5.6 的模型且算力仅为其四分之一财联社

SGLang原生支持并驱动Beam生产API

Reflection AI 推出开源权重模型 Beam，面向智能体编码和长周期任务，如维护代码、调用工具、解读结果并完成多步工作流。Beam 是稀疏 MoE 模型，总参数 5010 亿、激活参数 230 亿，Reflection 称有效上下文长度为 100 万 token，权重以 Apache 2.0 许可在 Hugging Face 发布，提供 BF16、FP8 和 NVFP4 三种 checkpoint。发布时 Beam 已在 Amazon SageMaker JumpStart 上线，覆盖美国东部（弗吉尼亚北部）和（俄亥俄）区域，也可通过 SageMaker HyperPod Inference 搭配 JumpStart、SGLang 或 vLLM 部署。

• Reflection 发布首个开源权重模型 Beam，501B 参数稀疏 MoEReflection Blog
• Reflection 以 Apache 2.0 开源 501B 参数 MoE 模型 BeamUnite.AI

豆包手机助手宣布逐步放开第三方应用屏幕自动化操作权限

豆包手机助手《屏幕自动化操作声明协议》（SAEP）结束30天公示期，明确拒绝的第三方应用清单从首批151款更新至155款，腾讯系66款、阿里系23款居前，DeepSeek、Kimi也在其中。拒绝仅针对AI代识别屏幕和模拟点击，这些App在努比亚M153和NaviX Ultra上仍可正常安装和手动使用。公示期结束后开发者仍可补交拒绝声明，豆包承诺3个工作日内关闭支持。

Anthropic在上市前向投资者推介并披露营收增长

据 The Information 援引知情人士消息，Anthropic 在 10 月 14 日旧金山潜在 IPO 投资者会议上披露，第三季度营收达 168 亿美元，环比增长约 45%，并已实现调整后盈利、经营性现金流为正。今年前三季度累计调整后营业利润率达到 11%，前三季度累计营收约 331 亿美元。Anthropic 预计于今年 11 月感恩节假期（11 月 26 日）前上市，此前已向 SEC 秘密提交 IPO 注册文件草案。

DeepMind论文登上《Science》

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。

Nvidia发布Nemotron 3.5 Super VL与Bolt模型

NVIDIA 发布 Nemotron 3.5 Super VL，这是一个 120B 参数的开放模型，面向常驻智能体任务，官方称其在同类开放模型中吞吐最高，比次优模型快 5 倍，准确率接近 NVIDIA 最大推理模型而参数量约为其五分之一。同时推出两款端侧模型 Nemotron 3.5 Bolt 74B-A9B 24GB 和 Bolt E4B 4GB，前者用原生 2-bit 量化塞进 24GB 显存，可在 RTX/DGX Spark 本地运行智能体任务，后者面向 GeForce RTX、Jetson 上的语音与对话智能体。Super VL 与 Bolt 74B-A9B 已上线 Hugging Face，Bolt E4B 将于 10 月 23 日发布；Super VL 还提供开放权重、开放数据集和训练配方，支持企业用自有数据后训练。

• NVIDIA 发布 Nemotron 3.5 Super VL，SGLang 提供 Day-0 支持LMSYS Blog
• Prime Intellect 与 NVIDIA 后训练 Nemotron 3.5 Super VLPrime Intellect
• Nvidia 发布 Nemotron 3.5 Super VL 开源多模态模型，并推出两款 Bolt 端侧模型The Decoder

Artificial Analysis 公布 RTX Spark 笔记本首个本地智能体评测结果

NVIDIA 宣布 RTX Spark 笔记本今日全球开售，由 ASUS、Dell、HP、Lenovo、Microsoft 和 MSI 推出，起售价 2,599 美元。该设备采用 Blackwell RTX GPU 与 Grace CPU 组成的超级芯片，提供最高 128GB 统一内存和 1 petaflop FP4 AI 性能，可在本地运行大语言模型和 AI 智能体。首发机型包括 ASUS ProArt P14/P16、Dell XPS 16、HP OmniBook Ultra、Lenovo Yoga Pro 9n、Microsoft Surface Laptop Ultra 和 MSI Prestige N16 系列。

商务部、科技部就修订技术出口目录公开征求意见

中国商务部和科技部发布禁止和限制出口技术目录的修订草案，覆盖大模型、智能体、算力集群和数据处理等23项关键AI技术。能自主编写或改写恶意软件以攻击关键基础设施、军方或政府机构的AI工具将被全面禁止出口，部分漏洞发现类AI工具则面临新的出口限制。大模型在两种情形下受管制：基于中国重要数据训练并提供服务，或涉及权重、checkpoint、源代码、架构及训练推理方法等核心技术，触发门槛为训练算力达10^26 FLOPs、参数至少2万亿或进入全球前十。以开源方式发布受限AI技术和权重可获自动许可，通过API、应用、网站、SaaS或端侧轻量版本使用不受管制，但在境外本地服务器部署受限AI技术需申请标准出口许可。