12:52 Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5 上以 59 分排名第一，并在 HLE-Diamond、TB-Science 等 9 项评测中的 4 项领先。该模型主打网络安全与长周期任务，宣称在 SEC-bench Pro 上取得 88.2%、ExploitGym 上 54.8%、CWE-bench 上 71.0%，初期仅通过 Fairwind Program 向可信网络安全人员开放。规格上支持 1M token 上下文与 1M 最大输出，输入覆盖文本、图像、视频和语音，输出为文本；Artificial Analysis 列出的标准价格为每百万输入/输出 token 4/20 美元，另有 50% 上线折扣。
另有 1 个独立来源 + 同一新闻来源 Latent Space The Rundown AI 推荐理由 汇总了 Gemini 4 Carbon 在多个独立榜单上的位置与定价，可对照它和 Opus 5.5、GPT-6 Astra 的差距。
09:28 Latent Space 播客访谈 Anthropic 工程负责人 Katelyn Lesse 与产品负责人 Angela Jiang，围绕 Opus 5.5 的发布展开，讨论模型写作风格调整、按每美元智能定价以及为防蒸馏而要求跨轮保留 thinking blocks 等 API 变化。访谈还介绍了 Claude Managed Agents 把会话与 harness 同执行代码的沙箱分离的思路，凭据通过代理单独挂载，沙箱故障不会带走整个会话；Dreaming 则被实现为一个托管智能体检查另一个智能体的历史并写回记忆。团队表示随着模型发布的安全工作变重，近期精力更多转向安全，技能、记忆等功能的推进相对放缓。
推荐理由 Anthropic 工程与产品负责人拆解模型发布背后的 API 改造、沙箱隔离与授权体系，可供设计智能体运行时参考。
16:04 Anthropic 于周一公开提交 S-1，计划在纳斯达克以代码 ANT 上市，营收从 2023 年的 4100 万美元增至 2026 年上半年 163 亿美元，Q2 单季 116 亿美元、同比增长 1368%。Q2 运营利润为 9.74 亿美元，上半年运营现金流为正 39 亿美元，而 807 亿美元净亏损主要来自 811 亿美元非现金金融工具费用。上半年约 48% 的收入（约 78 亿美元）经由 Bedrock、Vertex 和 Azure Marketplace 流转，S-1 还披露近期推迟了一款前沿模型的预训练，并列出最高 1205 亿美元的 NVIDIA 算力承诺。
另有 1 个独立来源 + 同一新闻来源 Latent Space The Rundown AI 推荐理由 原文汇总了 Anthropic S-1 的关键财务数字与各方反应，读者可据此了解其收入结构、算力承诺和争议点。
13:00 OpenAI 发布 GPT-6.1 Terra，官方称其结合细致的视觉推理与精确的计算机操作，并具备更清晰自然的写作能力，相较 GPT-5.6 Terra 有明显提升。该模型定价为每百万输入 token 1 美元、每百万输出 token 5 美元，约为 GPT-5.6 Terra 和 GPT-6.1 Sol 价格的一半，约为 GPT-6 Luna 的 10 倍。Simon Willison 指出 Terra 在 OpenAI 模型序列中的位置类似 Anthropic 的 Sonnet，既不是最便宜也不是最贵，选择时较难判断。
推荐理由 原文对比了 Terra 在 OpenAI 模型线中的定位与价格，并给出与 Anthropic Sonnet 档位的参照。
08:18 月之暗面发布 Kimi K3.1 Pro，这是一款多模态 MoE 模型，总参数 2.8T、激活参数 104B，上下文窗口 100 万 token，标准版与 Highspeed 版已上线 Kimi 网站、App、Kimi Work、Kimi Code 和 API，官方称 Highspeed 输出速度提升 2–3 倍、价格为标准版两倍。Artificial Analysis 将其排在 Intelligence Index 第四位、得分 55，落后 Opus 5.5 的 58；Arena 的 Code Arena WebDev 排名第 8、1692 分，较 K3 上升九位。标准版定价为每百万 token 输入 2 美元、输出 10 美元、缓存输入 0.2 美元，较 K3 下降三分之一；权重尚未发布，官方承诺 11 月 4 日开放。
另有 2 个独立来源 + 同一新闻来源 Latent Space Simon Willison The Rundown AI 推荐理由 汇总了 Kimi K3.1 Pro 的独立基准、定价与开源承诺，可据此判断开源权重与闭源前沿的差距。
15:34 DeepSeek 开源了支撑 DeepSeek-V4.1-Flash 的自研推理框架 DeepInfer，并公布单集群每天处理 155 万亿 token、96% 输入缓存命中、首 token 延迟 400ms、生成速度 230 tokens/s 的生产数据。该框架基于 vLLM 定制，支持分布式推理、投机解码、SWA Bounded Replay 和结构化输出，目标平台为 NVIDIA SM100 与华为昇腾 950。DeepSeek 同时说明 KV cache 管理和负载均衡等组件尚未完全开源，vLLM 团队则称在 GB200 匹配配置下解码吞吐与 DeepInfer 公布结果相差 6% 以内。
推荐理由 原文把 DeepInfer 的生产数据、缓存分层和 vLLM 复现对比放在一起，便于判断这套推理栈的可迁移边界。
12:36 Goodfire 的 Nick Cammarata 发布文章提出，多数神经元本身是可解读的，许多著名的多义性案例属于误读；他称 2023 年在 OpenAI 的自动可解释性工作只找到约 2% 可解读神经元。相关讨论提到 Qwen-32B 中 90% 的神经元只承担一项功能。Neel Nanda 表示这没有改变他的关键判断，仍认为存在表征叠加，弱激活承载记忆事实；Leo Gao 主张用神经元模拟的 KL 指标来评判解释，Pfau 指出论文尚未发表。
推荐理由 Goodfire 研究者提出多数神经元可直接解读，并给出 Qwen-32B 的量化观察，读者可据此了解可解释性争论的最新一方。
18:13 Modal 完成 160亿美元 D 轮融资，ARR 达到 10 亿美元，成为纽约最新的 AI 基础设施独角兽。其使用量和估值在 5 个月内均增长 3 倍，一年内增长 15 倍。
推荐理由 Modal 在 5 个月内实现使用量和估值各 3 倍增长，可据此观察 AI 基础设施厂商的融资节奏。
07:32 Simon Willison 发布 llm-meta-ai 0.2 插件，为 Meta AI 新模型 Muse Wonder 和 Muse Wonder Full 增加支持。该插件覆盖 minimal、low、medium、high、xhigh、max 六个推理档位，作者用画鹈鹕的方式对比了 Muse Wonder 与 Muse 1.3、Muse 1.2 的差异，并称 Meta AI 目前每月发布一个新模型。
推荐理由 作者更新自家插件以支持 Meta 新模型，读者可了解新模型的能力档位与接入方式。
17:42 Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者定位快速前沿模型，后者为完整版本，Meta 称其面向个人与专业智能体工作。Artificial Analysis 的 Intelligence Index v4.3 中 Wonder Full 得 56 分、Wonder 得 52 分，高于 Muse Spark 1.3 的 48 分，Opus 5.5 以 58 分领先。规格为 1M 上下文，输入支持文本、图像、视频和音频，输出仅文本，定价为每百万 token 输入 4 美元、缓存输入 0.20 美元、输出 20 美元。
推荐理由 汇总第三方评测与定价，可对照 Opus 5.5、GPT-6 等模型判断 Meta 新模型的实际位置。
05:05 Anthropic 发布快速低价模型 Claude Haiku 5.5，定价为每百万 token 输入 $0.10、输出 $0.50，与 OpenAI 上月发布的 GPT-6 Luna 一致，但超过 100,000 token 后涨至 $0.50/$2.50，而 Luna 在 272,000 token 后才涨到 $0.20/$0.75。Simon Willison 实测发现 Haiku 5.5 使用了更不宽松的 tokenizer，同一长提示词消耗的 token 约为 Haiku 4.5 的 1.25 倍，构成隐性涨价；新模型不支持关闭推理，默认 medium 档。Anthropic 同时宣布将 Sonnet 5.5 的缓存读取价格减半，并为订阅计划增加 API 额度。
另有 1 个独立来源 + 同一新闻来源 Latent Space Simon Willison 推荐理由 作者实测了 Haiku 5.5 的定价、tokenizer 变化与推理档位表现，读者可据此判断它与 GPT-6 Luna 的成本取舍。
21:59 OpenAI 发布了一批由未发布前沿模型产出的数学结果，共 722 篇手稿、372 个家族，覆盖数论、复杂性理论和数学物理，平均每项结果相当于 ChatGPT Pro 思考三小时。作者 Azeem Azhar 引用 Derya Unutmaz 的说法称，这相当于过去三年主要数学发现的 81%；部分结果已在 Lean 中验证，但并非全部。他援引 Steve Hsu 的观点提出，数学可能分为机器数学与人类数学两层，前者规模庞大且由 AI 消费，后者只是人类能理解的一小部分压缩理论。
推荐理由 围绕未发布前沿模型产出的数学结果，讨论机器数学与人类数学可能分层这一判断。
19:58 OpenAI 在公开 GitHub 仓库中发布了一批来自内部前沿模型的数学结果，称就发布方式咨询了高等研究院数学与 AI 独立顾问组。这批结果据称包含 722 篇手稿、归入 372 个相关结果族，来自约 4000 个研究问题的评估，每个结果平均消耗约三小时 ChatGPT Pro 思考算力，模型本身仍未发布。评论者提到其中包含快于 n log n 的整数乘法结果，以及 1994 年以来在 3D 中开放的弹性逆问题唯一性结果，并称部分结果涉及 Riemann、Hodge 与 BSD 的进展；有分析估计约 20% 的结果是反证或反例，也有人预计部分结果经不起审查。
推荐理由 OpenAI 公开 722 篇数学手稿并称解决 500 个开放问题中的 90 个，读者可了解其规模、算力成本与外界质疑。
04:44 Mistral 发布 Mistral Large 4 预览版，这是一个 1 万亿参数、490 亿激活参数的模型，在自家 3,800 块 NVIDIA Grace Blackwell GPU 集群上训练，目前通过 API 提供。该模型在 Mistral API 中只支持 none 和 high 两档推理级别，官方承诺本月底放出开放权重版本。它在 Artificial Analysis 上得分 38，略低于 552B 的 DeepSeek 4.1 Flash，相比去年 12 月得分 9 的 Mistral Large 3 提升明显。
推荐理由 Mistral 时隔一年重回前沿附近，读者可对照其参数规模、推理档位与 Artificial Analysis 得分判断差距。
14:44 Reflection 发布 Beam，一个面向编码、智能体与科研的纯文本 MoE 模型，总参数 501B、激活 23B，从零训练，Apache 2.0 全量权重预计本月发布。团队称预训练用了 23.8T token，并在约 10,500 块 GB300 上各跑四周预训练与 RL，自报 SWE-bench Verified 得分 80.9。观察者认为 Beam 大致处于 GLM-5.2 水平，部分基准低于 DeepSeek V4 Flash。
另有 1 个独立来源 + 同一新闻来源 Latent Space The Rundown AI 推荐理由 Reflection 从隐身状态发布美国本土训练的 501B MoE 开源模型，读者可据此了解其训练规模与相对位置。
14:53 Google DeepMind 发布前沿模型 Gemini 4 Argon，面向编码、企业知识工作和网络安全防御，今日起通过 Fairwind Program 向受信任测试者开放，并承诺尽快扩大访问。Google 称其输出上限达 1M token，较此前的 64K 大幅提升，标准定价为每 1M 输入/输出 token 4 美元/20 美元，另有 50% 的限时折扣。Google 称 Argon 在 19 项公开基准中的 13 项排名第一，DeepSWE 得分 77.9%，高于 Opus 5.5 的 74.2% 和 Astra 的 74.1%；Artificial Analysis 测得其在 Intelligence Index 上得 53 分，与 GPT-6 Astra 持平。
另有 1 个独立来源 + 同一新闻来源 Latent Space The Rundown AI 推荐理由 汇总 Gemini 4 Argon 的发布范围、1M 输出与第三方评测差异，可对照其与 Astra、Opus 5.5 的定位差别。
17:30 OpenAI 在 DevDay 上发布常驻智能体 dots，可 24/7 在云端电脑上工作，接入 4000 多个应用，并能在 Slack、Teams 或 ChatGPT 中回复，对话不计入 ChatGPT 用量额度。dots 运行在 GPT-6 Astra 上，Pro 和 Business Premium 用户先获得一个 dot。同场还发布 GPT-6.1 Sol，定价为每百万 token 2 美元和 10 美元，为 Astra 的五分之一，以及 Decisions API、ChatGPT Space 和 Pages 等更新。
推荐理由 OpenAI 在 DevDay 一次推出 20 多项更新，其中常驻智能体 dots 与低价模型 GPT-6.1 Sol 的定位值得对照同类产品看。
18:30 亚马逊在 Meta 的 Muse 智能体上线仅 12 天后切断其购物访问，称其未表明身份浏览商店并疑似存储客户登录信息，Meta 否认这些指控。亚马逊表示 Meta 从未告知 Muse 会进入商店，Muse 用户尝试购物时会看到提示，称未经授权的 AI 智能体继续访问违反亚马逊使用条件。此事背后是智能体可能绕开亚马逊赞助商品广告的入口之争，该广告业务规模估计为 560 亿美元。
推荐理由 亚马逊封禁 Meta 购物智能体，呈现平台与智能体在流量入口上的直接冲突。
07:14 TypeSafe AI 上周发布 Jev，这是其称为 System One 模型的新类别，输入文本后不返回文本，而是返回对应分类、是非题、评分及置信度的浮点数。Jev 只按输入计费，输出免费，首个模型输入价格为每百万 token 0.042 美元，低于 OpenAI GPT-5 Nano 的 0.05 美元。作者 Simon Willison 实测后认为它适合分类、垃圾信息检测、标签建议、排序和搜索重排，但指出它不擅长数字、日期和对抗性内容，且只返回浮点数会加剧黑箱与偏见问题。
推荐理由 作者以第一手实测梳理 Jev 的输入输出形态、定价与适用场景，并指出其黑箱与偏见风险。
18:30 安全初创公司 Hacktron AI 披露，其三名研究人员在今年 7 月用不到 72 小时进入 OpenAI 私有代码库，并接管员工账号，攻击代码由 Anthropic 的 Claude 协助编写。他们利用图片上传漏洞进入 OpenAI 社区论坛，再借第二个漏洞用员工登录 token 解锁其 ChatGPT 账号，Claude Opus 5 在发布一天内完成攻击，而仅面向网络安全专业人员的 Opus 4.8 未能完成。团队在 OpenAI 内部文档留下署名 Hacktron AI Team PoC 的修改建议后上报，获得 6500 美元赏金，并称同一图片软件的漏洞还曾攻破 Slack、Meta 和 GitHub Enterprise。
推荐理由 安全团队用 Claude 在 72 小时内进入 OpenAI 私有代码库并获漏洞赏金，可据此观察 AI 辅助攻击的门槛变化。
读取更多