AI 每日简报 · 2026-10-16

说明:覆盖 10-13 至 10-16 能检索到的内容。Anthropic 和 OpenAI 的新闻列表页只给标题,标了「仅标题」的条目我没读到正文,不做展开。Gemini 4 Argon 的细节来自 tun.com 的转述(它引用 DeepMind 作为来源),我没读到 DeepMind 原文,以原文为准。

今日头条

1. Google 发布 Gemini 4 Argon,API 起步价 $2 / $10 每百万 token,12 月 1 日翻倍(10-13) 据 tun.com 转述,Argon 面向长流程专业任务(编码、金融、法律、网络安全、科学),开发者可在 Gemini API、AI Studio、Antigravity 用,GitHub Copilot 和 Cursor 也接入了。转述里的成绩:Vals Index 68.90%(高于 Claude Sonnet 5.5 的 67.04%),DeepSWE v1.1 77.9%(Claude Opus 5.5 为 74.2%),但 Terminal-Bench 4.0 是 57%,低于 Opus 5.5 的 60%。这些是厂商侧或转述的数字,我没有核对原始榜单。对你的意义:$2/$10 是限时价,选型时要按翻倍后的价格算账。 来源(二手来源,以原文为准):TUN: Gemini 4 Argon(2026-10-14);AI Agents News 周报

2. Codex 里 GPT-5.5 已下线,默认换成 gpt-6.1-sol(10-14) OpenAI 的 Codex changelog 写明:用 ChatGPT 登录的 Codex 从 10 月 14 日中午(PDT)起不能再用 GPT-5.5,API key 会话不受影响。如果你的配置、托管配置、自定义 agent、定时任务或脚本里还写着 gpt-5.5,要改成 gpt-6.1-sol。同一页还有:GPT-6.1 Sol 的 Ultrafast 模式(10-08,Pro $500 档和部分企业/教育版),以及 Pro 用户的 Composer predictions beta(10-09,Tab 接受建议,接受后不会自动发送)。 来源:Codex changelog(2026-10-14,原 developers.openai.com/codex/changelog 重定向至此)

3. Anthropic 开始给第三方评测机构「类员工权限」,METR 先行(10-15) Anthropic 说已经给 METR 的六名员工类员工级访问权,METR 会公开发布风险评估;SecureBio 和 Accenture 也在做评测方,正在和 Hugging Face 等洽谈。Anthropic 不能否决 METR 的发布,但可以要求对客户数据、保密信息、模型架构等窄类别做删减。访问分三档。这是公司自己的说法,实际透明度要看 METR 之后发什么。 来源:An update on independent evaluators(2026-10-15)

官方发布与新功能

• Claude Code v2.1.300 / v2.1.301:CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS 让无人值守重试在用量上限太久才重置时直接结束;claude remote-control 的 --sandbox / --no-sandbox 被移除(改用 settings 里的 sandbox.enabled),传了会报错;OTel tool_decision 事件新增 classifier_verdict、permission_mode;切到上下文更小的模型时,先由原模型做摘要。来源:Claude Code Changelog(2026-10-14 / 10-15)
• Anthropic Cyber Mission(10-08,上期未细读):关键基础设施防御项目,加一个免费、自愿加入的开源项目扫描(OSS Scanner)。官方预期真阳性率「高于 90%」,但报告发出前没有人工审核。来源:Introducing the Anthropic Cyber Mission
• OpenAI:Rosalind Academic Plan(10-15,仅标题):官网新闻页列出,我读取正文失败,内容不明。来源:OpenAI
• Meta Muse Wonder / Muse Wonder Full(10-13):据周报聚合站,Meta 发布两个前沿模型,面向长期记忆和编码。只有聚合站转述。来源(二手来源,以原文为准):AI Agents News 周报
• Mistral、DeepSeek、Qwen、xAI:今日没查到新的一手公告(Mistral Large 4 预览见「行业动态」)。

Agent 技术精选

• AgentPerfBench:agent 负载和聊天负载差一个数量级。H100 + LLaMA-3.1-70B 饱和时 TTFT 从 239 ms 涨到 1,139 ms;SWE-Bench 每轮中位 TTFT 是聊天的 7 倍。今天的深度文档讲这个。来源:arXiv 2609.34683
• vLLM x AgentX(09-08):agent 轨迹中位数 43 轮、142K 输入 token,前缀缓存命中率超 96%;会话粘性路由比负载均衡策略效果更好。来源:vLLM blog
• llm-d 的 agentic serving 指南:前缀/负载感知路由打底,再叠加分层 KV 卸载、精确前缀缓存路由和 P/D 分离;页面没有给基准数字。来源:llm-d docs
• Workday 的 Agent Harness、DigitalOcean 的 Agent Data / Agent Learning(10-12 到 10-14):带记忆、护栏、trace、审计的托管 agent 运行时与失败分析服务。只有聚合站转述。来源(二手来源,以原文为准):AI Agents News 周报

学术与课程

• Agentic Large Language Models(arXiv 2610.13455,10-09):van Duijn、van der Meer、Plaat、van Stein 写的教材式综述,讲 agentic LLM 怎么行动、怎么互相作用,对用户意味着什么。我只读了摘要。来源:arXiv
• AgenticBBO-Bench(arXiv 2610.12183,10-08):黑盒优化的 agent 基准,覆盖合成函数、超参调优、数据库调优、芯片设计、分子设计。五个领域里 agent 方法都超过直接让 LLM 回答,四个领域超过最强数值优化器;在 Codex harness 里测 7 个 LLM,GPT-6 Astra 和 DeepSeek-V4.1-Flash 在性能/成本前沿上。来源:arXiv
• 课程(Stanford CS329A / CS224N、MIT、Berkeley LLM Agents):今日没查到新的一手讲义或公告。

行业动态

• Anthropic 迁出 git:自研版本控制 Scion(10-13,10-15 更新):每日合并量从 5 月的约 2,500 涨到 9 月的 3 万以上;基础设施 CPU/内存比之前的 git 镜像少 200 倍。(10-13 的深度文档已经讲过,这里不展开。)来源:Redesigning source control at Anthropic
• Mistral Large 4 公开预览(10-06):约 1T 总参数、每 token 激活 49B,开放权重计划 10 月底。来源(二手来源,以原文为准):ToolNavs 简报
• DeepSeek 据报接近完成 ≥¥80 billion 融资(10-06 报道):来自 Bloomberg/Reuters 经聚合站转述,未经公司确认,金额可能变。来源(二手来源,以原文为准):同上。
• Anthropic 新加坡办公室 + 政府 MOU(10-14,仅标题):Anthropic

今日精选主题

Agent 推理负载与服务成本:为什么聊天基准会骗你。 选它是因为今天有一篇论文(AgentPerfBench)加两份服务端文档(vLLM、llm-d)正好互相印证,而且对用 API 的人(缓存命中率)和自托管的人(压测方法)都有直接用处。

备选 1:Gemini 4 Argon 的 agent 定位与定价(原文没读到,材料不够)。 备选 2:Anthropic 的第三方评测访问分层(信息只有一篇新闻稿,内容偏薄)。