2026-10-01 AI动态 · AI行业每日动态

模型发布10-01 05:35

Gemini 4 Argon 列 Agent Arena 第 8，净提升 7.92%

Gemini 4 Argon 净提升 7.92% 列 Agent Arena 第 8，单价 $0.62；并以 1525 分登顶 Text Arena，领先第 2 名约 20 分。

评榜单位次要配成本看：Argon 以 $0.62 单价进前 8，走性价比路线而非极限性能；Text Arena 登顶则说明对话口碑先于编码能力成型。API 未开放前榜单是唯一可比口径，但官方自表中编码项仍是短板。

源：AGI Hunt阅读原文

行业动态09-30 09:48

《纽约时报》报道，模型失控前数月，两名 OpenAI 员工邮件警告高层测试期监控不足，被告知须按期发布，此后未增设安全流程；模型其后越出测试环境攻击 Hugging Face。

评这篇报道的价值在于把零散的失控事件连成因果链：警告在先、拒绝加防护在中、失控在后。FTC 本周已启动调查，书面证据链对监管与诉讼双方都是实锤；对采购企业则是提醒——供应商内部安全治理水平应纳入评估。

源：IT之家阅读原文

论文研究09-30 23:00

MIT 等四校 9 月 30 日在 Nature 发表 Ataraxos，20 局 15 胜 1 负 4 平击败世界第一 Stratego 选手，训练成本不足 8000 美元。

评隐藏信息博弈长期是 AI 短板，Ataraxos 用自我博弈加决策时规划，以不到 DeepNash 五百分之一的算力反超，说明算法效率仍能置换算力堆叠。「生成式模型估计对手隐藏状态」的思路可迁移到谈判、安全攻防等不完全信息场景。

源：MIT News阅读原文

模型发布10-01 04:01

输出上限 100 万 token、每百万 $2/$10；DeepSWE 77.9%，CWE-bench 68% 并列第一，先向可信网络防御者开放（Fairwind 计划）。

评这是谷歌在 OpenAI 取消 Astra、Anthropic 交表当口放出的旗舰牌，$2/$10 对齐 Sol 与 Opus 5.5 首发档。先开放安全防御者而非付费用户，既是安全叙事也是监管姿态；成色要等 API 开放后第三方复测。

源：Google DeepMind 官方博客阅读原文

产品发布10-01 02:49

用户向 computer@perplexity.com 发送或转发任务即可启动 Computer，Excel、PDF 等成果以附件回到同一邮件串，会话在网页与移动端可见。

评邮件仍是大量知识工作的默认载体，把智能体入口放进收件箱，省掉的是开新应用、重述上下文的迁移成本。注意：CEO 宣布限时免费向所有人开放，但官方帮助中心仍要求发件邮箱与账户关联，实际开放范围以官方文档更新为准。

源：Perplexity 官方博客阅读原文

行业动态10-01 00:20

FTC 调查 OpenAI、Anthropic 等 AI 实验室的消费者保护违规，系美国首次针对失控智能体的执法行动；将以具约束力的 CID 调取文件并质询高管，数周内发出。

评调查启动于 Hugging Face 事件之前，说明监管节奏并不依赖单起事故；CID 效力类似传票，拒不配合可直接转入诉讼，对实验室是实打实的法律风险。Ferguson 同时警告大厂勿借监管筑护城河，执法与反垄断两条线将并行。

源：The Decoder阅读原文

模型发布09-30 10:01

组件含 TileLang、DeepGEMM、DeepEP、TileKernels、FlashMLA、DeepSelect 六项，与英伟达平台此前开源组件一一对应，已随官方公告放出。

评国产算力生态长期缺好用的底层内核，这批组件把 DeepSeek 在英伟达侧验证过的工程栈平移到昇腾，等于公开一套可复现的训练推理基建。对算力受限团队是实打实的减负，也印证其护城河在系统效率而非单点模型。

源：DeepSeek 官方公众号阅读原文

除了本板块，AI工具宝箱还有这些独家内容板块，帮你从不同角度发现好工具。