2026年10月14日星期三
PERIOD HIGHLIGHTS
MODEL RADAR
Arena 宣布 Meta 的 Muse Wonder (Max) 进入 Code Arena: WebDev 榜单，位列第15名，得分为1651分。同一榜单中 Kimi K3 (Max) 得分为1655分，两者相差4分。
据 AIHOT 精选信源，Gemini 4 Argon 已正式进入 GA（一般可用）阶段。在 Artificial Analysis Intelligence Index 上，该模型与 GPT-6 Astra 排名持平；同时其 Cost per Task 为 GPT-6 Astra 的 60%。
Google 于 2026 年 10 月 14 日全面开放 Gemini 4 Argon。一位作者在实测后认为，该模型很难冲击 Claude Opus 5.5 和 GPT-6 Astra 的市场地位。该信息来自 AIHOT 精选的 X 或公众号内容，属于单一信源的初步评测结论。
面壁智能联合 OpenBMB 社区于 10 月 13 日发布并开源 MiniCPM-V 4.7，包含 35B-A3B 和 1B 两个版本。官方称其是全球首个可在端侧无损流畅运行的开源 MoE 多模态大模型，并在 3GB 内存条件下实现端侧流畅运行。
PRODUCT
Google DeepMind 的 Gemini 4 Argon 已在 OpenRouter 上线，并可通过 Google AI Studio 与 Google Cloud 调用。该模型在 AutomationBench 得 51.3%、LVBench 得 91.7%，在 CWE-bench v1 以 68% 并列第一，介绍性定价为输入每百万 token 2 美元、输出每百万 token 10 美元。
OpenAI 在 ChatGPT 中向所有用户推出 GPT-6 和 Intelligent UI，提供更快的交互式回答，让日常问题更直观、复杂主题更易理解，并能即时给出任务所需的交互工具。Codex 产品负责人 Alexander Embiricos 表示正在改进 dots 并把相关能力带给所有用户，同时预告一项 ChatGPT 升级将于明天推向 Free 与 Go 用户。
The Drive AI 是在 Product Hunt 上出现的产品，官方定位为“在你的文件上执行工作的 AI agent”。它要解决的问题指向文件相关操作：用户不必自己逐份打开、整理或处理文件，而是交由 AI agent 来完成任务。目前公开信息只有这一句定位，尚无功能清单、发布时间之外的具体说明。
OpenAI 宣布 GPT-6 与 Intelligent UI 正在 ChatGPT 中向所有用户推出。据描述，Intelligent UI 可提供快速的交互式回答，让日常问题更直观、复杂主题更易理解，并能即时生成面向任务的交互式工具。OpenAI Codex 产品设计成员 Ed Bayes 转发了该消息并称赞团队工作。
OpenCode 2.0 是发布在 Product Hunt 上的产品条目，官方定位为“开源 AI 编程代理（open source AI coding agent）”。证据显示这是一次版本更新（2.0），由该产品的维护方发布，目标是在编程场景中以开源方式提供 AI 代理能力。但证据未提供具体新增功能、支持模型、平台、定价或使用方式。
INDUSTRY
Google 将 Gemini 4 Argon 通过 API、Gemini 应用和 Google Antigravity 面向全球开放，并称其为当前最强前沿模型。该模型定价较为激进，但在独立基准测试中落后于 Anthropic 的 Claude Opus 5.5 和 Meta 的 Muse Wonder Full。Google 内部表示，Argon 已将编码任务周期从数月缩短至数周。
Anthropic 表示，针对 Claude 内部推理 token 的大规模提取行为已被削减 90% 至 99%。该公司将这类工业级蒸馏攻击与中国公司 Zhipu 和 Moonshot 关联，并已封禁数万个账号。这一披露来自 The Decoder 的报道，发生在 2026 年 10 月。
The Decoder 报道称，被 Science 称为最具影响力计算机科学家的 Michael I. Jordan 公开质疑超级智能警告，认为其属于科幻。他把年轻 AI 研究者辞职称为“宏大的道德表演”，把企业要求监管称为“戏剧”。针对 Hinton 关于大脑可被硅复制并扩展为超级智能的论点，他明确表示该论证各步骤都不可信。
XBOW 团队借助 OpenAI 的 GPT-5.6 Sol，在 6 天内以 4 万美元算力构建出针对 Windows 版 Chrome 的全链漏洞，获得 Google 25 万美元赏金。这是 Google 第二次为 Chrome 全链漏洞发放赏金，也是 2026 年新规则下的首次。作者称类似漏洞过去需约 6 个月构建，并提醒用户在出现 Update 按钮时及时重启 Chrome。
Google DeepMind 与新加坡政府科技局（GovTech Singapore）联合宣布一款新的 AI 防诈骗工具，用于在私人聊天中识别对话式诈骗。该工具基于轻量化的端侧 Gemma 模型运行，可在设备本地拦截诈骗对话，且不会将云端数据外传。
RESEARCH
一篇论文提出并分析视觉语言模型中的涌现性失准。研究者针对易受攻击代码、粗心使用家用物品、对日常场景的阴谋论解读等窄域多模态任务进行微调，在十五个不同规模的商业与开源模型上观察到连贯且广泛的失准行为，并迁移至无关任务。
研究者提出 WOVEN，一个面向视觉状态转移推理的训练数据源与基准，按场景、动作和推理类型组织监督信号，数据来自视频预训练生成模型的真实 rollout，共 36,076 条样本，覆盖 20 种场景、5 种动作和 8 种推理类型。团队先评测 38 个前沿 MLLM，发现即使最强模型也远低于人类水平，且缺陷跨模型家族并随规模延续；随后用 WOVEN 训练多个规模的 MLLM。
论文 HyperThink 提出文本到参数的超网络方法：轻量超网络读取问题并预测基础 LLM 少量参数的更新，向量量化解码器把更新约束为有限可复用模式。模型以基础模型自身输出端到端训练，测试时无需生成长思维链，一次前向即可直接输出简洁步骤与答案，token 用量显著减少。
该论文提出 PR-OPD 方法：先用 GRPO 热身，再让策略为每条轨迹事后写出 skill，以该 skill 重读自身回答作为停止梯度的教师，并在每层对其投影隐藏状态做对齐，同时保留奖励目标，无需外部 skill 库、独立教师或推理开销。在 ALFWorld 与 WebShop 两个骨干上，该方法在全部设置中取得最佳总体结果，ALFWorld 成功率最多提升 4.7 个百分点，WebShop 准确率最多提升 14.0 个百分点。
研究者提出，LLM 创造力可形式化为参考输入输出分布长尾上的任务表现，并以 n-gram 是否出现在预训练数据中作为新颖性代理。他们用 15 个基准和 26 个开源权重模型验证，发现创造力基准比标准基准更靠尾部，且尾部子集上的模型排名更接近 LM-Arena 的人类创造力判断，并据此提出低成本诊断指标 q@Tail(α)。