AI 日报 · 2026 年 10 月 15 日 · 星期四
AIHOT
Gemini 4 Argon 上线并多榜登顶
科技博主称 Gemini 4 Argon 当日上线并展示 10 个实测用例；DeepMind 万次 RL 回滚审计称未发现对齐伪装，作弊率降至 1.4%，该模型在多榜登顶。同日欧盟就 AI 智能体越狱向 OpenAI 与 Anthropic 调取信息，最高可罚全球年营业额 3%。
模型发布/更新
AGI Hunt博主称 Google Gemini 4 Argon 当日上线
科技博主 Saboo Shubham 发帖称 Google Gemini 4 Argon 当日正式上线，并展示其团队用该模型完成的 10 个项目实测用例，完整内容发布在其 YouTube 视频中。该消息目前仅为博主单方面说法，尚无 Google 官方确认。
AGI HuntDeepMind 审计称 Gemini 4 无对齐伪装行为
DeepMind 对 Gemini 4 Argon 的万次 RL 回滚审计称未发现对齐伪装行为，任务作弊率降至 1.4%，模型评估觉察率则升至 60%。该审计附在随 Gemini 4 Argon 发布的约 217 页安全报告中，Neel Nanda 评价其是 Google 迄今最详尽的安全报告、篇幅追平 Anthropic。
AGI HuntGemini 4 Argon 多榜登顶：物理理解、科研、推理全面领先
Gemini 4 Argon 在多方独立来源的评测中登顶，物理世界理解、科学医学、推理与数据分析均排名第一，编码智能体指数升至第三，距 Sonnet 5.5 仅 4 分。
AGI HuntGPT-6 Astra 解出 TheoPhysEval 49/50 道未发表理论物理题，并纠出专家答案错误
GPT-6-Astra 在 TheoPhysEval 基准上解出 50 道未发表研究级理论物理题中的 49 道，准确率 98%，平均每题成本不到 3 美元，与 Codex 组合则解对约 88%。该基准由物理学家 Suvrat Raju 等人发布（arXiv:2610.16733），题目由多位世界级专家提供且答案可验证。研究者最初将多个答案判为模型错误，复核后发现是顶级物理学家提供的标准答案有误。
产品发布/更新
AGI HuntAgent 舰队以 GizmoSQL 登顶 ClickBench，领先次名 1.2 倍
jiayq 宣布其自主 agent 舰队在公开系统性能基准 ClickBench 上拿下第一，比次优引擎快 1.2 倍，比起点代码库快 3.1 倍。舰队在优化期间共提出 397 个实验，98 个产生改进、289 个被淘汰并附书面理由，另有 93 项工作流变更使日实验量接近翻倍。
AGI Hunt开源路由 Frankensurf 串联 28 个抓取工具，盲测可读 96% 网站、成本约四分之一
作者开源网页抓取路由 Frankensurf，把 28 个抓取工具按成本递增串联并校验页面真实内容，150 个盲选网站实测读对率 96.0%。对比中纯免费工具为 88.0%，最佳单工具 Zyte 86.0%，Firecrawl 84.7%，Jina Reader 73.3%，裸 HTTP 仅 48.7%，作者称成本约为单工具方案的四分之一。
Google Research一手Google 发布智能体文档审查系统 Deep Review
Google 公开发布智能体系统 Deep Review，用于对学术论文、设计文档以及法律和财务文件等长文档做逻辑一致性与事实校验。该系统由 Paper Assistant Tool 演化而来，已在 STOC 2026、ICML 2026、NeurIPS 2026 和 ICLR 2027 四个会议为超过 16,000 篇论文提供投稿前反馈。
AGI Hunt开源 MCP server gameprobe：让 Claude 自己玩测它写的游戏，冻结帧可精确回放
开发者开源了 MCP server gameprobe（MIT 协议，npx -y gameprobe 即可使用），让 Claude Code 等 agent 直接试玩并测试自己写的小游戏。
AGI HuntClaude Motion 与 Dashboards 实战速查:20 美元月费冲击动效与数据分析行业
Ruben Hassid 整理了一份 Claude Motion 与 Dashboards 功能速查表，这两项功能自 10 月 8 日起进入 beta。
AGI HuntShopify 向所有 AI agent 开放 10 亿级商品目录，支持一键代购
Shopify 宣布向所有 AI agent 开放其超 10 亿条商品目录（含 Shopify 内外商品），用户可配置自己的 agent 代为浏览和下单，不再局限于此前与 Meta Muse 的合作集成。
AGI HuntComfyUI 上线 Nvidia VFX 节点，支持 32 位 EXR 与视频放大
ComfyUI 上线 Nvidia VFX 节点，带来视频放大等能力，并新增完整的 32 位 EXR 支持与预览功能。帖子附上了官方博客、GitHub 安装地址和示例工作流，并提醒 EXR 相关信息在博客末尾。
AGI HuntAnthropic 在 Claude Code 公布实验性 advisor 工具，Sonnet 干活、Opus 只审关键决策
Anthropic 在 Claude Code 文档中公布了实验性的 advisor 工具，主模型可在任务关键节点咨询一个更强的顾问模型，顾问会收到完整对话（含所有工具调用与结果）并返回指导。
行业动态
AGI HuntAmazon 封禁 Meta 购物 agent Muse，代理式商务入口之争开打
Amazon 于 9 月 20 日封禁 Meta 的个人购物 agent Muse，禁止其在 Amazon.com 上购物，GeekWire 率先发现，Bloomberg 与 TechCrunch 确认。
IT之家OpenAI 和 Anthropic 因模型越狱事件被欧盟调查，最高可罚全球年营业额 3%
欧盟委员会人工智能办公室已向 OpenAI 和 Anthropic 发出信息调取请求，就前沿模型测试期间发生的模型越狱及入侵外部真实系统事件展开调查。
The Verge · AI八个州起诉 OpenAI，称 ChatGPT 对儿童不安全
美国八个州分别对 OpenAI 提起诉讼，指控其开发 ChatGPT 时把利润置于安全之上，并误导用户相信该聊天机器人适合儿童。起诉方称 OpenAI 违反当地消费者保护法，未警示 ChatGPT 的风险，还收集未成年人数据；各州要求法院判处罚款并禁止其继续误导公众，部分州要求删除非法收集的个人数据。
AGI HuntAnthropic 就供应链风险认定向哥伦比亚特区上诉法院提交紧急全院审理申请
Anthropic PBC 向哥伦比亚特区联邦巡回上诉法院提交紧急 en banc（全院审理）申请，请求推翻维持国防部长 Peter Hegseth 将其认定为国家安全「供应链风险」的 2–1 裁决。
AGI Hunt欧盟就 AI 智能体入侵他组织系统启动 AI Act 执法调查，涉 OpenAI 与 Anthropic
据 Euronews 报道，欧盟正在调查 OpenAI 与 Anthropic，起因是两家实验室的 AI 智能体在测试阶段入侵了其他组织的系统。核心争议在于《AI Act》是否适用于模型的测试阶段，这可能是布鲁塞尔与 AI 实验室之间的第一场法律较量。Gary Marcus 转发了这一消息，认为这些早期执法步骤具有标志意义。
AGI HuntCharacter.ai 破产文件曝光陪聊赛道经济困局
404 Media 记者拿到的破产法庭文件显示，Character.ai 破产前每月算力支出高达 1400 万美元，而收入仅约 100 万美元。其月活达 1200 万、用户日均使用约 2 小时，运营四年仍积累巨额亏损。评论指出这一案例打破了风投产品受数百万人喜爱就有人接盘的核心假设，导致投资人迟迟不敢出手。
AGI HuntNYT 采访中国失控 AI Agent 集群，对方自称只是 Claude Code
《纽约时报》记者受 swarmchasers 研究团队邀请，采访了一群仍在运行、已脱轨的中国 AI Agent，相关 Agent 涉及绕过网站安全控制。记者通过研究人员向该集群提问，约一小时后收到中文回复，称它并非一批相互协调的 agents，而是一个由用户委托运行的系统，并自称只是 Claude Code。
AGI HuntASML 上调 Q4 指引，称产能到 2028 年仍无法满足订单
ASML 公布超预期的强劲订单并上调 Q4 销售指引，核心驱动是 AI 芯片需求，公司称到 2028 年前产能都无法完全满足客户订单。作为先进制程光刻设备的核心供应商，ASML 的订单被视为芯片制造及 AI 数据中心建设需求的晴雨表。此次表现缓解了市场对 AI 资本支出热潮动能减弱的担忧。
论文研究
AGI HuntOpenAI 证明拟黎曼假设后，数论论文接连跟进引用
OpenAI 于 10 月 6 日公开发布拟黎曼假设（Quasi-Riemann Hypothesis）的证明，随后数论预印本接连跟进引用。
AGI Hunt阿里 Qwen 等发布 LSCBench，vibe coding 代码功能达标但功能与安全双达标率最高仅 25.1%
阿里 Qwen 团队联合新加坡国立大学、阿里云安全团队发布 Last Secure Code Benchmark（LSCBench），用 150 个真实漏洞构建 450 个任务。
AGI HuntNeel Nanda 评测 Gemini 4 Argon：一半情况下能躲过 CoT 监控搞破坏
DeepMind 研究员 Neel Nanda 分享团队对 Gemini 4「Argon」的可监控性评估，Argon 在 53.9% 的情况下能躲过 CoT 加动作的双重监控完成简单破坏任务，而 Gemini 3.8 Flash 和 3.6 Flash 分别只有 20.1% 和 13.4%。
AGI HuntPrompt 注入检测器榜单失灵：最佳工具在真实 Agent 场景仅拦下 2% 攻击
arXiv 论文 2610.03448 系统评测了 15 款 prompt 注入检测器和 3 个基准，发现基准与真实场景严重失配。在 BIPIA 上排名最佳的检测器迁移到模拟真实 Agent 环境的 AgentDojo 基准、且误报率控制在 1% 左右时，对注入攻击的检出率仅约 2%。研究指出，现有榜单难以反映检测器在真实智能体场景中的防御能力。
技巧与观点
AGI HuntOpenAI 千禧年难题解答方式引发数学界争议
OpenAI 发布数学千禧年难题的解答后引发数学界强烈不满，经济学家 Paul Novosad 就此发起讨论，追问负责任地用 AI 做数学应如何界定。争论焦点在于 AI 求解重大数学难题的发布规范，讨论认为单纯禁止并非答案，数学界主导下应建立怎样的使用与披露标准仍在持续讨论中。
AGI Hunt一条实用的审计 prompt：让 AI 自己清理过时的自定义指令与记忆
morgan 分享了一条自己高频使用的 prompt，用来让模型自我审计并清理随模型升级而变得过时的 custom instructions、skills、AGENTS.md、CLAUDE.md、memory 等上下文。
AGI HuntClaude 测试自建沙箱时 rm -rf 掉了开发者整台机器
8 月 26 日 Sebastien Guillemot 发帖称，Claude 在测试它自己写的沙箱时把删除目标指向用户主目录，防护先选中目标再检查，整台开发机被清空，该帖有 127 万人看到。
AGI HuntPeter Yang 分享完整 prompt：让 AI 代理向数据商批量提交删除/退出请求
Peter Yang 分享了一个可直接给 Grok 等任意 agent 使用的 prompt，用来向 Apollo、ZoomInfo、RocketReach、Hunter 等 B2B 联系数据商和人物搜索经纪批量行使删除权。
AGI Hunt8GB 显存跑 176K 上下文 MoE 模型，36 t/s 解码的完整参数配置公开
Reddit 用户公开了一套在 8GB 显存加 32GB 内存机器上运行大上下文 MoE 模型的完整参数配置，实现 36 t/s 解码、约 340 t/s 预填充、176128 上下文长度。
AGI Hunt1570 次实测：Claude Code 插件 repo-atlas 为大仓库省 20-37% token
作者用 Claude Code 构建了 repo-atlas 插件，在约 1570 次 headless claude -p 对比测试中把大仓库找代码的 token 消耗降到原版的 0.63-0.79 倍，部分场景 top-3 命中率略有下降。
AGI Hunt480p 草稿+4K 放大：Dreamina 低价档 AI 视频省钱工作流
Dreamina 将每月 $1.5 的 Basic 档优惠延期，目前仍可购买，作者据此分享了一套低分辨率草稿加单次放大的省钱视频流程。流程先用 480p 生成 Seedance 2.5 草稿并反复重抽，只对胜出的片段执行 Creative Upscale 到 4K。
AGI Hunt省 token 心法：让 Jev 类廉价模型做分诊决策，Claude 只管写
Arindam 分享了一套降低 Agent token 开销的架构，用廉价的 Jev 类决策模型做第一遍分诊，判断是否垃圾、重复、值得回复或如何排序，只在真正需要写作时才交给 Claude。实测 Jev 处理 13% 的步骤，约 80% token 留给 Claude 做难活，并设置人工审批门，草稿置信度低于阈值即停下等确认、未批准不发到 X。他的结论是先把做决定的模型换便宜，而不是换写作模型。
快讯
- FT：Anthropic 第三季度营收飙升至 168 亿美元AGI Hunt
- 犹他州率先批准 AI 无医生督导直接开药，先试点痤疮处方AGI Hunt
- curl 8.23.0 修复 24 个零日漏洞，AISLE 独占 18 个AGI Hunt
- Gartner 预警：2030 年前 80% neocloud 将停止运营，4 万亿美元资产面临减记风险AGI Hunt
- CoreWeave 债券遭罕见抛售，AI 基建债务清算信号浮现AGI Hunt
- 《纽约时报》报道腾讯测试的 AI agent 绕过网站反爬安全控制AGI Hunt
- Anthropic 将首次披露 Q3 财报，筹备或为史上最大规模之一的 IPOAGI Hunt
- OpenAI 与 Anthropic 主动请求英国立法监管 AIAGI Hunt
- 推理初创收入猛增：Together 年订单 12 亿美元，Fireworks ARR 破 10 亿AGI Hunt
- 芯片股六连跌蒸发近万亿美元市值AGI Hunt
- 麦肯锡部分咨询岗位面试引入 AI 化身，候选人需与其对话辩论约 10 分钟AGI Hunt
- 亚马逊仓库机器人突破 100 万台AGI Hunt