OpenAI 据称年内将发布一到两款新模型，旗舰仍需对齐工作
据 The Information 援引知情人士，OpenAI 员工称公司年底前可能发布一到两款新模型，但不确定正在开发的主要升级版旗舰是否在列。
#安全/对齐
#安全/对齐
今日 2 条The DecoderAI 评分5555 Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 4 Argon，并公开安全与防护报告
Google DeepMind 开始广泛推送 Gemini 4 Argon，同时扩大 Fairwind Program 的可信网络防御者范围。该模型在模拟网络攻击测试中解出全部 12 个端到端场景，上一代仅解出 5 个；在 Gray Swan 的间接提示注入（IPI）基准上，15 次自适应尝试的攻击成功率降至 0.7%。
推荐理由：官方公开了 Argon 在高危能力上的测试数字与三层实时防护机制，可据此了解前沿模型安全部署的具体做法。
TechCrunch · AIAI 评分5858 Musubi 开源决策模型 PolicyLM-1.7B，用于实时内容审核
Musubi 发布开源权重的轻量决策模型 PolicyLM-1.7B，面向实时内容审核，可将纯英文撰写的内容政策应用到消息上，耗时低于 50 毫秒。该模型成本与速度接近多数社交平台使用的 AI 分类器，但具备现代 LLM 的灵活性，可在无需专门训练的情况下执行复杂政策，政策变更时也不必重新训练。
The DecoderAI 评分7171 Mistral 发布万亿参数 Mistral Large 4，主打安全任务
Mistral 发布迄今最大模型 Mistral Large 4，参数规模一万亿、激活 490 亿，已在 Mistral Studio 开放公开预览，权重预计 10 月底发布。
TechCrunch · AIAI 评分6262 Google 发布 Gemini 4 Argon，称其为迄今最强模型
Google 母公司 Alphabet 发布 Gemini 4 Argon，可用于编码、研究和写作，并称其在防御性网络安全任务上尤为擅长，能自主发现、验证并修补软件漏洞。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 宣布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任的网络防御者开放，随后逐步扩展至开发者、企业和消费者。
推荐理由：官方披露了 Gemini 4 Argon 的能力、基准与分阶段开放方式，读者可据此判断前沿模型在企业工作流和网络防御中的落地节奏。
Google DeepMind精选AI 评分8080 Google DeepMind 发布 Gemini 3.8 Flash 与 3.8 Flash Cyber
Google DeepMind 发布 Gemini 3.8，包含两个变体：Gemini 3.8 Flash 面向软件工程、智能体任务和多步推理，定价与 3.7 Flash 相同，为每百万输入 token $0.75、输出 token $3.75；Gemini 3.8 Flash Cyber 面向漏洞检测与自动修补，通过新的 Fairwind Program 向受信任防御方开放。
推荐理由：官方给出 3.8 Flash 与 Cyber 两个变体的定价、基准表现和开放入口，便于对照 3.7 判断升级幅度。
Google DeepMind精选AI 评分7171 Google DeepMind 发布 Gemini 3.5 Flash Cyber 网络安全模型
Google DeepMind 发布 Gemini 3.5 Flash Cyber，一个基于 3.5 Flash、针对漏洞发现与修补微调的轻量网络安全模型，称其在相关任务上优于主线 Flash。
推荐理由：轻量网络安全模型通过多次调用代替昂贵大模型，给出 CyberGym 与 Chrome 流水线上的可验证对比。
Hugging Face BlogAI 评分3939 NVIDIA 发布 Nemotron 3.5 Content Safety：面向企业 AI 的可定制多模态安全模型
NVIDIA 发布 Nemotron 3.5 Content Safety，基于 Gemma 3 4B IT 微调，单次推理即可统一处理多模态输入、多语言、自定义企业策略与可审计推理。
Hugging Face BlogAI 评分4242 Hugging Face 发布 AprielGuard：面向现代 LLM 系统的安全与对抗鲁棒性护栏模型
Hugging Face 推出 AprielGuard，一个 8B 参数的安全护栏模型，可检测 16 类安全风险与提示注入、越狱、记忆投毒、多智能体攻击等对抗攻击，并覆盖工具调用和推理链等智能体工作流场景。该模型支持推理与非推理两种模式，兼顾可解释分类与生产环境的低延迟需求。
Google DeepMind精选AI 评分6060 Google DeepMind 发布 Gemma Scope 2，为 Gemma 3 全尺寸模型提供开源可解释性工具
Google DeepMind 发布 Gemma Scope 2，一套覆盖 Gemma 3 全部模型尺寸（270M 至 27B 参数）的开源可解释性工具套件。该套件结合稀疏自编码器（SAE）与 transcoder，并新增 skip-transcoder、Cross-layer transcoder 和面向聊天版本的分析工具，可研究越狱、拒绝机制和链式推理忠实度等行为。
推荐理由：Gemma Scope 2 覆盖 Gemma 3 全尺寸并升级稀疏自编码器工具，可了解开源可解释性工具的规模与方法变化。
Hugging Face BlogAI 评分5757 Meta 发布 Llama Guard 4 与 Llama Prompt Guard 2 安全模型
Meta 发布 Llama Guard 4 和两个 Llama Prompt Guard 2 安全模型。
Hugging Face BlogAI 评分5353 Google 发布 Gemma 2 2B、ShieldGemma 与 Gemma Scope
Google 在 Gemma 2 发布一个月后扩充 Gemma 模型系列，新增 2.6B 参数的 Gemma 2 2B、用于输入输出过滤的安全分类器 ShieldGemma，以及覆盖 Gemma 2 2B 和 9B 每一层的稀疏自编码器套件 Gemma Scope。