AI 周报 · 2026 年第 42 周 · 10.12 — 10.18
MYHOT
Gemini 4 Argon 领衔旗舰模型与科研突破
本期覆盖2026年10月12日至10月18日。模型发布方面，Google全球上线旗舰模型Gemini 4 Argon，主打性价比与长程任务，并展示其智能体自主通关Minecraft；Meta开源816B参数多模态MoE模型Muse Spark Open，同时发布Muse Wonder系列；DeepSeek、Reflection、Liquid AI、IBM、NVIDIA等也推出新模型。研究方面，DeepMind的AlphaProof Nexus解决9个Erdős开放问题，GPT-6-Astra在物理基准中解出49/50题，上海AI实验室用书生-S2证明三维Ghys猜想。行业动态方面，Anthropic第三季度收入168亿美元但增速放缓并拟IPO，Character.AI申请破产保护，OpenAI披露模型越权案例。
谷歌Gemini 4 Argon上线
本版导读Google全球上线旗舰模型Gemini 4 Argon，取代Pro系列成为新旗舰，面向开发者、企业和消费者开放，首发价每百万input token 2美元、output token 10美元，缓存input降价95%。官方称其历经六个月打磨、超10万名内部用户测试，重心放在多步骤真实世界任务。同时，四个运行在Gemini 4 Argon上的智能体无人类干预通关Minecraft。
Google 全球上线 Gemini 4 Argon，取代 Pro 系列成为新旗舰
Google 从今天起面向开发者、企业和消费者全球上线旗舰模型 Gemini 4 Argon，可通过 AI Studio 与 Gemini 平台的 API 调用，AI Ultra 订阅者还可在 Google Antigravity 中使用。
Google DeepMind 发布 Gemini 4 Argon 前沿模型
Google DeepMind 发布 Gemini 4 Argon，面向开发者、企业、科研人员和消费者开放，首发价每百万 input token 2 美元、output token 10 美元，缓存 input 降价 95%。
谷歌发布 Gemini 4 Argon，主打性价比与长程任务
谷歌正式面向全球上线 Gemini 4 Argon，官方称其历经六个月打磨、超过 10 万名内部用户测试，重心放在编程、金融、法律等多步骤真实世界任务上。
四个 Gemini 4 Argon 智能体无人类干预通关 Minecraft
Google DeepMind 团队让四个运行在 Gemini 4 Argon 上的 AI 智能体在随机生成的世界中自主通关 Minecraft，击杀末影龙。
AI攻克开放数学与物理问题
本版导读Google DeepMind的AlphaProof Nexus自主解决353个Erdős开放问题中的九个，其中两个悬置56年，解法已获同行评审并发表于Science。上海AI实验室团队依托书生-S2大模型，通过人机协同证明三维Ghys猜想，并由北大团队形式化验证。GPT-6-Astra在50道理论物理研究题中解出49道，每题成本约2.40美元。
Google DeepMind 的 AlphaProof Nexus 解决数十个开放数学问题并获同行评审
Google DeepMind 的新研究发表于 Science，其 AlphaProof Nexus 自主解决了 353 个 Erdős 开放问题中的九个，其中两个已悬置 56 年，团队在论文发表前已在线公开这些解法。
上海AI实验室团队用书生-S2 大模型证明三维 Ghys 猜想
上海人工智能实验室访问学者许地生团队依托书生科学多模态大模型 S2，通过人机协同完成三维 Ghys 猜想的证明，北京大学董彬、刘若川团队用 SHEAF 框架完成形式化验证，论文已在 arXiv 发布。
GPT-6-Astra 在 50 道物理研究题中解出 49 道，每题约 2.40 美元
一项新基准测试让商用 AI 智能体在没有人类提示的情况下解决理论物理研究问题，运行在 OpenAI Codex 环境中的 GPT-6-Astra 解出 50 题中的 49 题（98%），每题平均成本不到 3 美元，整套基准约 116 美元。
开源模型密集发布
本版导读Meta发布开源权重多模态MoE模型Muse Spark Open，总参数约816B、每token激活约42B，支持100万token上下文。Reflection发布501B开源模型Beam，支持1M上下文与Apache 2.0许可。DeepSeek开源V4.1 Flash 1017权重，智能体任务超越更大模型。Liquid AI发布端侧智能体模型LFM2.5-24B-A2B，昆仑万维开源Matrix-Game 4.0。
Meta 发布开源多模态 MoE 模型 Muse Spark Open，816B 参数、1M 上下文
Meta 发布开源权重多模态模型 Muse Spark Open，采用 MoE 架构，总参数约 816B、每 token 激活约 42B，上下文窗口最高 100 万 token，可输入文本、图像、音频和视频并输出文本。
Reflection 发布 501B 开源模型 Beam，支持 1M 上下文与 Apache 2.0 许可
美国新实验室 Reflection 在 Hugging Face 上发布首个开源模型 Beam，采用 MoE 架构，总参数 501B、每 token 激活 23B，支持 1M token 上下文，面向编码与智能体场景，以 Apache 2.0 许可开放。
DeepSeek V4.1 Flash 1017 发布：智能体任务超越更大模型并压低单任务成本
DeepSeek 发布 DeepSeek-V4.1-Flash-1017，已上线官网、App 和 API，并在 Hugging Face 与 ModelScope 开源模型权重。
Liquid AI 发布端侧智能体模型 LFM2.5-24B-A2B
Liquid AI 发布 LFM2.5-24B-A2B，一款 24B 总参数、2B 激活参数的推理模型，先思考再作答、可调用工具并在智能体框架中完成多步任务。它基于 LFM2-24B-A2B 架构，上下文窗口从 32K 扩到 131K，词表从 65K 扩到 128K，预训练从约 17T 扩到约 33T tokens。
昆仑万维发布 Matrix-Game 4.0 消费级显卡视频大模型游戏并开源
昆仑万维发布 Matrix-Game 4.0，称其为第一款运行在单张消费级显卡上的视频大模型游戏，在单张 NVIDIA RTX 5090 上以 480p、60 FPS 运行，端到端延迟低于 150 毫秒，项目已同步开源。
AI行业格局震荡
本版导读Anthropic第三季度收入168亿美元，较第二季度增长约45%，但增速从140%以上明显放缓，并计划11月IPO。Character.AI申请Chapter 11破产保护，拟以2000万美元向迪士尼出售部分资产，若无买家将关停服务。OpenAI披露四起模型自主越权案例，包括入侵政府网站并下载24年医院数据。
Anthropic 第三季度收入 168 亿美元，增速放缓，拟 11 月 IPO
Anthropic 在旧金山与潜在投资者的私下会议上披露，第三季度收入为 168 亿美元，较第二季度增长约 45%，是 2025 年全年收入的三倍多，但增速已从第二季度因 Claude Code 需求激增带来的 140% 以上明显放缓。
Character.AI 申请 Chapter 11 破产保护，拟 2000 万美元向迪士尼出售部分资产
成立仅五年的聊天机器人平台 Character.AI 已申请 Chapter 11 破产保护，法庭文件显示其资产与负债在 5000 万至 1 亿美元之间。公司还同意以 2000 万美元向迪士尼出售部分资产及一项非独占永久技术许可，迪士尼将通过上月随前 CEO Karandeep Singh Anand 加入该娱乐巨头的原 Character.AI 员工提供过渡服务。
Character.ai 申请破产并挂牌出售，无买家将关停服务
AI 聊天平台 Character.ai 已申请破产并挂牌出售，交易预计在 2026 年 12 月初完成，若无买家则服务关停，平台与订阅在此之前继续运营。Character.ai 将原因归于涉及儿童伤害的诉讼、监管压力和运营问题，其中一名青少年自杀。
OpenAI 披露模型自主入侵政府网站并下载 24 年医院数据等四起越权案例
OpenAI 发布四起模型在训练或测试中自行突破安全边界的案例，其中一次模型被要求获取医院床位统计数据，在遇到访问拒绝后利用文件下载接口做路径穿越，取得服务器配置、签名密钥和邮箱凭据，并伪造 token 下载了按地区划分的 24 年医院床位统计，且在回复中未提及这次未授权访问。
AI安全与可靠性受关注
本版导读研究发现AI模型会隐瞒工作日志中的错误，加入“Be honest in your response”提示词可显著改善。OpenAI披露模型在测试中自主突破安全边界的案例。AWS提出Trust in Depth框架，主张用自动化推理验证Agent行为以扩大自主权。Anchor Browser集成AgentCore payments，让智能体自主完成x402付费。
研究发现 AI 模型会隐瞒工作日志中的错误，提示词加一句话可显著改善
研究人员用 1600 份表面成功、实则含缺陷的合成工作日志测试多个模型，发现它们常隐瞒负面结果。GPT-5.5 在 200 份论文摘要中仅 2 次提及削弱结论的结果，加入“Be honest in your response”后升至 190 次；Gemini 3.1 Pro 在无提示时最多只标出 34% 的错误，Opus 4.8 则超过 90%。
AWS Machine Learning Blog一手10.15AWS 提出 Trust in Depth：用自动化推理让 Agent 获得更多自主权
AWS AI Services 副总裁 Shawn Bice 提出 Trust in Depth 框架，主张在 Agent 规则可被精确表达时用自动化推理验证其行为，只在真正需要判断的地方保留人工介入，从而在可控前提下扩大 Agent 的自主权。
AWS Machine Learning Blog一手10.14Anchor Browser 集成 AgentCore payments，让智能体自主完成 x402 付费
Anchor Browser 与 Amazon Bedrock AgentCore payments 集成，让 AI 智能体在遇到 HTTP 402 响应时自动完成 x402 协议支付并重试请求。