🔥 今日看点
- 谷歌 Gemini 4 Argon 上线：以「广度第一」重新夺回前沿榜首：在谷歌披露的 18 项基准中，Argon 独占 12 项第一、另有 1 项并列，压过 GPT-6 Astra（3 项第一）与 Claude Opus 5.5（2 项第一）。但它并非横扫——在 FrontierSWE v2、Terminal-Bench Science 0.1 上 Astra 领先 10.5 个百分点，Opus 5.5 则在 Terminal-bench 4.0 领先 9 分。谷歌把它定位在企业最愿花钱的三处：软件开发、专业知识工作、网络安全运营，但先限量发布，仅面向 Fairwind 计划的「可信网络防御者」。
- 「常驻 AI 同事」成为模型厂商的新战场：OpenAI 在 DevDay 推出 Dots——关掉对话框后仍持续工作的 Agent，自带云电脑与浏览器、接入 4000+ 应用；Meta 几乎同期放出 Muse，主打邮件、购物等日常任务的可爱型 Agent，也开放源码让开发者自造 Muse 硬件。两家从「聊天机器人」转向「可托付的持续工作单元」。
- Apple 出手给 Agent 上「磁盘镣铐」：Apple 宣布将收紧 Mac 的全盘访问（Full Disk Access）权限，明确理由是 AI Agent 正在「显著」抬高风险。这与今日 HN 热帖「macOS 全盘访问更新」形成呼应——操作系统层正把 Agent 当作需要隔离的新威胁面。
- 决策模型开源军备竞赛继续：亚马逊 Strands Decider 2B（Apache 2.0、Qwen3.5-2B 底座、单次前向传播给带概率选项）持续发酵；OpenClaw 则推出由 OpenAI、Red Hat、Nvidia 背书的免费企业级 Agent 控制平面——Agent 的「决策层」与「调度层」同步走向开源与标准化。
📰 模型与平台动态
谷歌：Gemini 4 Argon 发布，18 项基准中 13 项领先或并列，但限量发布（9/30）
谷歌发布新前沿模型 Gemini 4 Argon，官方称其在长周期软件工程、网络漏洞修复、业务自动化、经济影响型知识工作等企业相关基准上领先对手。Harvey 法律 Agent 基准 19.6%（Astra 5.4%、Opus 5.5 3.8%）、Zapier AutomationBench 51.3%（Opus 42.5%）、GraphWalks 84.2%（Astra 71.8%）、Vals Finance Agent v2 65.4%、DeepSWE v1.1 77.9%、LVBench 91.7% 均为明显胜出。但它并非全胜：FrontierSWE v2 落后 Astra 10.5 分（55.0% vs 65.5%）、Terminal-Bench Science 0.1 落后 10.5 分，Terminal-bench 4.0 落后 Opus 5.5 9 分。模型尚未广泛开放——先通过 Fairwind 计划面向可信网络防御者，并参与美国政府自愿的预发布访问流程；面向开发者/企业/消费者的全面开放「会尽快」到来，从付费 API 与 Google AI Ultra 订阅者开始。
OpenAI：GPT-6.1 Sol「逼近 Astra 性能、1/5 价格」，并推 300 tokens/秒 Ultrafast 档（9/29）
GPT-6.1 Sol 定价 $2/百万输入、$0.10/百万缓存输入、$10/百万输出——输入输出与上一代 GPT-6 Sol 持平，缓存输入从 $0.20 砍半至 $0.10；对比旗舰 GPT-6 Astra（$10/$1/$50），标准价正好是 1/5。OpenAI 称其在 DeepSWE v1.1 上以约 1/5 成本追平 Astra、比 GPT-6 Sol 最佳高 6.4 个百分点，在 GDP.pdf 上超过带 fallback 的 Claude Opus 5.5 且成本不到一半。同时正式推出 Ultrafast 推理档：Codex 最高 8 倍、API 6 倍加速，峰值 300 tokens/秒，但 API 价格为标准价 6 倍——面向「延迟比 token 成本更关键」的场景。
谷歌：Gemini 聊天中的「Skills」正式取代 Gems 上线（新）
谷歌把 Gems 位置的功能由「Skills」接管，并从今天起在 Gemini 聊天中可用。这是一次围绕「可复用、可组合能力」的产品化改造——与各家把 Agent「技能」作为一等公民的趋势一致，把用户自定义助手从静态配置推向可调用、可复用的技能单元。
谷歌：Gemini Live 推出 Guided Vision 无障碍功能（新）
谷歌上线 Guided Vision，面向盲人与低视力用户：用手机摄像头对准任意物体即可获得语音描述。这是多模态实时助手从「炫技」走向真实无障碍场景的一例，也延续了 Gemini Live 的实时视觉交互路线。
Suno：从 AI 音乐跨界语音，推出「朗读语音」功能（新，Beta）
AI 音乐生成器 Suno 宣布新功能：根据脚本或提示描述生成朗读语音，正式从音乐跨入语音合成。此举把「AI 音频生成」的边界进一步模糊——音乐、配音、播客口播开始被同一套生成式音频栈覆盖。
亚马逊 AWS：开源 Strands Decider 2B——「跑在 Agent 工作流里」的决策模型（10/1）
亚马逊加入决策模型竞赛，发布 Strands Decider 2B：约 20 亿参数、基于阿里 Qwen3.5-2B 微调，Apache 2.0 许可、可从 Hugging Face 免费下载（算力自备）。做法很直接——移除「预测下一个词」组件，换成小型「指针」组件给候选答案打分，叠加 rank-16 LoRA 与约 100 万新参数（架构代号「Hobson」），单次前向传播返回选项的概率分布，用于路由请求、选工具、评估输出、复核 Agent 动作。官方称短任务延迟几十毫秒；图表显示 v18 在本地 RTX 3090 上中位 106ms、P95 296ms（含 HTTP 往返），M3 MacBook 小任务中位约 150ms。属于 Strands Labs，将连同代码、训练数据与脚本一起发布 v20。
MIT × Sakana AI：SIFT 框架，用 LLM 评委给「自我改进编码 Agent」砍评估成本（10/2）
MIT 与 Sakana AI 提出 SIFT：用语言模型当评委，降低自我改进编码 Agent 的评估开销，在 Polyglot 上达到 35.1% 准确率，且所需算力更少。这与谷歌 WikiSkill（用结构化 wiki 沉淀失败经验，让 9B Qwen 反超 27B）思路互补——「如何低成本、可复用地质检 Agent 产出」正成为独立研究方向。
OpenAI 指控 Moonshot 抓取其数据训练模型；FTC 据报调查 OpenAI 与 Anthropic（新）
OpenAI 公开指控 Moonshot 抽取其数据用于训练；与此同时 FTC 据报已对 OpenAI 与 Anthropic 展开调查。在数据版权、模型训练合规、反垄断三条战线同时升温的背景下，前沿实验室正从「技术竞赛」被拉入监管与法律博弈。
🤖 Agent、产品与治理
OpenAI：Dots「常驻 Agent」+ ChatGPT Space，从「问答」转向「托付工作流」（9/29）
DevDay 2026 上，OpenAI 推出 Dots——持续运行的 AI Agent：关掉对话框后仍继续监控项目、操作软件、响应变化，并把完成的工作交回审批。Dots 跑在 GPT-6 Astra 上，自带云电脑与浏览器，可经插件生态接入 4000+ 应用，通过 ChatGPT、Slack、Microsoft Teams 沟通，并逐渐学习个人偏好。配套的 ChatGPT Space 是新协作层，让员工、ChatGPT、Codex 与 Dots 在同一共享上下文中协作，取代表现层的 Library（Pro/Business/Enterprise）。核心转变：从「生成内容」到「持有工作流」。
Meta：开源 Muse 硬件代码，常驻 Agent 直插消费场景（新）
Meta 放出 Muse AI Agent，主打邮件、购物等日常任务，并开放源码让开发者自造 Muse 硬件设备。与 OpenAI Dots 的企业向定位不同，Meta 走的是**「可爱 + 消费硬件」**路线；两家「常驻 Agent」几乎同日对垒，成为今日最直观的产品竞争信号（隐私担忧已随之出现）。
Apple：收紧 Mac 全盘访问权限，直言 AI Agent「显著」抬高风险（新）
Apple 宣布对 Mac 的 Full Disk Access 权限引入新保护措施，理由是 AI 驱动的 Agent 带来的风险上升。这意味着操作系统开始把「能自主读写文件的 Agent」当作新的权限边界对象——在 Agent 大规模落地的当下，权限最小化与沙箱化正从应用层上移到 OS 层。
开发者吐槽：OpenAI / Anthropic 安全护栏误伤日常研发，拖慢效率（9/30）
开发者向 VentureBeat 反映，两家模型的安全护栏把日常航空航天、机器人、安全工作误判为风险，耗时且打断流程。JetBrains 2026 调查显示 90% 开发者每周至少用一次 AI 编码 Agent（68% 每天用）。OpenAI 承认护栏可能「拖慢、暂停或中断合法工作」（含防御性安全），称正持续优化；有开发者形容 Claude「更激进」，遇拒答即更换模型。
OpenClaw：推出免费企业级 Agent 控制平面，获 OpenAI、Red Hat、Nvidia 背书（新）
OpenClaw 发布面向常驻 AI Agent 的免费企业控制平面，获 OpenAI、Red Hat、Nvidia 支持。它瞄准的是 Agent 大规模部署后的统一治理、编排与可观测问题——与亚马逊决策模型、Apple 权限收紧一起，构成今日「Agent 基础设施标准化」的三条支线。
Autoheal：收拾「AI 编码 Agent 留下的烂摊子」，宣称单任务成本最多降 30%（9/29，持续）
旧金山初创 Autoheal 走出隐身，宣布 Innovation Endeavors 领投的 790 万美元种子轮并 GA 其平台。它自称「自我改进的软件工厂」：把编码 Agent、代码库、构建/部署工具、监控、云环境与 issue 跟踪器接入共享上下文层，处理事故排查、漏洞修复、发布准备、支持升级与 AI 编码成本管理，卖点是**「Agent 互相审查」的反馈闭环**，官方称单任务成本最多降 30%。
🛠️ 开源与工具链
GitHub Trending（今日）
- DietrichGebert/ponytail（JavaScript，+1,435，今日最高）——让 AI Agent「像房间里最懒的资深工程师那样思考：最好的代码是你从没写过的代码」
- mattpocock/skills（Shell，+955）——「面向真工程师的 Skills」，直接来自作者的
.agents目录 - pbakaus/impeccable（JavaScript，+722）——让 AI harness「更懂设计」的设计语言
- Panniantong/Agent-Reach（Python，+696）——「给 AI Agent 一双眼睛」：一个 CLI 读/搜 Twitter、Reddit、YouTube、GitHub、Bilibili、小红书，零 API 费
- mvschwarz/openrig（TypeScript，+683）——把 Claude Code、Codex 与 Pi 编成一个 Agent 网络：持久团队、角色分工、共享上下文
- NVIDIA/OpenShell（Rust，+594）——面向自主 AI Agent 的安全、私有运行时
- heygen-com/hyperframes（TypeScript，+580）——「写 HTML，渲染视频，为 Agent 而生」
- obra/superpowers（Shell，+556）——可用的 agentic skills 框架与软件开发方法论
- mksglu/context-mode（TypeScript，+282）——面向 AI 编码 Agent 的上下文窗口优化：沙箱化工具输出（号称缩减 98%）、持久会话记忆、跨 17 平台路由
- colbymchenry/codegraph（C，+98）——预索引代码知识图谱，代码变更自动同步，供 Claude Code、Codex、Gemini、Cursor、Hermes Agent 等使用
榜单绕 Agent 技能与记忆 / Agent 安全运行时 / 多 Agent 编排 / 上下文成本 收束——「给 Agent 加记忆、加权限边界、砍 token」是当前最卷的三条工程主线。
Hacker News 热榜交叉点
- FLUX 3 Image（265 分）——图像生成新版本上榜，视觉生成继续高频迭代
- Show HN: Giving Opus 5.5 a simulated paint canvas（186 分）——给模型一个「模拟画布」做视觉创作实验
- Greg Kroah-Hartman – Security in the LLM Age（163 分，视频）——内核维护者谈 LLM 时代的安全
- With most information hidden, the game Stratego had stumped AI until now（163 分）——不完全信息博弈终于被 AI 攻克
- From the creator of Redis; run LLM locally with ds4（129 分）——Redis 作者的新本地 LLM 方案，继续压低本地推理门槛
- One month coding with GLM 5.3 Flash（98 分）——国产模型一个月编码实测
- Updates to Full Disk Access in macOS（99 分）——与 Apple 收紧磁盘权限同源，OS 层 Agent 隔离受关注
- Every SaaS business will become a harness around a model（81 分）——「每个 SaaS 都会变成模型外面的 harness」的观点引发讨论
📌 一句话总结
今天的核心画面是**「前沿模型与常驻 Agent 同日对垒、操作系统开始给 Agent 上锁」。模型侧，谷歌 Gemini 4 Argon 以「18 项基准拿下 13 项第一或并列」的广度重夺领先**，但限量发布 + 落后 Astra/Opus 的若干硬指标说明前沿竞赛仍是按工作负载分胜负；OpenAI 则继续用 GPT-6.1 Sol（Astra 的 1/5 价格）+ 300 tokens/秒 Ultrafast 把叙事钉在「单位任务成本」上。产品侧，OpenAI Dots 与 Meta Muse 把竞争从「聊天」推向「可托付、持续运行的 Agent」，而Apple 收紧 Mac 全盘访问、亚马逊开源 Strands Decider 2B、OpenClaw 获 OpenAI/Red Hat/Nvidia 背书三件事指向同一条底层主线——当 Agent 真要长期、自主地跑起来，决定成败的不再只是模型智商，而是权限边界、决策成本与治理基础设施。