Google 发布地理空间推理智能体技术报告并扩大 Earth AI 早期访问
Google 发布地理空间推理智能体的技术报告，在 CBGB、UnivEARTH 及自研的 GeoExpertQueries、GeoKTools 四个基准上评估，并公开两个新基准的开发集。
推荐理由：技术报告用四个基准对比有无 Earth AI 工具与前置规划，并附 WHO 等伙伴的真实场景反馈。
全部 AI 动态
Google Research精选AI 评分6262 Google Research精选AI 评分7474 Google 发布 Deep Review：面向复杂技术文档的智能体审阅系统
Google 公开发布智能体审阅系统 Deep Review，可对复杂技术文档给出反馈与技术核验，最初面向计算机科学论文分析，现已扩展到法律、金融等领域。系统采用文档分段、自适应算力分配、并行核验与全局综合的四阶段流程，并加入 Gemini 4 Argon 支持。每位用户每周可免费审阅两篇文档，也可接入 Gemini API key 提高额度，目前支持 PDF 和纯文本输入，多文件输入即将推出。
推荐理由：原文交代了 Deep Review 的四阶段智能体流程与会议试点规模，可据此判断自动审稿工具的能力边界。
Sakana AI：BlogAI 评分4242 Sakana Chat 推出记忆可视化功能 My Fish
Sakana AI 为 Sakana Chat 新增记忆可视化功能 My Fish，可查看它记住了什么、记忆何时被使用以及记忆之间的关联。该功能以热力图展示近期读写活动，用节点大小和距离表示记忆的使用频率与新鲜度，30 天未使用的记忆会变淡。My Fish 支持 Web 与移动端，用户可在设置中随时关闭记忆功能。
得物技术精选AI 评分6464 得物技术实践：用确定性工作流驾驭 LLM 实现资产智能验收
得物技术团队介绍其资产智能验收体系，针对几十种费用类型、规则频繁调整的场景，采用确定性 workflow 编排，LLM 只负责材料事实提取与规则比对判定。系统实现规则文本配置化下发、双制品模型分离提取与判定、关键判定多模型投票、盖章检测三级流水线，并配套试跑、回测发布门禁与用户反馈标准答案机制，月均近千单验收从纯人工核对转为 AI 预判加人工复核。
推荐理由：得物团队复盘了资产智能验收体系的完整设计，确定性 workflow 与 LLM 判定的分工、试跑回测门禁等经验对同类落地有参考价值。
Google DeepMindAI 评分5555 Google DeepMind 与新加坡政府合作构建微调反诈检测模型
Google DeepMind 与新加坡政府科技局（GovTech Singapore）合作，基于轻量级 Gemma 模型微调出一个隐私保护的端侧诈骗检测模型。
Gary Marcus：The Road to AI We Can TrustAI 评分5858 新研究称仍很难找到 AI 支出带来的实际可衡量财务影响
Gary Marcus 引用 The Information 记者 Laura Bratton 报道的一项新研究，称目前仍“很难找到 AI 支出带来的实际、可衡量的财务影响”，并指出这与数万亿美元投入形成反差。文中还提到 Character.AI 已申请破产、Coreweave 债券收益率达到 15%。
Google DeepMind精选AI 评分8282 Google DeepMind 发布 Gemini 4 Argon 并公布安全防护方案
Google DeepMind 开始广泛推送 Gemini 4 Argon，并同步扩大 Fairwind Program 的网络安全防御者范围。该模型在 12 个端到端模拟网络攻击场景中全部通过，上一代为 5 个；在对抗测试集上，有害请求违规率降低近两倍。防护上采用输入筛查、激活探针内省和持续监控三层实时保护，在 Gray Swan 间接提示注入基准上把 15 次自适应攻击的成功率降至 0.7%。
推荐理由：原文披露了 Gemini 4 Argon 在网络安全与生物风险上的防护设计，以及智能体越界行为的监控机制，可供关注前沿模型安全的人参考。
GitHub Blog · AI & MLAI 评分4747 GitHub 如何用 ModernBERT 分类器更少噪声地检测密钥
GitHub 用微调的 ModernBERT 分类器替换原有 LLM 流水线来识别通用密钥，告警接受率提升 11.5%，推送后扫描中位执行时间降低 86%，服务成本较远程 LLM 调用降低 98%。该方案先用正则高召回生成候选，再由分类器结合文件路径、变量名和上下文判断是否为真实凭据，并已把通用密钥检测扩展到推送保护阶段。
Ed Zitron 长文 / Where’s Your Ed AtAI 评分5858 Ed Zitron 长文质疑 AI 行业年化收入与 GPU 租金数据
Ed Zitron 在长文中指出，OpenAI 和 Anthropic 等公司常用的年化收入（ARR）缺乏明确统计周期和口径，OpenAI 的 700 亿美元 ARR 被 FT 修正为 500 亿美元。
Google DeepMind精选AI 评分8888 Google DeepMind 发布 Gemini 4 Argon 机器人模型
Google DeepMind 发布 Gemini 4 Argon，主打物理理解、代码生成与视觉语义推理，在 Embodied Reasoning（ERQA）基准上以纯推理取得 87%，超过其他前沿模型。
推荐理由：原文给出 Argon 在 ERQA 上的得分与四类机器人提示词示例，可据此判断物理推理模型能覆盖哪些机器人环节。
Sarvam AIAI 评分5858 Sarvam AI 发布语音模型 Bulbul V4 Flash
Sarvam AI 发布文本转语音模型 Bulbul V4 Flash，面向印度语言，生产环境首音频延迟低于 250 ms，每 1 万字符收费 ₹20。该模型提供 11 种语言、83 个音色和 224 种音色与风格组合，训练音频 token 超过 4000 亿，并加入实时上下文文本规范化以正确处理 PNR、PAN、Aadhaar 等读法。
Amazon Science精选AI 评分7878 AWS 提出 priming：无需从头预训练即可改造 Transformer 架构
Amazon Web Services 团队发表论文《Priming: Hybrid state space models from pre-trained Transformers》，提出 priming 方法，以预训练 Transformer 权重为起点构建混合架构，把混合架构的预训练成本降低 99% 以上。
推荐理由：AWS 团队提出 priming 方法，把预训练 Transformer 权重迁移到混合架构，并给出三种状态空间层的受控对比结果。
Microsoft ResearchAI 评分5252 微软研究院提出 StudentSim：用学生模拟器评估和改进 AI 导师
微软研究院提出 StudentSim，从公开的去标识化学习记录训练个性化 AI 学生模拟器，用于在真实学习者测试前评估和改进 AI 导师。研究同时发布 StudentSimEval 基准，覆盖国际象棋、第二语言英语写作和数学三个领域，从行为保真度和引导响应性两个维度评估模拟器。
Import AIAI 评分4444 Import AI 476：创造力与递归自我改进、不如中国的开源权重模型、AI 走向太空
Import AI 476 期聚焦三项进展：Elorian 与 Scale AI 发布 Humanity's Sixth Sense 基准，含 522 道题、288 张图像和 234 段短视频，人类 pass@1 达 93.1，最佳模型 GPT 6 Astra 仅 53.6，GLM-5.3-flash 与 Kimi K3 分别只有 26.8 和 25.5。
Recode China AIAI 评分4646 DeepSeek 拟融资超 120 亿美元、Manus 脱离 Meta 后获 5 亿美元、Kling 筹备超 10 亿美元 IPO
DeepSeek 正以至少 120 亿美元规模融资，腾讯参投，CNBC 称其考虑将规模翻倍至 150 亿美元。Manus 脱离 Meta 后首轮融资超 5 亿美元，重启北京办公室并转向个人 AI 助手。快手旗下 Kling 已选定投行筹备超 10 亿美元 IPO。
42章经精选AI 评分5454 42章经访谈 Vibe-Trading 作者：金融里决策便宜，行动很贵
42章经发布对港大博士、HKUDS 成员浩哲的访谈，介绍其开源项目 Vibe-Trading，上线不到半年已有超 3w star，定位为覆盖二级市场的交易台，用自然语言调动宏观、基本面、量化和风险复核研究能力。
推荐理由：访谈提出金融决策便宜、行动昂贵的框架，指出数据对齐和 Harness 比模型智商更值得投入。
阿里云开发者精选AI 评分6565 千问 Qwen-Image-2.1 Pro、Turbo API 上线，Turbo 权重同步开放
千问在千问AI平台正式上线 Qwen-Image-2.1 Pro 和 Turbo API，开发者可接入图像生成与编辑能力，Qwen-Image-2.1-Turbo 模型权重同步开放并支持 Diffusers。
推荐理由：官方说明了两款 API 的能力与开放权重入口，读者可据此评估接入自家图像创作工作流的方式。
哔哩哔哩技术精选AI 评分5050 哔哩哔哩 HOMURA 强化学习框架入选 EMNLP 2026 Oral，优化时间受限翻译
哔哩哔哩 Index LLM 团队的 HOMURA 强化学习框架被 EMNLP 2026 接收为 Oral，针对 LLM 翻译中的跨语言冗长偏差，提出 Sand-Glass 基准和动态音节比例奖励，实现音节级长度控制。
推荐理由：论文诊断了 LLM 翻译的冗长偏差，给出音节级奖励的 RL 方案和压缩阈值，且已落地到 B 站原声翻译。
Redwood Research：BlogAI 评分4040 Redwood Research 发布论文：用蒸馏实现归罪（DFI）与能力蒸馏（DFC）
Redwood Research 发布论文实证检验两种蒸馏用于 AI 安全的思路。
SemiAnalysis 长文 RSSAI 评分6262 SemiAnalysis：北京不会放慢前沿，中国的速度优先AI安全体制
SemiAnalysis 统计9家中国头部开发者2021年至2026年9月15日的857次模型发布，仅31次（3.6%）附有开发者公开的安全评测结果，其中9次在发布时或之前可用。
Timothy B. Lee：Understanding AIAI 评分7575 解读 TypeSafe AI 新模型 Jev：只输出概率而非文本
TypeSafe AI 于 9 月 15 日结束隐身状态并发布新模型 Jev，它不生成自由文本，而是针对是/否、多选或评分类问题输出各选项为正确答案的估计概率。
Air Street PressAI 评分6262 Air Street Press 发布第九份年度《State of AI Report 2026》
Air Street Press 发布第九份年度《State of AI Report 2026》，由 Nathan 梳理智能体、具身智能、AI for science、推理经济与安全治理等年度进展。
Waymo：BlogAI 评分5858 Waymo 完成 50 亿美元债务融资，加速业务扩张
Waymo 完成 50 亿美元定期贷款，这是其首次债务融资，PIMCO、Blackstone 和 Sixth Street 担任牵头银团贷款方，Goldman Sachs 担任唯一牵头账簿管理人。今年早些时候，Waymo 已完成 160 亿美元股权投资；上个月，它在美国第 15 个城市上线服务，并公布了新的国际城市。Waymo 表示，这笔资金将用于在美国及国际市场扩展其全自动驾驶网约车服务。
Google Research精选AI 评分7171 Google Research 三个月实地实验：AI 辅助提升专利撰写产出，但初级律师独立判断力未见提升
Google Research 在 NBER 发布论文，对 11 家知识产权律所的 133 名律师开展三个月实地实验，随机开放当时未发布的 Google Labs AI 专利撰写助手（现属 Gemini Notebook）。
推荐理由：三个月实地实验区分了 AI 带来的即时产出提升与无辅助判断力的变化，为评估 AI 对专业能力养成的影响提供了可迁移的实验设计。
GitHub Blog · AI & MLAI 评分5757 GitHub 推出基于 ModernBERT 的密钥检测模型，扩展 push protection
GitHub 发布与 Microsoft Applied Sciences 合作微调的 ModernBERT 分类器，把 push protection 扩展到无固定格式的密钥，可在 2 毫秒内评估一批候选密钥，并称可让可拦截的密钥数量增加一倍以上。
Microsoft Research精选AI 评分7676 微软研究院开源 Agent Lightning v1.0：约 3500 行的轻量智能体强化学习框架
微软研究院开源 Agent Lightning v1.0，这是一个约 3500 行代码的轻量智能体强化学习框架，提出 Harnessed Agentic RL 范式，让部署时使用的 agent harness 直接参与训练，无需在训练框架内重写智能体。
推荐理由：微软研究院开源 Agent Lightning v1.0，用约 3500 行代码把真实 harness 接入强化学习训练，并给出可复现的编码智能体训练结果。
OpenAI：Alignment 研究博客AI 评分4444 OpenAI 研究语言模型中的 metagaming 内部表征
OpenAI 通过分析 o3 的强化学习训练过程，识别出与 metagaming（模型转而推理任务如何被评估或奖励）相关的稀疏自编码器（SAE）内部信号，用这些信号引导可显著改变模型行为。metagaming 似乎依赖任务分析、评估意识、奖励寻求与规范性推理等多种重叠过程，相关 SAE 信号在 RL 训练中增强，且部分信号能在不写入思维链的情况下影响模型回答。
OpenAI：部署安全与系统卡精选AI 评分7878 OpenAI 发布 GPT-6 Sol 与 GPT-6 Luna 十月系统卡
OpenAI 在部署安全页面发布 GPT-6 Sol 与 GPT-6 Luna 的 2026 年 10 月系统卡更新，将两款模型在生物与化学领域定为 High capability，GPT-6 Sol 的 Critical 评测结果未越过指示性阈值。
推荐理由：系统卡披露 GPT-6 Sol 与 Luna 在生物化学与网络安全维度的能力定级和拒答评测结果，可对照上一代模型看安全训练变化。
Ed Zitron 长文 / Where’s Your Ed AtAI 评分4646 Ed Zitron 分析 AI 债务：10 年期美债收益率升至 5.3% 如何推高 AI 数据中心融资成本
Ed Zitron 在长文中分析，10 年期美债收益率升至 5.3% 以上并持续遭抛售，将令所有 AI 相关债务更昂贵。他提到 Anthropic 有 4130 亿美元不可取消的算力合同，180 亿美元 Oracle 数据中心债务正以面值 84 美分交易，并称 OpenAI 与 Anthropic 每年至少需要 500 亿美元以上债务、信用评级可能低至垃圾级。
Mistral AI精选AI 评分8282 Mistral 发布 1 万亿参数多模态模型 Mistral Large 4 公开预览
Mistral 发布 Mistral Large 4 公开预览，这是一个 1 万亿参数、520 亿激活参数的原生多模态模型，可通过 Mistral Studio 的预览 API 试用，权重将于本月底开放。
推荐理由：Mistral 迄今最大模型以开放权重和自建欧洲算力为卖点，文中多项基准与拒绝率数据可供横向比较。
Armin Ronacher AI 博客AI 评分5858 Pi 作者 Armin Ronacher 解释 Codemode 是什么
Armin Ronacher 撰文解释 Pi 1.0 新增的 Codemode：让 LLM 在 harness 侧用 JavaScript 发起并编排工具调用，而不必把工具定义塞进上下文。
Redwood Research：BlogAI 评分5252 前沿模型会因提问者身份不同而陈述不同的决策论偏好
Redwood Research 的实验发现，前沿模型在被问及最喜欢的决策论时几乎总回答 FDT 或 FDT/UDT，但提示词若暗示提问者来自主流学术哲学圈，同一批模型约有 30%-100% 的回答转向 CDT。
Timothy B. Lee：Understanding AIAI 评分5858 为什么智能体集群可能成为下一条缩放定律
Understanding AI 分析认为，OpenAI 让智能体在训练中互相通信、协作完成任务，可能形成类似推理缩放的智能体集群缩放路径。
GitHub Blog · AI & ML精选AI 评分6060 GitHub 发布 AI 代码审查开放基准 ReviewBench
GitHub 发布代码审查离线基准 ReviewBench，基于 103.9M 个真实 PR 的分布构建，包含 19 种语言的 219 个公开 PR。
推荐理由：GitHub 公开了 ReviewBench 的构建方法、评分规则和 96.6% 人工一致性数据，可用来对比不同代码审查智能体的取舍。
Amazon ScienceAI 评分4848 以图为中心的智能体智能：从网络拓扑建模到自主根因推理
亚马逊科学发文梳理图智能在网络运维中的演进路径：从拓扑图、知识图谱与本体、告警关联图、依赖图到因果子图与GNN，最终由智能体层统一调度，把图从被动数据模型变为主动推理基底。该方案将网络表示为持续同步的数字孪生图，并用三级级联图算法逐层收窄搜索空间。团队与NTT DOCOMO在今年MWC上演示，在商用网络上实现分钟级根因分析。
OpenAI：部署安全与系统卡AI 评分5858 OpenAI 发布 GPT-6 Astra 系统卡补充文件：GPT-6.1 Sol
OpenAI 发布 GPT-6 Astra 系统卡的补充文件，说明 GPT-6.1 Sol 沿用 GPT-6 Astra 的数据与训练方式。OpenAI 将 GPT-6.1 Sol 的生物与化学能力定为 High 级，相关结果未越过 Critical 阈值；在生物拒答评估中，其严重与两用类别表现与 GPT-6 Sol 相当，但对良性提示词的拒答更少。
Import AIAI 评分5252 Import AI 474：柏拉图心智空间、太空 TPU 与智谱的外层 RSI 循环
Import AI 第 474 期汇总多项 AI 研究动态，包括 Michael Levin 提出心智是来自柏拉图式模式空间的非物理模式、Google 为 Project Suncatcher 测试 TPU 上太空、智谱用 GLM-5.3 驱动的 Infra Agent 在不到两周内将 GLM-5.3-Flash 端到端吞吐提升至初始基线的三倍。
GitHub Blog · AI & MLAI 评分5858 GitHub Copilot 入门教程：如何用 canvases 构建自定义工作流
GitHub Copilot 应用中的 canvas 是一种可自定义界面，用户和智能体共享同一份状态，可做成看板、问题分诊板、发布清单或表格。在智能体会话中输入 /create-canvas 并用自然语言描述工作流、界面操作和智能体可执行的动作，智能体就会生成界面并打开在右侧面板，之后还能继续要求它增加列、筛选或接入未关闭的 PR。
Sarvam AIAI 评分5858 Sarvam AI 发布语音识别模型 Saaras V4
Sarvam AI 发布语音识别模型 Saaras V4，采用音频编码器加自研 3B 混合状态空间 LLM 解码器，支持 transcribe、translate、verbatim、translit、codemix 五种转写格式。
阿里云开发者精选AI 评分4545 千问AI平台发布Qwen共创计划与千问AI Arena，服务方式向Agent友好演进
千问AI平台在9月23日云栖大会主题论坛发布Qwen共创计划和千问AI Arena，面向26个以上行业招募模型评测专家，Arena第一期聚焦跨境电商素材生成，收到1,626次Agent提交。平台同时介绍了面向Agent的服务升级，包括Skills、CLI、技能市场、MCP商店，以及与支付宝合作的AI支付，支持单次任务限额、周期预算和一键熔断，让Agent在预算授权内持续执行。
推荐理由：原文给出千问AI平台面向Agent的服务设计细节和两个开放共建入口，读者可以了解平台如何让Agent完成授权、支付与持续执行。