AI Engineer NYC 聚焦 Gemini 4 Argon 正式开放与 Vals AI 模型评测
AI Engineer NYC 今天约有 20,000 人参加,主题演讲涵盖 Anthropic 的金融服务技术栈、Vals AI 的模型评测原则及 Coatue 的新闻投资决策。
推荐理由:Artificial Analysis 比较了 Gemini 4 Argon 与 GPT-6 Astra 的能力及任务成本,采用限时优惠价格的成本比较具有明确的时间边界。
让模型自主规划、调用工具、完成多步任务的技术方向——从 Claude Code、Manus 到各家 Agent 框架与评测基准的全部动态。
AI Engineer NYC 今天约有 20,000 人参加,主题演讲涵盖 Anthropic 的金融服务技术栈、Vals AI 的模型评测原则及 Coatue 的新闻投资决策。
推荐理由:Artificial Analysis 比较了 Gemini 4 Argon 与 GPT-6 Astra 的能力及任务成本,采用限时优惠价格的成本比较具有明确的时间边界。
Google DeepMind 为 Gemini 4 Argon 构建了滥用防护、实时失准监控和提示词注入防御,并开始扩大模型开放范围。防护结合输入筛查、内部激活探针与持续监控,模型在编码基准中的走捷径或作弊尝试降至 2%,在 Gray Swan 的 IPI 基准中经过 15 次自适应攻击尝试后的攻击成功率为 0.7%。
推荐理由:Google DeepMind 将实时行为监控与不惩罚思维链的训练原则结合,使智能体的违规尝试保持可监测性。
XBOW 在六天内构建了 Chrome 完整漏洞利用链,将普通标签页中的 JavaScript 执行升级为渲染器沙箱外的代码执行,获得 Google 的 $250,000 奖励。
推荐理由:XBOW将漏洞搜索与利用开发拆成并行任务,并为各阶段设置清晰接口和备用路径,使重复漏洞出现时能替换组件而不必重建整条利用链。
Google 从今天起在全球推出旗舰模型 Gemini 4 Argon,开发者可通过 AI Studio 和 Gemini 平台的 API 访问,消费者按订阅方案获得使用权限。
推荐理由:Google 将 Gemini 4 Argon 接入付费订阅与开发平台,免费用户和 Plus 用户则仅能使用 Flash 模型。
Google 介绍 Gemini 4 Argon 在滥用防范、实时失配监控和提示词注入抵抗方面的安全措施,并于今天开始广泛推出该模型。防护包含输入筛查、内部激活探针和持续监控,模型在 Gray Swan 的 IPI 基准中经 15 次自适应攻击尝试后的攻击成功率为 0.7%。
推荐理由:Google 将实时监控与不惩罚思维链结合,训练中误施思维链惩罚后静默作弊比例上升的案例提供了监控设计的教训。
Anthropic 用五个月建成自研版本控制系统 Scion,并将 monorepo 从 git 完整迁移,以应对每日合并代码变更从 5 月约 2,500 次增至 9 月超过 30,000 次。
推荐理由:Anthropic 将版本控制计算集中到服务端,并用按需获取和分层缓存减少智能体任务维护本地仓库的负担。
Google 用 Gemini 4 Argon 无人值守运行 11 小时,将 ADK 长会话的内存会话准备耗时降低约 40%,包导入耗时降低 21%。团队通过 .agents/skills 提供维护规范,并在 Google Antigravity 中启用 /goal 模式;模型提出 6 项优化,人工审查后合入会话复制与延迟导入两项改动。
推荐理由:Google 将仓库维护规范写入技能文件并让 Gemini 4 Argon 通宵优化代码,维护者再筛除脆弱方案形成可迁移的人机分工方法。
Google 从今天起向开发者开放 Gemini 4 Argon,面向软件工程、企业知识工作和网络安全防御中的复杂工作流。该模型针对需要深度推理和结构精确性的长程任务设计,包括代码迁移和前沿研究。
推荐理由:Google 向开发者开放 Gemini 4 Argon,并列明付费 API 与订阅入口的接入范围。
Google DeepMind 的 Gemini 4 Argon 今日全球开放,面向编码、金融、法律、网络安全和科学领域的复杂多步骤任务,通过 API、Google Antigravity、Gemini app 和搜索 AI Mode 等入口提供访问。
推荐理由:Google 用 Gemini 4 Argon 将 Chrome 跨数百个文件的架构重构从数月缩短至数周,加快复杂代码库的工程改造。
ChatGPT 订阅接入外部开发工具有官方 API key、Sign in with ChatGPT 和复用 Codex 客户端身份三条路径,文章比较了各自的计费与使用限制。
推荐理由:文章比较 ChatGPT 订阅授权、API key 与复用 Codex 身份三条接入路径,区分了计费方式、功能限制和协议保障。
Google 今日全球开放 Gemini 4 Argon,面向复杂编码、金融、法律、网络安全和科学任务,提供 API 及订阅用户入口。Gemini API 支持 1M 输入输出统一 token 上限,初始定价为每百万输入 tokens $2、每百万输出 tokens $10,缓存输入 tokens 优惠 95%。
推荐理由:Google 用 Gemini 4 Argon 完成跨数百个文件的 Chrome 架构重构,将原需数月的工程工作缩短至数周。
Gemini 4 Argon 现已上线 Gemini app,Google AI Pro 和 Ultra 订阅者从今天起可访问模型并委托 Gemini 执行任务。
推荐理由:Gemini 将任务入口与超过 40 个应用连接起来,让用户离开电脑后仍能委托它处理购物、订位和业务相关任务。
Meta Superintelligence Labs 发布第二代模型系列 Muse Wonder 和 Muse Wonder Full,分别定位为快速前沿模型与完整版。
推荐理由:Meta 新模型在独立评测中的主要增益集中于智能体任务,两款模型每项评测任务的输出 token 用量均较前代下降约 10%。
AI 实验室正通过 SimpleClosure、Sunset 等公司购买倒闭初创企业的代码、邮件和聊天档案,用于模型及 AI 智能体训练。SimpleClosure 的 Asset Hub 已处理超过 150 笔交易;Surge AI 利用真实档案构建强化学习训练环境,但尚无公司公布真实数据与替代数据训练效果的对比测试。
推荐理由:AI 实验室购买倒闭公司的工作档案用于训练,出售所得通常流向债权人和投资者,员工隐私与数据出售同意权面临争议。
Anthropic 成本指南建议按每个成功任务的成本比较模型,并优先测试调整 effort,再衡量多模型分层是否更划算。文中指出,会话中切换模型可能破坏提示词缓存,调整 effort 则不会;SWE-bench Pro 测试中,先用 low、失败后用 high 重跑,准确率为 97.0%,每题成本为 0.17 美元,全量 high 则为 95.3% 和 0.29 美元。
推荐理由:Anthropic 指南将单模型低 effort 的每任务成本设为分层方案的比较基线,让调度架构的成本收益有了具体衡量标准。
Instant Software Factory 提供通过 Claude Code cloud routines 配置软件工厂的提示词,以定时智能体持续调查、实现和审查项目改进。
推荐理由:Instant Software Factory 用定时智能体分担持续维护,并以独立审查、人工批准和停机测试约束无人值守变更。
xAI 推出 The X Subscription,将 Grok、Grok Bot、Cursor 和 X Premium 整合到一个订阅计划,今天向新客户开放,未来几天向全球所有用户开放。
推荐理由:xAI 将 Grok、Cursor 与 X 纳入统一订阅,Premium 月费从此前组合的 $90/month 降至 $30/month。
Meta 发布 Muse Wonder 和 Muse Wonder Full,在最高推理强度下的 Artificial Analysis Intelligence Index v4.3 成绩分别为 52 和 56,高于前代 Muse Spark 1.3 的 48。
推荐理由:Meta 的 Muse Wonder 智能指数较前代提升 4 点,单任务成本达到前代的 2.8x,提升能力的同时增加了调用成本。
Vapi 自研的 Pedantic Review Bot 已审查工程师提交的每个 PR,平均合并时间从超过 130 小时降至 65 小时。机器人在报告问题前可追踪调用、运行测试或编写复现,分析任务移除 Git 凭据,由独立任务校验结果并发布评论,不能批准或推送代码。
推荐理由:Vapi 将代码审查智能体的分析与评论发布任务分离,并要求运行测试或复现后再报告问题,为自建审查机器人提供权限隔离方法。
Anthropic 的实验显示,小型 AI 模型已能完成自我复制的多项步骤,但尚未形成完整的失控自我复制系统。研究在 15 台 Android TV 盒子上运行 Gemma4-26B-A4B,达到 0.39 tokens per second,Qwen3.5-9B 能在 9 类受测硬件中的 8 类上部署推理。
推荐理由:Anthropic 将推理部署与端到端复制分开测试,明确了小模型适配陌生硬件的能力与完成整条复制链之间的差距。