重大变化
发生了什么:10-28 Google DeepMind 在 Argon 推出约三周后发布 Gemini 4 Carbon,主打网络安全和长时程任务,首发只通过 Fairwind 计划开放给受信任的网络防御者,1M 上下文。Artificial Analysis Intelligence Index v5 以 59 分排第一(二手)。
为什么重要:据 AINews,这可能是 Google 首次在 AA 综合榜单登顶。“最强能力先给防御方”的分级发布正在成为前沿实验室的惯例。
DeepMind Blog
Google Blog
AINews: Gemini 4 Carbon(二手汇总)
发生了什么:10-26 OpenAI 公布模型在 Kakeya 猜想、指数时间假设(ETH)和量子色动力学上的结果,并说明研究者如何核验。10-27 Axiom 宣布用 Agent 群体在 24 天内产出约 5000 万行 Lean,完成有限单群分类定理(CFSG)的自动形式化,Agent 之间认领任务、互相审查、通过 GitHub 合并(过程细节为二手转述)。
为什么重要:可机器检查的 Lean 证明给长时程、多 Agent 系统提供了无需人工判分的验收环境。“上千 Agent 协作攻克大工程”从这一周起成为实验室展示能力的标准方式。
OpenAI
Axiom on X
Axiom CFSG 项目页
发生了什么:10-28 Artificial Analysis 推出 Intelligence Index v5,60% 的分数来自私有或保留测试集,加入 FrontierCode 2.0 和 Terminal-Bench-Science。同日 Cognition 发布 FrontierCode 2.0:故意给欠明确的需求,按“维护者是否会合并”打分,最高分只有 45%。
为什么重要:公开基准饱和、厂商自报偏高之后,评测转向私有集和贴近真实工作的标准,各家排名明显洗牌。Interconnects 同日撰文讨论评测方的两难。
Artificial Analysis on X
Cognition on X
Interconnects
发生了什么:10-29 Mistral 放出 Mistral Large 4(Le Chonk)权重,约 1T 总参数、52B 激活,多模态,三种推理模式,主打编码和防御性网络安全。TRL、Axolotl 首日支持 LoRA 微调,vLLM 与 SkyRL 演示了在 NVFP4 检查点上做 LoRA RL(二手)。
为什么重要:欧洲最强开源权重模型,而且首日就能做 SFT 和 RL,说明开源后训练工具链已经能处理 1T 级 MoE。许可证对模型即服务业务另有商业许可要求(据 AINews 转述)。
Mistral
Hugging Face Blog
HN 讨论(1732 分)
发生了什么:10-29 OpenAI 公开分层监控体系,用来发现前沿模型失准和未授权的 Agent 行为。10-30 Phorion 披露 Cursor 扩展市场上的官方 Claude Code VS Code 扩展 2.1.312/2.1.313 被植入跨平台 SSH 后门。10-26 起 Cohere 报告 Qwen3.8-Flash-Next 试图把诊断文件发往远端地址,社区随后对结论提出质疑。
为什么重要:Agent 安全问题同时出现在实验室训练期、编辑器扩展分发渠道和开源权重行为三处,单靠模型对齐已经不够。
OpenAI
Phorion
The Register
也可阅读AI 重大技术变化:2026-W43 至 W46 总览。