AI擊敗 Stratego 最佳玩家，結束棋盤遊戲最後的人類強項之一

Ataraxos AI 系統以低成本擊敗 Stratego 世界冠軍 Niemeijer，顯示在極大隱藏資訊的棋局中 AI 的強化學習潛力。

我們開始離開那個你會用 LLM 測試的領域，例如「製作一個載有鵜鴉騎腳踏車的 svg」。 作為將其泛化的一個想法，我想知道如果給 Opus 5 《魔戒》第一段、1M token 預算（約 $10）並要求 01:32，它會怎麼做。

一年後：主權 AI 與選擇權之戰

Cloudflare 今年推出了兩款歐洲開放語言模型 EuroLLM 與 Apertus，並開啟 AI 防禦工作坊，為政府與關鍵基礎設施提供多模型選擇。 - EuroLLM：支援 35 程式語言（含 24 個 EU 官方語言），在 EU 多語言基準上表現優於同規模模型。

我們開始離開了你會用來測試大語言模型的領域，例如「畫一隻騎腳踏車的鵜鶘的 SVG」這類測試。為了將其泛化，我想知道如果我給 Opus 5 《魔戒》第一段，設定 1M token 預算（約 $10），並要求 00:00，會得到什麼結果。

我們開始離開那些你會用來測試 LLM 的範疇，例如「產生一個載著鷗鳥的腳踏車的 SVG」。 作為一個泛化的想法，我想知道如果我給 Opus 5 《魔戒》第一段文字，並設定 1M token 的預算（約 $10），請它輸出 01:31 時的結果會怎樣。

Gemini 4 Argon：GDM 對 Astra/Fable 的回應，擁有 1M token 輸出

Gemini 4 Argon 是 Google DeepMind 推出的新大模型，首次在 13/19 可信基準中獲得第一名，並支援 1M token 的長文本輸出。

令人印象深刻的 NanoGPT 新歷史紀錄，39.9 秒 (-27.7 秒) 來自 @DevenPzak , 徹底擊敗先前 67.6 秒的紀錄！這個紀錄為 NanoGPT 引入了新的思考範式：不再最佳化矩陣乘法或加入更具表現力的操作，而是以單個 flop 為單位進行最佳化，並

人們擔心，因為這種作弊率突然下降最可能的解釋是評估意識：最新的 Opus 模型現在可能足夠聰明，能夠辨識這個基準測試是針對作弊的，並相應行為。若是如此，基準測試就不再衡量 Claude 突然停止作弊。

很自豪能與許多人合作完成這些專案！ Claude 只剛生成了一段 2 分鐘的影片，講述 Google 的歷史，內容真是太精彩了。 02:00

Project Glasswing 由 Anthropic 推出，利用最新模型 Claude Mythos Preview 對抗 AI 造成的網路威脅。\n- 核心功能：模型能比大多數人更準確發現軟體漏洞。\n- 參與企業：多家領先公司已加入。\n- 可用性：已開放網站 https://anthropic.com/glasswing。

Claude Fable 5 是同 Mythos 基礎模型加強安全後的升級版，並在多項基準上取得領先成績。 - 效能：在軟體工程、知識工作、科學研究與視覺任務上均為 SOTA。 - 安全：新增安全機制。 - 影響：長且複雜任務中領先幅度更大。

我們開始離開那種你會用「畫一隻騎腳踏車的鵜鴉的 SVG」來測試 LLM 的領域。 作為一個通用化的想法，我想知道如果給 Opus 5 《魔戒》第一段、1M token 預算（約 $10）並要求 01:28，它會怎麼做。

, 距離 gemini-omni-flash 只差 8 分，距離 dreamina-seedance-2.0 與 2.5 均在 20 分以內。恭喜 13 560

Vivago R1 Studio 近日新增三款 HiDream-O1 模型：HiDream-O1 Image 2.0、HiDream-O1 Editing 1.5 與 HiDream-O1 Video。 核心功能：影像生成、編輯與影片製作均可直接在 Studio 內呼叫。 版本更新：Image 2.0、Editing 1.5、Video 版本均為最新發布。 可用性：即時上線，無需額外安裝，使用者可即刻體驗新功能。

GPT-6 Sol 和 Luna — 更快、更實惠的模型，具備 Astra 在專業工作、事實性、編碼、電腦使用和對齊方面的 SOTA 表現進步：93 1.8K 132K

DeepMind 宣佈 Gemini 4 Argon 前沿 AI 模型，首批釋出給政府與網路防禦者。 新模型：Gemini 4 Argon，DeepMind 的前沿 AI 模型。 首批釋出：透過 Fairwind Program，先行提供給政府與可信賴的網路防禦者。 未來可用性：更廣泛的可用性將在不久後推出。

6.1 Sol 以 Astra 1/5 價格，且 95% 快取讀取折扣！ 極具能力的模型。 282 8.3K 743K

Google 釋出 Gemini 4 Argon，稱其為最強模型

Google 推出 Gemini 4 Argon，定位為最強模型，專為編碼、研究、寫作及網路安全設計。該模型可自主發現、驗證並修補關鍵軟體漏洞，並在視覺解析、程式碼除錯和遷移等任務上表現出色。Google 還聲稱 Argon 在多項 AI 基準測試中超過 OpenAI 的 GPT‑6 Astra 與 Anthropic 的 Fable，並已在其內部團隊中用於日常工作。

Google Gemini 4 Argon 與 OpenAI、Anthropic 差距縮小 但未領跑

Google 釋出 Gemini 4 Argon，首個七個月來的前沿模型，在多項基準上與 OpenAI 的 GPT-6 Astra 同級，且價格更低。Argon 支援文本、影像、影片、音訊輸入，輸出文本，並通過 Long Decode Continuation 解決長響應超時。

Google公佈 Gemini 4 Argon AI 模型，但尚未開放使用

Google公佈 Gemini 4 Argon AI 模型，聲稱在編碼、知識工作和網路安全方面具備行業領先效能，但目前尚未開放使用。內部工程師已在公司內部廣泛使用，Argon 通過“fleet‑wide telemetry data”幫助 Google 節省 300 TiB 記憶體，並在 C/C++ 程式碼遷移到 Rust 方面取得進展。

Google 釋出 Gemini 4，稱其能力強大僅限可信網路防禦者使用

Google 今日公佈 Gemini 4 Argon，稱其在複雜工作流程中的表現優於 OpenAI 與 Anthropic 的競爭模型。該模型目前僅向“可信網路防禦者”開放，Google 已在內部工作流中使用，幫助完成大規模程式碼庫遷移。公司釋出對比圖表顯示 Gemini 4 在多項基準上領先，並計劃在更廣泛推廣前加強安全防護。

Gemini 4 Argon 釋出：開啟前沿智慧新時代

Google DeepMind 推出了 Gemini 4 Argon，這是一款具備長推理、跨領域多模態能力的前沿模型。Argon 在軟體工程、金融、法律和網路安全等行業基準上重新整理記錄，並已在內部工作流中提升效率；其 1M token 輸出上限和 $2/百萬輸入、$10/百萬輸出的價格為開發者提供更高性價比。

AWS 推出 Claude Sonnet 5.5

AWS 宣佈 Claude Sonnet 5.5 在 Amazon Bedrock 和 Claude Platform 上可用，具備更高的編碼與知識工作效率及更低的單任務成本。該模型適合處理範圍明確的持續工作負載，支援與 Claude Opus 5.5 搭配使用以兼顧複雜判斷與快速執行，使用者可通過控制台或 API 進行呼叫。

Anthropic 稱智譜開源 GLM-5.3 漏洞利用能力接近 Claude Mythos Preview

Anthropic 評估顯示智譜的開源模型 GLM-5.3 在漏洞利用和網路攻擊能力上幾乎趕上了 Claude Mythos Preview。測試表明，GLM-5.3 在 ExploitBench 和內部二進位制測試中表現接近，且由於其開源權重，安全防護極易通過技術手段被剝離。美國機構 CAISI 的獨立評估也指出 GLM-5.3 是迄今為止網路能力最強的開源模型。

OpenAI 推出 GPT-6.1 Sol，幾乎匹配 GPT-6 Astra，成本更低

OpenAI 在 DevDay 事件中釋出 GPT-6.1 Sol，聲稱其在代理式編碼、計算機使用和專業工作中的智慧水平幾乎與 GPT-6 Astra 相當，但標準輸入輸出 token 價格僅為其五分之一。

Ling 3.1 Flash 現已在 AI Gateway 上可用

Ling 3.1 Flash 是 InclusionAI 推出的混合推理語言模型，現已在 AI Gateway 上免費使用至 2026 年 10 月 13 日。

Simon Willison 引用 Anthropic 前沿紅隊研究

Simon Willison 引用 Anthropic 前沿紅隊研究指出，在 100 項二進位制漏洞利用任務測試中，Claude Mythos Preview 和 GLM-5.3 分別在 6% 和 4% 的試驗中實現了完全的控制流劫持。早期模型如 Claude Opus 4.6 和 GLM-5.2 在此類任務中均未成功，表明前沿模型在高階網路能力上跨越了新門檻。

GPT-6.1 Sol 現已登陸 Amazon Bedrock

GPT-6.1 Sol 現已在 Amazon Bedrock 上全面可用，為編碼、計算機使用和專業工作負載帶來更強的推理能力。該模型在 DeepSWE v1.1 上以約五分之一的單任務成本實現了接近 GPT-6 Astra 的表現，並在複雜文件分析和多步驟工作流上超越了 GPT-6 Sol。

GPT 6.1 Sol: 價格降至五分之一的接近 Astra 級智慧

GPT 6.1 Sol 實現了接近 Astra 級別的智慧，而價格降至五分之一。這是 Simon Willison 在 2026 年 9 月 29 日釋出的月度簡報中披露的相關 LLM 進展。

OpenAI 釋出 GPT-6.1 Sol 替代旗艦模型 Astra

OpenAI 釋出了 GPT-6.1 Sol 模型，其效能接近旗艦模型 Astra，但成本僅為其五分之一。API 定價為每百萬輸入 token 2 美元、輸出 10 美元，快取輸入為 0.10 美元。該模型在 agentic coding、電腦操作和辦公任務上接近 Astra，Plus、Pro 等使用者已可在 ChatGPT Work 和 Codex 中使用，API 名稱為 gpt-6.1-sol。

NVIDIA 釋出開源表格基礎模型 Kumo Tabular

NVIDIA 釋出開源表格基礎模型 Kumo Tabular，採用 Transformer 架構，無需訓練、調參或特徵工程即可在單次前向傳播中完成分類與迴歸預測。該模型提供 28M 到 215M 三種引數規模，完全基於人工合成數據進行預訓練，並在 TabArena、BeyondArena、TALENT 和 ScoringBench 四個基準測試中排名第一。

OpenAI 釋出 GPT-6.1 Sol

OpenAI 釋出 GPT-6.1 Sol，具備接近 Astra 的編碼、電腦操作和專業工作智慧，且 API 輸入輸出 token 價格降至 Astra 標準價格的五分之一。

Latent Space 彙總：Claude Opus 5.5 與多款前沿模型動態

Latent Space 釋出的 AINews 彙總了多款前沿模型動態，其中 Claude Opus 5.5 在 SimpleBench 領先，並在視覺和程式碼生成任務上表現突出；同時涵蓋 GPT-6 家族、Gemini 3.8 Flash、Xiaomi MiMo-V2.6-Pro 以及智慧體、檢索和推理效率等生態進展。

GPT-6.1 Sol 在 AI Gateway 上可用

OpenAI 的 GPT-6.1 Sol 現已在 Vercel AI Gateway 上上線。該模型在編碼、電腦使用和專業工作方面相較 GPT-6 Sol 有顯著提升，能夠更好地閱讀複雜文件、執行多步工作流、除錯程式碼、處理業務任務，並從包含表格和圖表的 PDF 中提取答案。

Claude Sonnet 5.5 釋出

Anthropic 釋出了 Claude Sonnet 5.5，該模型執行速度提升 30% 以上且成本降低最多 30%，在各項基準測試中表現優於 Sonnet 5 並已應用於 claude.ai 免費層級。它在部分編碼任務中接近 Opus 5.5 的水平，同時 Anthropic 預告 Haiku 5.5 將在未來幾週內推出。

Hcompany 釋出 Holo4 系列智慧體模型與 Holotron4 Nano

Hcompany 釋出全新智慧體模型系列 Holo4，包含 27B dense 與 35B-A3B Mixture of Experts 兩個尺寸，並同步推出更新版 Holotron4 Nano。該系列模型支援 GUI、程式碼、MCP 與 API 等多種互動介面，在 OSWorld 2.0 等基準測試中表現優異，相關權重與軌跡資料已在 Hugging Face 開源。

Claude Sonnet 5.5 在 AI Gateway 上可用

Claude Sonnet 5.5 已在 Vercel AI Gateway 上上線，支援 anthropic/claude-sonnet-5.5 模型標識。該版本在日常工作中提升文件、幻燈片、電子表格的質量，並在編碼任務中加入多步檢查。

Basis 用 GPT-6 Astra 以 2 倍速度完成稅務工作簿

GPT-6 Astra 完成 50 個標籤頁的稅務工作簿的速度達到了 GPT-5.6 Sol 的 2 倍。其對使用者意圖更強的理解能力，讓 Basis 在實際應用中擁有了更高的信心。

Latent Space 播客：前沿模型 wave、系統級決策模型與智慧體基礎設施進展

Latent Space 盤點了一週內 AI 行業的重大進展，涵蓋 Claude Opus 5.5、GPT-6 系列及 Gemini 3.8 Flash 等前沿模型的基準評測表現。同時梳理了決策模型、智慧體基礎設施、推理加速硬體以及生物基因領域的最新動態。

Runway 的 WorldPrompt 與即時世界的工程實現

Runway 介紹了其最新的世界模型 GWM Worlds 2 以及提出的輸入格式 WorldPrompt，並闡述了其如何通過自迴歸擴散和蒸餾方法實現 720p 24fps 的即時互動式影片和音訊生成。文章還探討了真實物理模擬、長上下文、誤差累積等工程挑戰，以及在遊戲、機器人和智慧體模擬等領域的潛在應用。