AI 日报 | 10-14：Gemini 4 Argon 开放，推广期缓存省 95%

文档资源
, , , ,
1

AI 日报 | 10-14：Gemini 4 Argon 开放，推广期缓存省 95%

Google 把 Gemini 4 Argon 放开了。但先别急着换算上下文——官方原文里那个 1M 指的是输出，不是输入。

10-13 起，Argon 向付费 Gemini API 客户、Google AI Ultra 订阅者以及符合资格的 Gemini Enterprise 开放。推广期定价是输入每百万 2 美元、输出每百万 10 美元，缓存输入再打 95% 折；推广期结束后回到 4 美元与 20 美元。

同一天还有另一条账：Anthropic 用 7 个人、5 个月，把整个 monorepo 从 git 换成了自研系统。

先说清那个 1M：它是输出上限，不是上下文

「1M」在这条里已经被传错了一轮。官方写法是输出 token 上限从 64K 扩到 1M这个口径；把它读成「1M 上下文」是第三方转述，与原文不符。采购和架构决策对这两个数字的敏感度完全不同。

发布也分两段，不要并成一条。9 月 30 日先宣布，面向 Fairwind Program 的受信网络防御方，Google 称正在参与美国政府的前沿模型预发布自愿流程。10 月 13 日才向开发者、企业与订阅者放开。

官方自测给出的成绩单是：DeepSWE v1.1 得到 77.9%，AutomationBench 51.3%，LVBench 91.7%，CWE-bench v1 以 68% 并列第一，Vals Index 按各行业对美国 GDP 的贡献加权后排名第一。

同一天的另一篇官方文给了 Antigravity 的内部运营数据：Alphabet 内超过 10 万月活；四周内 agentic 代码提交量涨 35%、提交后回滚降 30%；YouTube 评论前端的 CPU 开销减半，其中一个原因是 emoji 冗余渲染约占服务端开销的 45%。

图 1

图 1：Gemini 4 Argon 的可用面、定价与「1M 是输出不是上下文」这处口径。来源：Google 官方博客（2026-09-30 与 2026-10-13）；本图为自制整理。

反面读数也在同一天出现：中文一线实测认为，Argon 的产品体验还撼不动 Claude Opus 5.5 与 GPT-6 Astra。这是使用体验的判断，不是标准基准，但它正好说明这条资讯的张力——榜单第一与用起来更好，在这里已经分叉。

Agent 成了主要提交者，先崩的是给人类设计的工具链

Anthropic 的工程博客讲了他们为什么自研版本控制系统 Scion，数字比结论更有说服力。

规模先说清楚：2026 年 5 月日均约 2,500 次合并，9 月单日峰值出现在 9 月 9 日——30,401 次。main 分支历史接近 100 GB，压缩后的工作副本超过 25 GB，每天约 2,500 万次 checkout。如果照旧用朴素拉取，每天会超过 600 PB 的 git 流量，峰值时他们要运营数百个内部 git 镜像。

这里有一处口径要留意。官方正文写的是「9 月每天合并超过 30,000 次」，而官方图上那个 30,401 后面清清楚楚写着9 月 9 日单日这个限定，图上 7 日均值线明显低于三万。两种说法并存，引用时要说清用的是哪一个。

收益是实打实的。1/200这个比例，说的是 Scion 基础设施的 CPU 与内存占用相对原 git 镜像架构；单是 CI 就省下 25% 的 CPU 容量，各层缓存命中率都在 99% 以上。

官方还给了逐条命令的中位数对比：开发者环境里 pull 从 87 秒降到 3.5 秒，status 从 3.9 秒降到 19 毫秒；Agent 环境里新建 worktree 从 7.1 分钟降到 5.1 秒。

图 2

图 2：Anthropic monorepo 每日合并量，2026 年 1—9 月。来源：Anthropic（官方自测）。

最有分量的是官方自己划的界：Scion 不适合作为 git 的通用替代，只有超大 monorepo 才成立，而且 Anthropic 明说自家「为内部用途烧 token 的意愿远超任何现实企业」，不打算做成通用产品。照搬的是思路，不是这套系统。

图 3

图 3：日常版本控制命令在 monorepo 上的中位数耗时，git 与 scn 对比。来源：Anthropic（官方自测）。

检方的证据链里，有一条是 AI 账号的提示词时间线

美国司法部 10-13 的通稿给出了这起案件的完整要点：35 岁的沙特籍 OpenAI 工程师 Abdulrahman Alfozan 于 10 月 9 日被捕，10 月 13 日首次出庭，被控使用电子或机械装置非法截获口头通信。若定罪，最高 5 年监禁、25 万美元罚金与 3 年监督释放。

装置约在 9 月 28 日安装，藏在卫生纸里、插在旧金山办公区行政会议室电视背面的 USB 口，内容已加密，9 月 30 日被 OpenAI 人员发现。那间会议室的会议频繁涉及高度机密的技术、商业与战略信息，而他无权进入。

证据链里有两条新东西。一条是事前踩点：他用一个生产力工具多次查询楼宇地址、会议室容量与日历，以及「领导层与高管」的位置。

另一条更少见。一个与其配偶关联、且与他本人账号共享多项标识的聊天机器人账号，在 9 月 24 日到 30 日之间提交了关于搭建、定制、安装、录音、测试、混淆与远程访问设备的提示词；其中 9 月 27 日到 28 日的提示词里，出现了该装置的自定义 header 与唯一 MAC 地址。

10 月 5 日他又进入那间会议室，同日把一只包遗留在另一栋楼的房间，保安打开后发现了第二台相似装置。案件由 FBI 侦办，追诉依据是国家安全总统备忘录 NSPM-11，国家情报总监与 FBI 局长都发表了声明。

要留意的两处口径：OpenAI 一侧关于「已被解雇」和「用自家模型分析设备」的说法，不在司法部通稿里；当事人的具体职级也没有可引用的公开信息，不要替他加头衔。

图 4

图 4：案件时间线与两条证据线。来源：美国司法部通稿（2026-10-13）；本图为自制整理。

6 天、4 万美元算力，换回 25 万美元赏金

安全公司 XBOW 用公开可用的 GPT-5.6 Sol 辅助四名研究人员，6 天内把三个此前未知的 Chrome 漏洞链成完整利用；Google 确认并修复后支付 25 万美元。这是 2026 年第一个 Chrome 全链赏金，也是该项目史上第二次——两次都给了 XBOW。

成本账是这条最值得看的部分。约 4 万美元算力换回 25 万美元赏金，回报约为算力成本的 6 倍这个比例，意味着漏洞挖掘这门生意在商业上已经闭合；赏金在提交后约一个月支付。链条让标签页内的普通 JavaScript 连续穿越两道防护边界、逃出沙箱并取得系统完全访问权限。

两个限定：AI 的用法是搜索源代码、测试想法、写漏洞利用的初版，人工研究人员全程参与，不是全自动。「影响约 10 亿用户」和「过去同类漏洞需要约 6 个月」都不是官方数字，属于引述口径。

图 5

图 5：这次攻防的成本账。来源：XBOW 公布与 IT之家转述（2026-10-13/14）；本图为自制整理。

用户时长第一梯队，不等于生意成立

成立五年的 Character.AI 申请了 Chapter 11 破产保护。法院文件显示其资产与负债在 5,000 万到 1 亿美元之间，并同意以 2,000 万美元向 Disney 出售部分资产以及技术的非独占永久许可。

出售程序预计在 11 月底或 12 月初完成，期间平台继续运营；目前尚无竞购方，若没有买家，平台将被关停。

它的五年轨迹很完整：2021 年末由前 Google 工程师 Noam Shazeer 与 Daniel De Freitas 创立，2022 年 9 月以 1.5 亿美元 A 轮成为独角兽，2023 年 5 月上线首周安装量超过 170 万，2024 年 8 月 Google 以 27 亿美元许可其模型、两位创始人回到 Google。

2024 年 10 月月活达到 2,000 万，此后因一起涉及未成年人的诉讼与州级调查陷入困境，也曾尝试过视频生成与微短剧等方向。累计融资超过 1.93 亿美元。

它的公共价值在于给了一条链的终局实例：用的人越多，推理成本越高，变现压力越大。关于月算力支出与订阅收入这类财务明细，目前没有可引用的数字。

图 6

图 6：Character.AI 的五年与这次交易的结构。来源：TechCrunch（2026-10-13）；本图为自制整理。

最值得记的一行，是「不在欧盟销售」

Apple 发布 HomeView：7 英寸屏幕、A18 芯片、Apple Intelligence 驱动的 Siri，桌面版与壁挂版同为 299 美元，10 月 13 日开启预购、11 月 13 日发售。首发市场包括美国、英国、加拿大、澳大利亚、印度与新西兰。

真正值得记的是官方那句不在欧盟销售的理由：因为 Siri AI 目前在欧盟的 iOS 上不可用，Apple 称正与欧盟协商寻找路径。同一款硬件因一项 AI 功能在当地的可用状态而不进入全球第二大市场，这是新品上市范围第一次被 AI 合规直接决定。

技术上有一条值得注意：HomeView 与 A18 芯片内置 Secure Exclaves，把摄像头与麦克风数据与系统其余部分分开处理，官方称在其中处理与分析的数据，HomeView 软件、App、用户乃至 Apple 都无法访问。

要避免混算：壁挂版需要 Schneider Home 的专用挂架，59.95 美元、79.95 美元与 129.95 美元三档单独计价，不能与 299 美元挤成「到手价」。

图 7

图 7：HomeView 的规格、价格与那行「不在欧盟销售」。来源：Apple Newsroom（2026-10-13）；本图为自制整理。

速览：AI 挖的漏洞要人工验，这条要求来自华为

图 8

图 8：今日速览 20 条一览索引。来源：各条来源见下方列表对应条目；本图为自制整理。

  • 华为终端安全奖励计划公告：今年收到大量 AI 工具辅助挖掘的漏洞报告，虽多数附 PoC，仍存在因 AI 幻觉产生的误报，要求报告须人工验证。来源：IT之家（10-14）
  • OpenAI 经济研究报告称，欧盟 ChatGPT Enterprise 客户中 Codex 与 ChatGPT Work 占输出 token 一半以上。来源：OpenAI 官网（10-14）
  • 面壁智能开源 MiniCPM-V 4.7，含 35B-A3B 与 1B 两个版本，称是首个可在端侧无损流畅运行的开源 MoE 多模态模型。来源：面壁智能（10-13）
  • Liquid AI 发布 LFM2.5-24B-A2B：总参数 24B、每 token 激活约 2.45B、上下文 131,072，称在 Apple M5 Max 上 4-bit 量化达 184 tok/s。来源：Liquid AI 官方博客（10-14）
  • SK 海力士预测 2030 年 AI 基础设施性能规模增长约 20 倍，称 KV Cache 膨胀让数据迁移成为新瓶颈。来源：IT之家（10-14，属观点）
  • ServiceNow 与 McGill 发布 AgentHorizon 基准，含 1,373 个判官任务，结论是 LLM 判官难察长程计算机使用任务的细微失误。来源：论文（10-14）
  • Anthropic 开设新加坡办公室，为其亚太第五个办公室，并与新加坡数字发展与新闻部签署 AI 安全与研究合作备忘录。来源：Anthropic 官方（10-14）
  • 豆包工作上线 AI 资产一键迁移，支持从 ChatGPT 与 Claude Code 导入对话、技能与记忆。来源：卡尔的AI沃茨（10-14）
  • 千问发布 AI 眼镜 N1／N1 Pro 与首款 AI 耳夹式耳机，眼镜到手价 2,218 元起、耳机 1,099 元起。来源：千问APP（10-14）
  • 全国网络辟谣称「禁止教师用 AI 备课」系误读，政策核心是鼓励用、不滥用，要求教师保留教学设计主体责任。来源：IT之家（10-14）
  • 阿里千问办公发布电商版并开启邀测，称目前其付费用户中 20% 是电商用户。来源：IT之家（10-14）
  • 苏姿丰在 OCP 全球峰会称 2026 年是真正的「AI 推理之年」，推理将占约 60% 市场份额。来源：IT之家（10-14，原话 10-12，属观点）
  • Meta Muse Wonder 进入 Arena 榜单：WebDev 第 15、文本第 2。来源：Arena（10-14）
  • NVIDIA RTX Spark 笔记本 10 月 16 日上市，官方称最高 128GB 统一内存、1 petaflop AI 算力。来源：NVIDIA Blog（10-14）
  • Google 用 Gemini 4 Argon 无人值守优化 20 万行 Python 代码库 ADK。来源：Google Developers Blog（10-13）
  • Artificial Analysis 把 DeepSeek V4.1 Flash 加入 AA-AgentPerf，称 GB300 吞吐领先。来源：Artificial Analysis（10-14）
  • 日立推出木制数据中心，承重结构用木材，估算减碳 20 吨，寿命超 30 年。来源：IT之家（10-14）
  • ComfyUI 上线 NVIDIA VFX 节点，支持视频超分、补帧与 SDR 转 HDR。来源：Comfy Blog（10-14）
  • LangSmith 推出 AI Search，用自然语言按行为搜索 agent 轨迹。来源：LangChain Blog（10-13）
  • Prime Intellect 收购 Moondream，联合创始人加入并主导推理与多模态。来源：Prime Intellect（10-13）

积木观察

今天三条都指向同一件事：价格与可用面在动，工具链在重写，成本结构在变。Argon 用推广期的 2 美元与 10 美元撬动开发者与订阅，Scion 说明当 Agent 成为主要提交者、先崩的是给人类设计的工具，XBOW 则证明漏洞挖掘这门生意已经闭合。选型上留一条纪律：榜单第一不等于在你的任务上更好——把自己的真实任务拿去 A/B，比对照名次有用。

结尾互动

你所在的团队选模型时，会先看榜单名次，还是先拿自己的任务跑一轮？

来源链接