AI 日报 · 2026-10-01

Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向受信任网络安全从业者开放，主打复杂长周期工作流、100 万 token 上下文，以及软件工程、法律、金融和网络安全防御等场景。OpenAI 则披露一起针对其模型的协同对抗性蒸馏行动，攻击者大规模提取受保护推理内容，其中一个核心集群被归因于与 Moonshot AI 相关的个人，凸显前沿模型推理层的攻防风险。基础设施方面，Ai2 的 Olmo-core 3 和 Modal Clusters 分别聚焦大规模 MoE 训练效率与多节点 GPU 集群易用性，前者将总参数从 4.6B 扩到 47B 时吞吐下降不到 5%。企业落地继续推进，巴克莱扩大 Claude 部署，Albertsons 推出 ChatGPT 购物体验；TypeSafe AI 的 Jev 和 Claude Code 的新 eval 工具则分别瞄准快速结构化决策与自动化评估。

北美一手（LLMs 官方 & 关联账号）

Anthropic

⭐⭐ [其他] Barclays scales Claude to upgrade operations and improve client experience

巴克莱扩大与 Anthropic 的战略合作，将在其全球业务中引入企业级 AI 系统，把 Claude 推广到全行，用于加速软件开发、改造遗留系统和提升运营效率。巴克莱预计到 2026 年底 Claude Code 的采用率将达到其开发者总数的 50%，2027 年扩大到多数软件工程师。已落地的一个例子是 2025 年上线的 Colleague Knowledge Assistant，基于 Claude 的检索增强生成架构，已被超过 1.6 万名同事使用，处理了逾 100 万次搜索。在全球市场业务中，Claude 模型用于对收到的邮件进行分类、信息补全并确定最佳处理路径，该平台每天处理约 12 万封邮件。巴克莱表示，在扩大 AI 应用的同时，对相关用例施加治理、安全控制和人工监督。

OpenAI

⭐⭐⭐ [其他] Disrupting a coordinated model-distillation campaign

OpenAI 称其发现并阻断了一场针对其模型的协同「对抗性蒸馏」行动，最早活动出现在 7 月第一周，目的是提取模型的受保护推理内容——即模型处理任务时的内部记录。运营方并未破解加密、入侵数据库或直接访问存储的用户对话，而是通过操纵模型交互，让受保护推理以请求方可视的形式被成规模地复现，违反了 OpenAI 的服务条款。OpenAI 表示这类操纵并非其模型独有的漏洞，已通过 Frontier Model Forum 与行业伙伴共享信息。攻击者在 7 月 24 日和 25 日出现高峰，涉及 4,000 多名用户的 16,000 次请求，相关提示模式活动涉及超过 15,000 名用户的集群，OpenAI 在 7 月 28 日前将其完全阻断。OpenAI 称尚不清楚该时段观察到的所有运营方是否来自同一行为体，但将其中一个核心活动集群归因于与 Kimi 开发者 Moonshot AI 相关的个人。OpenAI 采取的应对措施包括封禁或限制欺诈账号、加强注册与基础设施管控、扩大相关网络监控，并加强跨用户、工作区与组织的隐藏推理保护。

⭐⭐ [产品更新] How Albertsons Companies is reimagining retail from the inside out

Albertsons Cos. 正在扩大与 OpenAI 的合作，将 AI 引入日常零售工作流：部分团队使用 ChatGPT Enterprise，并通过 OpenAI API 构建数据驱动的推荐与促销洞察。新推出的 Safeway ChatGPT 购物体验让顾客可以从菜谱、照片、数字购物清单或一句话请求（如「为四个人安排披萨之夜」「用商店品牌补货早餐食品和零食」）开始，由 ChatGPT 给出相关商品与优惠、帮助组建购物车，并引导顾客到 Safeway 结账。该体验建立在此前的 AI 购物助手与 Ask AI 能力之上，并计划从 Safeway 扩展到 Albertsons、Vons、Jewel-Osco、Shaw's、ACME 和 Tom Thumb 等品牌。文中引用 dunnhumby 2026 年 2 月的美国消费者趋势追踪调查称，相比其他类型的购物，消费者更愿意在食品杂货上使用 AI。Albertsons Cos. 在 2,200 多家门店、每周服务超过 3,600 万名顾客。

Google

⭐⭐⭐⭐⭐ [模型发布] Gemini 4 Argon: our next era of frontier intelligence

Google DeepMind 发布新的前沿模型 Gemini 4 Argon，目前通过 Fairwind Program 向受信任的网络安全从业者分批开放，Google 称其正在参与美国政府的前置模型访问自愿流程，并将先迭代护栏再向开发者、企业和消费者开放。官方称该模型面向复杂长周期工作流，在软件工程、法律与金融等企业知识工作以及网络安全防御上达到前沿水平，并具备 100 万 token 的上下文上限。定价为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入为输入价的 95% 折扣。文中列举的内部用例包括：帮助量子计算团队将瓶颈子程序的时空资源（qubits × gates）在数分钟内较已发表基线提升 40%；由 Argon 智能体分析全集群性能遥测并自动实施内存优化，已释放超过 300 TiB 内存，预计总节省 500 TiB 至 1 PiB；以及在 Google 内部推进 C/C++ 到 Rust 的代码迁移，规模从 re2、libgav1 等核心库的数千至数万行到 Fuchsia Zircon 内核的 80 万行以上。其中 libgav1 的 Rust 移植中，Argon 智能体替换了 3.2 万行 SIMD 代码，得到内存安全、运行速度较原 Rust 移植快 2.7 倍且视频输出一致的解码器。

衍生 & 周边（产品 / Agent / Tools / 观点）

产品更新

⭐⭐⭐ [产品更新] Introducing Olmo-core 3: Open, scalable training infrastructure for large MoEs

Ai2 发布 Olmo-core 3，这是其大语言模型开发框架的一次重要升级，重新设计了开源的 MoE 训练系统，目标是让 MoE 训练扩展到万亿参数规模，同时保持计算效率。在一项基准测试中，专家池从 8 扩到 128、每个 token 仍只选择 4 个专家，每 token 激活参数维持在约 3.2B，总参数量从 4.6B 增至 47B，训练吞吐下降不到 5%；同一套基础设施在超过一万亿总参数上做过基准测试。Olmo-core 3 从基于 FSDP 的实现改为基于 DDP 的系统，让专家常驻 GPU 并把数据路由到对应专家，避免反复聚合权重。在 8 块 NVIDIA B300 GPU 的初步测试中，470 亿参数 MoE 每 GPU 每秒处理 52,000 个 token，而旧实现为 19,400，吞吐约为 2.7 倍。它还结合专家并行、流水线并行和分布式优化器，把 MoE 拆分到 GPU 集群上。

⭐⭐ [产品更新] What Is Jev? A Guide to TypeSafe AI’s System One Model

LangChain 博客介绍 TypeSafe AI 发布的新模型 Jev。Jev 不是传统 LLM，不生成文本，而是所谓的 System One 模型，用强化学习（RLCD）训练，针对给定状态返回类型化答案和概率，用于快速结构化决策。TypeSafe AI 称其在分类任务上推理速度最高快 200 倍、成本低 400 倍。调用方式是向模型传入 state（上下文）和 questions，支持 choice（多选概率）、score（有序等级打分）、noul（是/否概率）三类问题；同一请求中的多个问题并行评估，增加问题几乎不增加响应时间，只多付额外问题的 token 费用。LangChain 通过 langchain-typesafe 包中的 TypeSafeClassifier 集成 Jev，传入 state 与问题后返回分类结果而非对话回复，state 可以是文本、结构化数据或 LangChain messages。

⭐⭐ [产品更新] Modal Clusters are generally available

Modal 宣布其多节点计算原语 Modal Clusters 正式可用，用户只需一个装饰器 @modal.clustered 即可申请集群，例如配合 @app.function(gpu="B300:8") 使用，并可与 Volumes、Cloud Bucket Mounts、Queues 等既有原语配合。集群节点间通过 InfiniBand verbs 通信，速率最高 6.4 Tbps，并自动为 PyTorch 和 NCCL 完成配置；集群可在请求后数秒内就绪，按秒计费，且原有的 GPU 健康保障与修复机制扩展到 RDMA 健康。为支持集群，Modal 重写了调度层，构建了以 N 个节点为原子调度单位的 gang scheduler，采用 observe、plan、act 循环，与其余负载共享同一容量池。文中给出的例子称，GLM 4.7 每个训练步需在训练器与 rollout 引擎间同步约 717 GB 的 BF16 权重，50 Gbps TCP 下耗时近两分钟，RDMA 下不到两秒；Llama 3.1 70B 的 prefill-decode 分离推理中，每个 32k token 提示需搬运约 10 GB KV cache。

观点

⭐⭐ [观点] Claude’s new auto eval tool

Anthropic 为 Claude Code 发布了新的评估（eval）工具，其 claude-api 插件新增 build_eval 和 hill-climb 命令，用于构建评估、检查打分器并据此改进应用。作者 Hamel Husain 通常不评测 eval 工具，但认为 Anya 一方工具可能影响开发者做评估的方式，于是与 Isaac Flath 直播用它处理一个公寓租赁助手的对话轨迹。作者指出三点问题：工具在查看数据前就推动用户创建 eval；要求用户在上下文不足的情况下验证判断（只生成 Markdown 文件、在聊天里报告修正，而不是做标注应用）；生成的评估器范围过宽，一个通话转接评估器同时检查四类失败（LLM 评判 + 代码评估），描述含混难读。作者也肯定其开箱即用地发现了其他自动评估方法未能发现的问题，涉及人工转接、格式、语音 agent 等。