AI 日报 · 2026-10-13

Google 今天发布 Gemini 4 Argon，面向开发者与企业开放 API，订阅者可在 Antigravity、Gemini 应用和搜索 AI Mode 中使用；官方称其在编码、金融、法律等复杂多步骤任务中领先，并在 Vals Index 上排名第一，定价为每百万输入 token 2 美元、输出 10 美元。同模型在机器人方向以纯推理在 ERQA 基准上取得 87%，并展示了控制 Spot 四足机器人与机械臂等物理任务。LangChain 围绕 Deep Agents 密集更新：重构 MCP 以适配新无状态协议、发布开源部署产品 Deep Agents deploy 对标 Claude Managed Agents，并通过 harness engineering 将 Terminal Bench 2.0 分数从 52.8 提升到 66.5。此外还有 Open SWE、上下文管理、ScaleDown 集成与 LangSmith AI Search 等工具更新；NVIDIA 则宣传 RTX Spark 的 PC 生态并宣布投资法国初创生态。

北美一手（LLMs 官方 & 关联账号）

Google

⭐⭐⭐⭐⭐ [模型发布] Gemini 4 Argon: Built to solve your hardest problems

Google DeepMind 发布新一代前沿模型 Gemini 4 Argon，即日起面向开发者与企业通过 AI Studio 和 Gemini 平台的 API 开放，Google AI Ultra 订阅者可在 Google Antigravity 中使用，Google AI Ultra 与 Pro 订阅者可在 Gemini 应用和 Search 的 AI Mode 中使用。官方称 Argon 擅长编码、金融、法律、网络安全和科学等领域的复杂多步骤任务，并在衡量金融、编码、法律、税务等关键经济领域表现的 Vals Index 上排名第一。模型发布时的入门价格为每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。文中列举了内部与外部使用案例：在 Antigravity 中协助团队将智能体代码提交量提升逾 35%、代码回滚减少近三分之一；帮助 Chrome 团队在 Chromium 4000 万行代码库中拆分数百万行的浏览器功能遗留目录，将数月工作压缩到数周；帮助 google/adk-python 将长会话的内存态会话准备时间降低 40%、冷启动导入加速 21%；使量子化学包 xTB 的分子结构预测最高加速 2.3 倍、构象搜索加速 1.8 倍；并通过 vLLM 在 A100 上让开放的 Gemma 模型实现 2.85 倍的端到端推理加速。

⭐⭐⭐⭐⭐ [模型发布] Gemini 4 Argon: Built to solve your hardest problems

Google 发布前沿模型 Gemini 4 Argon，今日面向开发者与企业通过 AI Studio 和 Gemini 平台的 API 开放，并向 Google AI Ultra 订阅者开放 Antigravity，向 AI Ultra 与 Pro 订阅者在 Gemini 应用和搜索的 AI Mode 中开放。官方称 Argon 擅长编码、金融、法律、网络安全、科学等领域的复杂多步任务，在跨领域基准上超过其他前沿模型，并在衡量金融、编码、法律、税务等关键经济领域表现的 Vals Index 上排名第一。定价为上线推广价每百万输入 token 2 美元、每百万输出 token 10 美元，缓存输入 token 享 95% 折扣。文中列举了内部使用案例：Chrome 团队借助 Argon 在 Chromium 4000 万行代码库中拆分约 600 万行的旧版浏览器功能目录并完成跨数百个文件的架构重构；Google 开源 Agent Development Kit 的 Python 代码库在长会话中内存 session 准备时间缩短 40%、冷启动导入加快 21%；量子化学开源包 xTB 预测分子结构提速最高 2.3 倍、构象搜索提速 1.8 倍。此外，Antigravity 中的 Argon 帮助团队将智能体代码提交量提升超过 35%，代码回滚减少近三分之一。

⭐⭐⭐⭐ [模型发布] Gemini 4 Argon for Robotics

Google DeepMind 发布 Gemini 4 Argon，称其在物理理解、代码生成与视觉—语义推理方面取得跨越式提升，可用于机器人技术栈的多个环节。在评测三维环境中物理与空间问题理解能力的 Embodied Reasoning（ERQA）基准上，Argon 以纯推理取得 87% 的分数，超过其他前沿模型。作为通用物理推理模型，它覆盖机器人全生命周期，文中给出四个方向的示例提示词：机器人控制（含 MuJoCo 预演的移动操作、零样本控制、视频世界模型的闭环操控）、Real2Sim（从机器人摄像头画面、第一视角人类视频或手绘草图重建物理标定的仿真孪生）、物理理解（智能体式多模态事后标注，包括灵巧性理解、稠密价值函数与进度估计），以及研究与自我改进（通过仿真改进动作、在硬件上迭代自我提升）。具体演示包括用 Argon 控制波士顿动力 Spot 四足机器人（12 自由度腿 + 6 自由度臂）完成踩脚踏式垃圾桶丢罐子的任务，以及控制机械臂把倒下的杯子立正并把纸团放进去。

衍生 & 周边（产品 / Agent / Tools / 观点）

产品更新

⭐⭐⭐ [产品更新] MCP in LangChain: Stateless Protocol, Elicitation, and More!

LangChain 重构了其对 MCP 的支持，以匹配 7 月发布的 MCP 新规范。文中称 MCP 官方 Tier 1 SDK 月下载量接近 5 亿次，2026 年 ChatGPT 用户的 MCP 工具调用量增长 98 倍，仅 8 月就翻了一倍多。新规范引入无状态核心：调用工具不再需要先建立会话，服务端不再返回 session ID，因此不需要粘性路由和共享会话存储，重新部署也不会中断会话。LangChain 据此支持了工具列表缓存（客户端不再每次运行都重新拉取）和 elicitation（工具可中途暂停向调用方提问，以 LangGraph interrupt 形式呈现）。MCP 支持现已并入主包 langchain.mcp，通过 langchain[mcp] 安装，原先的 MultiServerMCPClient 收敛为单个 MCPAdapter 类；底层基于 FastMCP，由它负责传输、认证、连接管理与新旧规范的协议协商。

⭐⭐⭐ [产品更新] Deep Agents Deploy: an open alternative to Claude Managed Agents

LangChain 发布 Deep Agents deploy（beta），称其是以生产可用方式部署模型无关开源 agent harness 的最快途径。它构建在开源、模型无关的 Deep Agents harness 之上，用户可自行掌控 memory，而不将其锁定在专有 harness 或单一模型中。该产品把多租户部署编排逻辑与 memory、按会话启动 sandbox、以及提供 MCP、A2A、人机协同与 memory 等端点等步骤打包成一条命令 `deepagents deploy`，用户需指定 model、AGENTS.md、skills、mcp.json 和 sandbox 等参数。底层会打包一个自带 LangSmith Deployment server，提供 30+ 端点，并采用 MIT 许可的 deepagents、AGENTS.md 与 Agent Skills 等开放标准，支持多家模型与 sandbox 提供商。文中将其与近期推出的 Claude Managed Agents 对比，称两者高层架构相同，但原文内容在对比处截断。

⭐⭐ [产品更新] All Systems Go: Global PC App Ecosystem Ready for NVIDIA RTX Spark

NVIDIA 在博客中介绍 RTX Spark，称其是 PC 的「新起点」，把游戏 PC、创作工作站与个人 AI 超算的能力整合到单一 superchip 中。文章给出的规格为最高 128GB 统一内存和 1 petaflop 的 AI 算力，并称其提供完整的 NVIDIA RTX 技术栈。该文为产品发布宣传，正文在技术栈介绍处以省略号截断。

⭐⭐ [产品更新] Open SWE: An Open-Source Framework for Internal Coding Agents

LangChain 发布开源框架 Open SWE，用于构建企业内部编码智能体。该框架基于对 Stripe 的 Minions、Ramp 的 Inspect 和 Coinbase 的 Cloudbot 等自建系统的观察，归纳出共同的架构模式：隔离的云沙箱、精选工具集、以 Slack 为主的调用方式、启动时注入丰富上下文，以及子智能体编排。Open SWE 基于 Deep Agents 与 LangGraph 构建，采用组合而非 fork 的方式，以便在 Deep Agents 改进时获得升级路径，并通过配置而非改动核心逻辑来定制组织专属工具、提示词与工作流。框架还提供 write_todos 规划、基于文件的上下文管理和原生子智能体等能力。

⭐⭐ [产品更新] Context Management for Deep Agents

LangChain 团队撰文介绍 Deep Agents SDK 的上下文管理机制。Deep Agents 是 LangChain 开源的、开箱即用的 agent harness，支持规划、派生子 agent，并通过文件系统执行复杂的长时间任务。为应对任务长度超出模型上下文窗口的问题，SDK 采用三种压缩技术：当工具响应超过 20,000 token 时，将其卸载到文件系统并以文件路径加前 10 行预览替代；当会话上下文超过模型可用窗口的 85% 时，截断较早的写入/编辑工具调用，替换为磁盘文件指针；当卸载无法再释放足够空间时，改为摘要——由 LLM 生成包含会话意图、产出物与后续步骤的结构化摘要替换完整对话历史，同时把原始消息完整写入文件系统作为记录。这些压缩步骤按模型上下文窗口的阈值比例触发，底层借助 LangChain 的 model profiles 获取相应模型的 token 阈值。

⭐⭐ [产品更新] Search agent traces by behavior with AI Search in LangSmith

LangSmith 新增 AI Search，让用户用自然语言按行为检索 agent trace，例如「用户是否感到沮丧」「是否泄露了 PII」「用户是否想取消订阅」。做法是让一个快速的决策模型读取每条 trace 的实际内容并结合查询进行判断，而不是依赖向量检索——单个 embedding 会把整条 trace 压缩进一个小向量，导致细节丢失，无法区分「真的完成了任务」和「只是说自己完成了」。LangSmith 用 trajectory 对 trace 做归一化，以减少上下文膨胀并加快查询结果返回。AI Search 可与已有筛选条件叠加使用，例如只搜索报错的 trace 或带特定标签的 trace。原文称此前要回答这类问题，需要提前配置 evaluator 或人工翻查 trace。

⭐⭐ [产品更新] Building Long-Running Agents with ScaleDown and Deep Agents

LangChain 发布了 langchain-scaledown 集成，并在 LangSmith LLM Gateway 中支持 ScaleDown 的受限解码模型（CDM）。CDM 针对单一任务训练，只返回该任务允许的答案（如列表中的标签或输入中的文本片段），因此比通用 LLM 更小、更快、更便宜；ScaleDown 称其模型在这类窄任务上比前沿模型快 200 倍、便宜 467 倍。该集成附带三个用于 LangChain 和 Deep Agents 的中间件：总结旧历史、压缩大型工具结果、从对话中提取结构化数据。ScaleDown 提供四个单一任务模型：Summarize、Compress、Extract、Classify，每个支持最多 100 万 token 输入，其中 Extract、Summarize、Classify 还直接支持图像和扫描 PDF。在 ScaleDown 自己的基准上，以 GPT-5.5、GPT-5.4 Mini、GPT-5.4 Nano 的平均值为对照，Summarize 便宜 41 倍、快 2.7 倍，Compress 便宜 138 倍、快 1.8 倍，且两者的准确率都更高。

⭐⭐ [产品更新] 3.4.1

DSPy 发布 3.4.1。该版本将 GEPA 的结构化 InstructionProposer 设为默认指令提议器：它通过 dspy.Predict 加 JSONAdapter 调用反思 LM，使 dspy.History 输入、工具轨迹以及 dspy.Image 等 dspy.Type 值以结构化内容而非文本占位符进入反思 LM，并可通过 skills、additional_instructions、base_instructions、max_chars、truncate_history_outputs、adapter 等参数配置，MultiModalInstructionProposer 仍然可用。dspy.RLM 现在可以在其 REPL 内 import dspy 并构建子代理（dspy.Predict、dspy.ChainOfThought、dspy.ReActV2 以及嵌套的 dspy.RLM），子代理在宿主端构建和运行，只有 JSON 跨解释器边界，max_llm_calls 同时计入子代理的 LM 调用。版本新增 Python 3.15 支持，修复了 3.4.0 的导入崩溃，并包含流式、适配器与解释器相关修复。发布说明还列出多项兼容性变更：反思请求形态改变、反思 LM 必须是能返回 JSON 的 dspy.LM、ReActV2 签名不能再声明名为 history 或 tools 的输入、3.4.0 中保存的 null Score 层级程序不再可加载；legacy 的 forward()/aforward() 自定义 LM、legacy 引擎包装器、complete_legacy() 及 OpenAI 风格 messages= 调用均已弃用，将在 3.5 移除。

研究

⭐⭐⭐ [研究] Improving Deep Agents with harness engineering

LangChain 介绍其编码智能体 deepagents-cli 通过「harness engineering」（测试框架工程）在 Terminal Bench 2.0 上的改进：分数从 52.8 提升到 66.5（+13.7 分），排名从 Top 30 之外进入 Top 5；模型固定为 gpt-5.2-codex，仅调整了 harness。团队把可调项压缩为三个：系统提示、工具与中间件。他们把轨迹分析做成一个 Agent Skill，流程为：从 LangSmith 拉取实验轨迹、并行启动错误分析智能体、由主智能体汇总发现与建议，再对 harness 做针对性修改。文中提到最常见的失败模式是智能体写完方案、重读自己的代码、确认看起来没问题就停止；因此改进方向是引导智能体进入「构建—自验证」循环，在系统提示中加入规划与发现、测试与验证的指引。

观点

⭐⭐ [观点] Quoting Geoffrey Huntley

Simon Willison 收录了 Geoffrey Huntley 的一段话，谈如何让编码代理正确使用他指定的 diagnostics 库。Huntley 说，如果代理没有使用这个库，他可以自行查看并更新 AGENTS.md，但两者之间仍存在差距，而且会逐渐偏移。他的做法是写一个 pre-commit hook，检查 git diff 中是否存在绕过 diagnostics 模块、直接调用可观测性模块的情况；一旦发现就让提交失败，并注入一条提示，要求代理改用 diagnostics 库。他表示这样一来效果立刻变成『十分满分』。这段话出自题为「nobody should type code by hand anymore. here's what's left.」的内容。

其他

⭐⭐ [其他] NVIDIA Announces New Investments in France’s Startup Ecosystem

英伟达宣布对法国创业生态进行新的投资。文中称法国企业正在太空、金融服务、公共部门和科学研究等行业部署智能体计算（agentic computing），显示该国生态已从愿景走向应用。文章提到，2025 年 2 月的 AI Action Summit 以及 2025 年和 2026 年的 Choose France 峰会为此奠定了基础，并促成了多项算力投入承诺。

⭐⭐ [其他] How We Made Our Docs Test Themselves

LangChain 工程博客介绍了他们如何让文档中的代码示例自己接受测试。作者指出，内联代码示例在 API 与依赖变化后容易失效，而手动改造——把代码抽成独立文件、补 setup/teardown、加 snippet 标记、接入 CI——前期成本高，往往导致项目搁置。他们的方案是用 Deep Agents CLI 配合 Skills：把迁移步骤写成可复用指令（移动到 src/code-samples/{product}、补齐可运行示例、执行 lint、用 :snippet-start:/:snippet-end: 标记片段、运行测试、按标记生成片段并写回文档），再由 GitHub Action 定期跑测试并在失败时创建工单。该技能文件位于文档仓库的 .agents/skills/docs-code-samples/SKILL.md，任何人打开 Deep Agents CLI 后即可让 agent 执行类似「把 streaming.mdx 中的内联代码迁移为可测试示例」的任务。