AINews：今日内容其实不少
GPT-6.1 Sol 定价 $2/$10 per million tokens，较 Astra 低 80%，在 DeepSWE v1.1 领先 6.4 分，Agent Arena 排名第五，成本较 GPT-6 Sol 低 39%。
#评测/基准
Latent SpaceAI 评分2626 The DecoderAI 评分7272 AI 智能体从照片构建 3D 场景，但无法判断准确与否
Li 等人提出 LEGO-Anything，让编码智能体接收单张照片后迭代编写 Blender 代码来重建 3D 场景。团队还推出 LEGO-Bench 基准，包含 208 张图像、三个评分维度。
The Verge · AIAI 评分5252 OpenAI Dots 体验：定位企业用户，但安全检查频繁触发
OpenAI 的智能体 Dots 主打企业场景，用户通过聊天窗口下达指令，智能体在虚拟机中操控 Blender、GIMP 等桌面应用完成工作。记者实测发现，在预约服务、网购等涉及安全检查的场景下 Dots 频繁受阻，需要人工接管；而在处理本地任务（如剪辑视频、更新网站）时表现出色。
Ars Technica · AI精选AI 评分7979 Ataraxos AI 以 15:1 击败史上最强 Stratego 选手，训练成本仅数千美元
来自 Carnegie Mellon、MIT、NYU 和 Stanford 的研究团队开发的 AI 系统 Ataraxos，在 Stratego 游戏中以 15 胜 1 负 4 平击败了可能是史上最强的选手 Pim Niemeijer，训练仅用了 16 块 GPU 和几千美元。
推荐理由：研究披露了Ataraxos如何用远低于DeepMind的预算解决 Stratego 这一隐藏信息博弈难题，展示了不完美信息游戏的新求解路径。
Latent SpaceAI 评分6060 谷歌发布 Gemini 4 Argon：百万 token 输出，13/19 基准测试自称第一
Google DeepMind 发布 Gemini 4 Argon，在 19 项基准测试中自称 13 项第一，包括 DeepSWE 得分 77.9%、Text Arena 第一（1525）、Terminal-Bench 4.0 从 19% 提升至 57.6%。
NVIDIA Blog精选AI 评分6262 NVIDIA 与 CoreWeave 合作推出 Vera Rubin NVL72 系统及 CoreWeave Forge 平台
CoreWeave 在旧金山峰会上宣布 NVIDIA Vera Rubin NVL72 系统正式上线，Cognition（Devin 的开发团队）成为首个生产用户，在 SWE-2 推理工作负载中实现相比 GB200 NVL72 高达 4.8 倍的 token 吞吐量提升。
推荐理由：原文给出了具体性能数据（4.8x token throughput、3x faster sandbox startup、1.7x Terminal-Bench 提升），读者可据此判断 Vera Rubin 和 CoreWeave Forge 的实际能力变化。
Latent SpaceAI 评分7474 OpenAI DevDay 2026 发布 Dots 智能体与 GPT-6.1 Sol，行业同日报 Anthropic IPO 消息
OpenAI 在 DevDay 2026 上发布了 Dots（由 GPT-6 Astra 驱动的常驻智能体，连接 4000+ 应用）、GPT-6.1 Sol（定价 $2/$10/M token。
Simon Willison精选AI 评分7878 Anthropic Frontier Red Team 报告：大模型在二进制漏洞利用任务上的能力评估
Anthropic Frontier Red Team 在 100 个二进制漏洞利用任务上测试了多个模型，发现 GLM-5.3 在 4% 的任务中实现了完整控制流劫持，Claude Mythos Preview 为 6%；而更早的模型如 Claude Opus 4.6 和 GLM-5.2 在任何任务中都未成功，表明一个有意义的能力阈值已被跨越。
推荐理由：研究给出了具体的能力阈值数字和对比基准，读者可以据此理解当前大模型在网络安全任务上的实际进展。
Simon WillisonAI 评分5353 Anthropic 发布 Claude Sonnet 5.5：速度提升 30%、成本降低 30%
Anthropic 于 9 月 28 日发布 Claude Sonnet 5.5，官方称其速度提升 30% 以上，多数任务成本降低 30%，定价与 Sonnet 5 相同但各项基准测试均有提升。
Simon WillisonAI 评分7373 Claude Opus 5.5、GPT-6 Sol、GPT-6 Luna 与新一轮价格战
Anthropic 与 OpenAI 于 9 月 22 日同日发布新模型，Claude Opus 5.5 定价下调 20% 至 $4/M（输入）/ $20/M（输出），而 OpenAI 将 GPT-6 Sol 和 GPT-6 Luna 定价为 GPT-5.6 系列的半价，GPT-6 Luna 最低至 $0.10/M（输入）/ $0.50/M（输出），引发了新一轮价格战。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 AlphaGenome Atlas：覆盖人类基因组全部 90 亿个单核苷酸变异的预测图谱
Google DeepMind 发布 AlphaGenome Atlas 平台，包含人类基因组全部约 90 亿个单核苷酸变异的分子效应预测，总数据量达 1 PB（约为 AlphaFold 数据库的 30 倍）。
推荐理由：Google DeepMind 一次性公开了全部 90 亿个单核苷酸变异的分子效应预测，并配套 AVI 评分系统，研究者可据此快速评估候选变异的潜在影响。
GitHub Blog · AI & ML精选AI 评分7676 GitHub Copilot 发布 Project HydraFusion 研究预览，通过多模型编排实现前沿质量
GitHub 发布 Project HydraFusion 研究预览，通过运行时编排选择多模型协同完成任务，支持 Single（单模型直接解决）、Cascade（级联升级）和 Critique（批评修订）三种执行模式。
推荐理由：原文给出了能力变化和开放入口，读者可以据此判断它会怎样改变现有工作流。
Microsoft Research精选AI 评分6666 Microsoft Research 开源 GigaPath-Flash 和 GigaTIME-Flash：面向大规模病理分析的高效基础模型
Microsoft Research 开源了 GigaPath-Flash 和 GigaTIME-Flash，这是 GigaPath 和 GigaTIME 的蒸馏高效版本。
推荐理由：GigaPath-Flash 在保持 97% 性能的同时将计算量降低约 50 倍，使大规模病理研究从不可行变为可操作。
Microsoft Research精选AI 评分6262 微软发布 MindTopo：揭示 VLM 拓扑推理能力的基准
微软推出 MindTopo 拓扑推理基准，测试多模态大模型对连通性、分离、秩序、围合和绳结等拓扑关系的理解能力。评测涵盖静态推理和交互式规划两类任务，测试范围包括迷宫连通性判断、绳结真伪识别、围栏内动物定位等场景。结果显示，当前模型在静态识别上表现较好，但在需要跨多步操作保持拓扑一致性的规划任务中显著落后，且错误多发生在规划阶段而非感知阶段，表现为忽视动作后果、丢失任务目标或违反环境物理约束。
推荐理由：微软发布拓扑推理基准 MindTopo，测试发现当前多模态模型在静态识别上表现尚可，但在需要保持拓扑关系的多步规划任务中表现明显下滑，揭示了感知与行动之间的一致性缺口。
Berkeley AI ResearchAI 评分5656 BAIR 发布 SPEX/ProxySPEX：大规模识别 LLM 交互作用的算法框架
BAIR 团队发布 SPEX 及其改进版 ProxySPEX 算法，旨在高效识别 LLM 等复杂 ML 系统中的关键交互作用。该框架利用交互作用的稀疏性和低阶性，将搜索问题转化为稀疏恢复问题，在数千个特征规模下仍能保持高 faithfulness，而 LIME 等边际方法在此规模下 faithfulness 显著下降。
Berkeley AI ResearchAI 评分4040 信息驱动的成像系统设计
Berkeley AI Research 在 NeurIPS 2025 发表论文，提出基于信息内容的成像系统直接评估与优化框架，利用互信息量化测量区分物体的能力，无需重建算法即可预测系统性能。该方法在颜色摄影、射电天文学、无透镜成像和显微镜四个领域验证了信息估计值与下游任务准确率的一致性，可匹配端到端方法但所需内存与算力更少且无需任务专属解码器设计。