谷歌发布 Gemini 4 Argon：Text Arena 1525 分登顶，先签安全协议再分阶段开放
官方称真实世界软件工程创纪录、网络安全与 GPT-6 Astra/Grok 4.7 并列第一；$8/MToken 混合定价重塑性价比前沿，发布前一天皮查伊在白宫签署自愿安全协议（详见深度解读）
OpenAI DevDay 2026：发布 GPT-6.1 Sol 与全天候智能体 Dot
弃发 GPT-6.1 Astra 后 24 小时，OpenAI 在 DevDay 放出同代 Sol 变体并补发安全附录；Dot 由 GPT-6 Astra 驱动、连接 4000+ 应用，瞄准 7×24 个人助理
OpenAI 洽谈至少 300 亿美元新融资，目标估值 1.4 万亿美元，IPO 推迟
Bloomberg 援引知情人士：3 月估值 8520 亿美元，若成交半年涨逾 60%；与 Anthropic 的企业客户争夺战是直接动因
IBM 量子处理器 19 秒完成百万次采样，经典超算复现估计需 110 年
量子效用（quantum utility）叙事再下一城，与信通院年度报告同期发布；量子计算已连续 7 天成为本日报专题线索
美 FTC 被曝加大对 Anthropic、OpenAI 等 AI 巨头调查力度
官员称调查不会妨碍美国 AI 主导地位；同日国内公布 AI 清朗行动第二阶段成果：处置违规网站/应用 2400 余个、账号 4.9 万——中美监管同步收紧
此前已报道：9/28 停训风波、9/30 GPT-6.1 Astra 因安全测试被正式弃发。今日新变化：DevDay 2026 发布 GPT-6.1 Sol（另附安全附录 Addendum），并曝出洽 30B 美元新融资、目标估值 1.4 万亿、IPO 推迟——安全收缩与资本扩张同日推进
此前已报道：9/22 Opus 5.5 发布 89 分钟后 GPT-6 Sol/Luna 半价跟进；9/28 Sonnet 5.5（快 30% 省 30%）。今日新变化：Gemini 4 Argon (High) 以 1525 分登顶 Text Arena，$8/MToken 重塑帕累托前沿，成为当前最具成本效率的模型
此前已报道：9/27 容错计算里程碑与价值重估、9/28 FermiQLLM 全链路量子增强大模型。今日新变化：IBM 处理器 19 秒完成百万次采样（超算复现约需 110 年），中国信通院同日发布《量子计算发展态势研究报告（2026 年）》
谷歌周三（9/30）发布迄今最强模型 Gemini 4 Argon：官方称其在真实世界软件工程任务创下新纪录，网络安全能力与 OpenAI GPT-6 Astra、Grok 4.7 并列第一，Vals Index（金融/法律等专业任务）领先；第三方 Text Arena 上 Argon (High) 以 1525 分登顶，混合定价 $8/MToken 使其成为当前最具成本效率的前沿模型。模型已在谷歌内部用于数据中心内存优化——不新增硬件释放数百 TB 内存，量子计算研究团队也已投入使用。 方法与发布策略亮点：与以往「发布即全量」不同，Argon 分阶段开放——先向可信网络安全合作伙伴开放，同时与美国政府做发布前安全评估，并在滥用、提示注入等四个领域扩大保障；发布前一天，皮查伊在白宫与主要科技高管会晤后签署自愿安全协议。 局限：基准成绩多出自官方口径，「网络安全并列第一」尚无独立复现；Text Arena 分数混合了定价维度，模型能力与商业定价难以剥离；分阶段发布意味着公众短期内无法完整验证。 对从业者：若 SWE 表现可复现，编码智能体赛道的模型选型表要重排；更重要的信号是「安全评估前置 + 分阶段放量 + 政府协议」可能成为前沿发布的默认动作——企业采购与合规团队应把「发布阶段、评测独立性」写进供应商评估清单。
浙江大学团队发布 VoxelSage（arXiv 2609.37648），面向肝肿瘤术前评估的一体化多模态系统：在同一 3D CT 体内完成分割、物理空间测量、可视化证据与序贯切除规划——此前这些步骤散落在不同工具中，而纯语言模型又无法可靠完成物理测量。 方法亮点是「双端口」架构：端口 A（LLM）负责理解请求、选择技能；端口 B 对 CT 体数据执行计算并返回结构化结果。所有物理测量被隔离在端口 B，从机制上防止 LLM 编造数值——这正是医疗器械审评最在意的确定性边界。八项内置技能覆盖定量分析、三维重建、分割细化与序贯规划；规划环节用行为克隆神经排序器排序候选切除目标，再由模拟器安全屏障按预定义约束逐一校验。256 个未见模拟场景中，平均模拟出血量从 300.8mL 降至 183.9mL（-38.9%）。 局限：作者明说这是「系统集成与模拟器级表现，不构成临床有效性或安全性证据」——距多中心临床验证、真实术中约束（残肝功能、解剖变异）与医疗器械注册路径都还有距离。 对从业者：这是「LLM 编排 + 传统算法工具 + 模拟安全屏障」的范式样本。介入与外科规划类产品可借鉴其边界划分——模型只做调度与解释，物理量交给可验证组件——恰好契合 NMPA/FDA 对可解释性与可复现性的审评偏好。
arxivSTEPQuant: When and Where Errors Matter in Delta-Rule Recurrent State Quantization
STEPQuant：Delta 规则循环状态量化中，误差何时何地要紧
线性注意力用固定大小循环状态替代增长的 KV 缓存，但并发服务下循环状态成为新显存瓶颈。STEPQuant 按误差的时间持续性与空间影响分配量化精度：6 位预算下逼近 FP32 精度，集成 SGLang 后总服务显存最高降 68.7%，验证于 Qwen3.8-27B 与 Kimi-Linear-48B-A3B。
arxivImagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering
Imagine3D-LLM：教多模态大模型先「想象」3D 场景再作答
在图像 token 后追加少量可学习摘要 token，将其解码为紧凑 3D 高斯泼溅表示并以光度重建损失监督，与下一词预测联合训练；仅摘要 token 受重建监督，却诱导整个骨干产生更强的跨帧对应。多个空间推理基准全面超越此前方法——「自行想象场景」胜过「被告知逐像素几何」。
arxivGender bias across LLMs is common and highly heterogenous
LLM 的性别偏见普遍存在且高度异质
覆盖 2025/4-2026/6 发布的十款模型、九家厂商，用「刻板短语归因」与「道德判断」两种范式测试：性别偏见普遍存在，但方向与幅度高度异质，部分模型行为 diametrically 相反。结论：偏见审计应是持续的跨厂商流程，而非一次性评估——对采购侧选型有直接参考价值。
arxivSkill-Space Shooting for Autonomous Robot Policy Improvement
技能空间「出手」：自主机器人策略改进
用基础模型引导机器人在可复用短技能（skill）构成的空间中探索纠错动作，把成功尝试转化为策略改进。真机实验显示策略可持续自主改进，且技能可跨任务共享、降低新任务的教学成本——「经验变教材」的具身路线。
arxivPoint2Part: Unified 3D Partitioning from Point Prompts
Point2Part：从点提示统一的 3D 部件划分
把 3D 部件分解重新建模为整形的「联合划分」：部件互不重叠且合并恢复完整形状。用户以每部件一个 3D 点提示控制分解，共享形状隐空间统一支持图像/网格到部件的生成与分割，部件兼容性较此前 SOTA 提升一个数量级。
拟线性资源的量子计算经典验证：来自编译非定域博弈
基于 LWE 假设与编译非定域博弈，构造电路模型下首个总资源拟线性的 BQP 论证系统：委托 g 门电路仅需 O(poly(λ, log g)·g)。核心是新的计算自测试——可验证地远程制备单比特 Clifford 观测量的张量态，且验证误差与制备比特数无关。
arxivOptimal Tolerant Testing of Lindbladian Dissipation
Lindblad 耗散的宽容测试：最优算法
仅用无记忆前向演化访问，判断未知 Lindblad 生成器的耗散强度是否落在阈值内：算法总演化时间 O(ε₂/(ε₂-ε₁)²)，并给出匹配下界——即使自适应协议也无法更快；同时去除有界度假设，适用于更广的实验场景。
arxivQuery-optimal unitary channel tomography in diamond distance with parallel access
并行访问下金刚石距离酉信道层析的最优查询复杂度
给出用 O(d²/ε) 次并行查询学习未知 d 维酉信道至金刚石距离 ε 的新协议，匹配 FOCS'23 下界，证明并行策略与可自适应的顺序策略在酉信道层析上同样高效——反直觉地闭合了两者差距，并改进费米子线性光学层析效率。
arxivWhen Classical Correlations Certify Entanglement Recovery
经典关联何时能证明纠缠恢复
证明在远比互补性宽松的「测量不可约」条件下，纠缠转换失真与态判别失败概率存在定量关系且可同时趋零。直接应用：纠缠蒸馏与量子纠错的误差，可由实验可及的局部测量之经典输入-输出关联来认证，无需互补基假设。
VoxelSage：工具增强 3D CT 分析与模拟器护航的肝肿瘤序贯切除规划
双端口架构把 LLM 编排与图像计算分离，物理测量全部留在计算端口以防编造数值；行为克隆排序器 + 模拟器安全屏障完成序贯切除规划，256 个未见模拟场景平均出血量降 38.9%。作者明示为系统集成与模拟器级表现、非临床有效性（详见深度解读）。
超越诊断准确率：评估 AI 用于可疑皮损分诊的临床效用
评估焦点从 ROC 曲线转向 AI 分诊对真实临床工作流的效用——分诊路径、随访与转归影响。这类「效用研究」是皮肤病变 AI 从论文走向采购与报销的关键证据类型，值得器械与数字医疗团队跟踪。
pubmedMachine learning applications in androgenetic alopecia: a systematic review
机器学习在雄激素性脱发中的应用：系统综述
系统综述 ML 在雄激素性脱发诊疗中的应用图景，梳理现有模型、数据与临床场景，为皮肤病 AI 提供证据地图；此类综述常同时揭示标准化数据与可解释性两大转化瓶颈。
arxivLEMON-ZEST: Evolution-Informed Tokenization for Efficient Protein Language Modeling
LEMON-ZEST：进化信息驱动的蛋白质语言模型词元化
从多序列比对保守区构建进化感知词表 ZEST：平均 4 残基/词元，1024 token 窗口可处理 4000 残基；200M 参数的 LEMON 单卡 H100 训一周，远程同源检测超过 600M-3B 的 SOTA。进化先验替代参数规模，MIT 协议全开源。
arxivWhich Attention Heads are like the Human Head? Not the Ones that Compute
哪些注意力头像人脑？不是干活的那批
在抽象模式补全任务上对比 LLM 注意力头表征与人脑 EEG 并做消融：与脑对齐的头确有贡献，但移除后的破坏远小于按归因选出的核心头，跨 17 个 3B-72B 模型一致。结论：脑对齐捕捉的是模型「如何读题」，而非「如何解题」——对「脑对齐=机理相似」的流行解读是一记冷静提醒。
arxivA Function-level Dataset of Vulnerable and Fixed Source Code in JavaScript and TypeScript
JsVul：JavaScript/TypeScript 漏洞-修复函数级数据集
从七个主要来源构建语言专用流水线：过滤压缩代码与表面编辑、语法归一化、多阶段去重，按时间序 JSONL 提供修复前后函数对照。对做漏洞检测模型的团队，这是稀缺的干净训练/评测素材。
arxivTraversing the solution space of neural networks with Hessian Null Space Continuation
黑塞零空间延拓：遍历神经网络的解空间
HNC 用局部曲率在保持功能的权重区域内游走：RNN 中到达表征与动力学截然不同但行为一致的解；ImageNet ViT 中找到比异构训练模型差异更大的表征；强化学习智能体中暴露等回报下的奖励黑客。为模型合并、编辑与微调的机理理解打开新路。
The Anthropic Institute：When AI builds itself 等四大项目
Anthropic 研究院公开四大方向：前沿透明度测量、2030 经济情景模型、递归自我改进（「AI 构建自身」）与安全后果研究——从实验室内部直面强 AI 的社会影响。
Towards safety cases for frontier AI training
OpenAI 发布前沿训练「安全案例（safety cases）」方法论文章，与 DevDay 上 GPT-6.1 Sol 的安全附录构成一套完整合规叙事。
Automating coherent long-form video generation
谷歌研究博客新文聚焦长视频生成的连贯性自动化，是 Gemini 4 时代多模态叙事的底层基建之一。
Pre-training a 1.11B LLM on a 6 GB Laptop GPU — Measured, Not Claimed
社区实测在 6GB 笔记本 GPU 上预训练 11 亿参数模型，「测量而非宣称」的草根算力实验，与 Local Deep Research 一同构成「本地自持」风潮。
FLUX 3 Action: a world action model you can fine-tune
黑森林实验室开放可微调的世界动作模型；与 Runway Praxis-1 同周出现，动作模型赛道开源化明显提速。
Local Deep Research：单卡 3090 把 Deep Research 搬回家
8700+ star 项目，Qwen3.6-27B 经 Ollama 本地部署跑 SimpleQA 95.7 分（300 题对 287）；「$200/月 Pro 订阅 vs 本地自持」的算力平权讨论本周在社区持续发酵。
It's Time to Investigate the AI Labs（Cal Newport）
Cal Newport 呼吁对 AI 实验室启动正式调查，与同日 FTC 加大调查的报道形成「舆论-监管」共振；评论区就创新与安全的边界激烈交锋。
DraftKings is using AI to behaviorally target chronic gamblers（EFF）
EFF 起底博彩平台用 AI 定向慢性赌徒：「AI 增益 vs AI 作恶」的消费者保护标杆案例，值得合规与风控从业者存档。
OpenAI 目标 300 亿美元新融资、1.4 万亿美元估值，IPO 推迟
IPO 推迟后 OpenAI 洽谈至少 $30B 新融资，目标估值 $1.4T（不含新募资），较 3 月 $852B 涨逾 60%；与 Anthropic 的企业客户争夺是直接动因，谈判尚在早期。
OpenAI 发布全天候智能体 Dot：独立云端电脑 + 4000+ 应用
Dot 由 GPT-6 Astra 驱动，配备独立云端电脑与浏览器，经插件生态连接 4000+ 应用，可经 ChatGPT/短信/Slack/Teams 交互；已向 Pro 与 Business Premium 用户逐步开放。
上半年股权投资市场新募基金超 1 万亿（同比 +49%）；国家创投引导基金三只区域基金等规模超 7000 亿，投资聚焦人工智能、量子科技等未来产业赛道。
Runway 机器人负责人宣布开放权重世界动作模型（WAM）Praxis-1——视频模型厂商向机器人动作序列输出延伸，动作模型赛道开源与商业化并进。
Kling 4.0 支持单次 30 秒原生生成、10 关键帧、4K 10-bit HDR，10 月上线；字节豆包将整合 4 月内测的 Spell 项目推出个人助理，对标海外 Muse/Instinct。