AWS 介绍了两种在多个 AWS 账户中为 Amazon Bedrock 私有定价优惠启用托管授权的方法。轻量级脚本可一次性激活已收到且可信的许可证；AWS CDK 自动化则会处理协议事件，根据允许列表验证卖家，并创建和激活分发的授权。只有当授权状态变为 ACTIVE 或 WORKFLOW_COMPLETED 后，协商定价才会生效。本指南还介绍了如何检查授权状态，以及在账单数据出现后如何在 AWS Cost Explorer 中验证费用。
谷歌员工使用 Gemini 4 Argon 构建的一些精彩案例 🧵 它对编程和多步骤工具调用的掌握强得多——从 Google Antigravity 中的原始 Pixel CAD 文件出发，Argon 通过 Blender MCP 制作了这段分解视图动画，并完成了灯光、镜头调度和音频。 它进行了 1,000 轮迭代循环，检查自己的渲染结果，并在过程中不断优化代码。
推出适用于网页设计的 Runway。 将 Runway 连接到 @Replit，即可直接在项目中生成图像、视频和素材，从最初构想到完成网站。点击下方链接开始使用。
Greg Brockman 强调，XBOW 报告称，其使用 GPT-5.6 Sol 花费 6 天、投入 40,000 美元算力，发现了 Chrome 的一个严重漏洞，并因此获得 Google 在 2026 年颁发的首个全链漏洞奖励。该漏洞影响的用户估计达 10 亿人。 他强调，防御者有机会使用这些工具来保护自己的软件。在被引用的帖子中，@oegerikus 报告称，针对 Windows 版 Chrome 漏洞利用的赏金为 250,000 美元。
推荐理由：据报告，这项为期六天、算力成本为 40,000 美元的工作表明，AI 辅助漏洞发现可能改变防御者检查自有软件所需的资源。
使用 Gemini 4 会让你意识到，其他有多少模型可能在蒸馏 Claude/GPT（或使用类似的训练流程）。它的感觉与其他模型截然不同。
Artificial Analysis 宣布推出服务，帮助公共部门客户制定 AI 政策、作出决策并选择 AI 技术。其工作包括对模型和智能体的能力、准确性、幻觉、成本、速度和延迟进行基准测试，以及评估网络安全和安全性。该公司表示，近期已与韩国政府签署谅解备忘录（MOU），并与 NVIDIA 合作对护栏模型进行基准测试。
Alexandr Wang 表示，构建 Muse Wonder 时，首要用例是在 Muse 中服务消费者，并欢迎用户享受此次升级。 在引用的帖子中，@_simonsmith 表示，与 Spark 相比，Wonder 的个性和写作表现没有明显退步，UI 判断能力更强，也能发现细微的代码错误。Smith 仍不确定 Wonder 是否也用于驱动目标摘要和新闻推送等后台任务。
机器学习先驱迈克尔·I·乔丹在接受《解放报》采访时称，关于人工智能存在性威胁的警告是科幻小说，并批评人工智能末日论调在主导公共讨论时会造成危害。乔丹将企业呼吁监管以及一些研究人员辞职称为一场“宏大的道德表演”。他还质疑巨额数据中心投资能否带来回报，并表示，融入企业的开放权重模型无需依赖庞大的数据中心，就能增添专业知识。
Google 宣布，用户可以使用 Google AI Studio 构建个人 Android 应用，并通过标准 Google 账号在 Google Play 上私下运行。这些应用仅供创建者访问，必须遵守现有的 Play 政策，初期将面向年满 18 岁的美国用户开放。Google 表示，未来几个月将支持与信任的朋友分享，并在经过信任与安全审核后提供公开发布的途径。
Pluto Security 结束隐身模式，宣布获得 4200 万美元融资，用于开发监控企业 AI 工具、组件、应用和智能体的软件。首席执行官兼联合创始人 Shahar Bahat 表示，在其客户中检测到的风险约有 60% 涉及由非开发人员通过氛围编程创建的工具，且财务部门的问题最突出。该公司称，其软件可在智能体活动期间进行干预，以执行安全策略；Bahat 表示，自 4 月开始销售以来，公司已拥有 30 多家企业客户，年度经常性收入超过 200 万美元。
Laplace Intelligence 正在开发自动化红队测试工具，利用 AI 智能体在部署前于模拟环境中测试机器人和自动驾驶汽车。其环境将经过后训练的 Nvidia Cosmos 与真实世界影像、地图数据和交通信息相结合，同时由智能体根据新闻和碰撞报告等来源生成具有挑战性的场景。这家初创公司已实现营收并获得微薄利润，收入主要来自自动驾驶项目，目前正致力于签订经常性合同。
通过 ASR 和 LLM 微调定制垂直领域语音智能体 https://t.co/dBSfkUiKeX
@chetaslua 表示，Gemini 4 ARGON 在 Antigravity 中通过多智能体视觉评审循环，构建了一个细节丰富的宝塔模型。该模型在 Blender 中自主雕刻了一座寺庙建筑群。Josh Woodward 作出回应：“我去” https://twitter.com/chetaslua/status/2110050110784798950
如果一个智能体帮工程师节省了 2 小时的功能实现时间，却让团队在协调和审查上总共耗费 3 小时，那么投资回报率就是负的。 在团队环境中，彼此孤立的聊天并非理想选择，因为它们不了解团队已经讨论并做出的决定。Kylon 应用通过在共享的多人协作环境中运行 Claude Code 和 Codex 来解决这一问题。智能体可以实时了解团队共识和架构决策。
Ethan Mollick 表示，Gemini 4 比早期的 Gemini 模型有了显著提升，也是首个达到 Fable/Mythos/Astra 标准的非 OpenAI 或 Anthropic 模型。他觉得它用起来更愉快、更具智能体特性，也有鲜明的个性；不过，他指出它在复杂的多智能体任务上表现落后，而且有时过于自信、懒于思考。他的帖子还链接了三个城市建造游戏演示。
据 Baoyu 报道，Google 于 10 月 13 日发布 Gemini 4 Argon，用于处理复杂的多步骤任务，并援引了 Sundar Pichai 关于全球付费可用性的公告。访问方式包括付费的 Gemini API 和平台、Google Antigravity 中的 Ultra 订阅，以及 Gemini 应用和搜索中的 Pro 或 Ultra 订阅。入门 API 定价为每百万输入令牌 2 美元、每百万输出令牌 10 美元（包括思考令牌），有效期至 11 月 30 日；12 月 1 日起价格翻倍。输入、思考和输出共用 1,048,576 个令牌的限额。
推荐理由：输入、思考和输出共用预算，因此长任务中的上下文分配至关重要；而重复计算输入用量这一做法仍留下一个具体的计费细节尚未明确。
这条引用的帖子宣布，Gemini 4 Argon 将于今日起向 GeminiApp 和搜索中的 Google Ultra 与 Pro 订阅用户，以及 antigravity 中的 Ultra 订阅用户推出；帖子还展示了一个巫师棋演示，突出呈现其对物理的理解和 3D 建模能力。 Hassabis 本人评论说，他回忆起自己童年时对氩激光的兴趣，以及最喜欢的 Val Kilmer 电影场景。 链接：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/ https://www.youtube.com/watch?si=6NQue5-ulgGedGrt&t=50&v=G-gAbSQGGqM&feature=youtu.be https://twitter.com/demishassabis/status/2110041008100843835
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
一篇关于 Muse Wonder Full ♥️ 的深思熟虑的评测 说清楚一点，我们仍有很多需要改进的地方，也正在努力解决模型部署过程中出现的大量问题
你发梗图可赢不了我 （有 Muse Wonder Full 助阵）
@PawelHuryn报告称，Muse Wonder Full 1.0在涵盖2个代码库中105个漏洞的测试中得分为44，排名低于GPT-6 Astra（45分），高于Fable 5.1（43分），并称其可与Anthropic和OpenAI匹敌。Alexandr Wang表示，Muse Wonder在修复漏洞方面“势如破竹”。
Google 表示，Play 商店很快将允许用户私下托管并分享他们用 AI 构建的应用。从今天起，Ask Play 的功能将从回答单个应用详情页上的问题，扩展到推荐应用和游戏，包括提供详细的对比表；Gemini 也将在不久后获得类似功能。Google 还宣布推出 Game Finder，它会利用对 12 亿人在 Android 上玩游戏方式的洞察，建立玩家 DNA 档案，并为用户匹配玩法相似的玩家。
Google DeepMind 已通过其 API 和部分 Google 产品在全球推出 Gemini 4 Argon，具体访问权限取决于订阅或服务等级。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 可享受 95% 的折扣，通过 Gemini API 的统一输入输出 token 上限为 1M。Google 表示，该模型在编程、专业工作流程、科学研究和机器人领域均有提升，同时增强了智能体防护措施和抵御提示注入的能力。
推荐理由：Google 报告的代码提交量提升和回滚次数减少，将 Argon 的工程能力与内部工作流程中的交付速度和代码稳定性联系起来。
Google DeepMind 推出 Gemini 4 Argon，这是一款通用型物理推理模型，可用于机器人控制、仿真重建、物理理解和自我改进。Google DeepMind 报告称，该模型仅通过推理便取得了 87% 的 ERQA 得分；此外，在一项仿真生成的训练示例中，真实世界机器人的成功率从 56% 提高到 75%，完成时间则从 35s 缩短到 24s。Google AI Ultra 订阅用户今天起可通过 Google AI Studio 和 Google Antigravity 使用 Argon；付费 Gemini API 层级用户也可在 Interactions API 中使用 gemini-4-argon。
推荐理由：仿真到硬件的示例为评估生成的训练回合如何在所报告的设置中提高机器人任务成功率并缩短完成时间，提供了具体依据。
Orca Security 与 AWS 合作，基于 Amazon Bedrock 构建了 Discovery AI，可将自然语言问题转换为经过验证的 Sonar 查询，覆盖 900 多种云基础设施和应用模型。其架构结合了示例检索与重排序、相关架构选择、智能体生成和验证，并由领域专家持续更新示例库。与最初的基线相比，Orca 报告称成本降低了 90%，输入令牌减少了 93%，延迟降低了 75%，响应时间从约 60 秒缩短至 15 秒。
推荐理由：该架构提供了一种可迁移的方法来查询大型架构：检索经过验证的示例、选择相关架构片段，并将验证错误反馈给生成流程。
Artificial Analysis 推出了 Decision Index v1.0，用于比较决策模型在分类、工具调用、知识和推理方面的能力、成本与速度。Jev 1.13 以 58 分领跑决策模型；Claude Haiku 5.5 (Low) 得分为 61，但每项任务耗时 1.4 秒，而决策模型耗时 0.13 秒；每百万项任务的成本为 184 美元，而决策模型为 42 美元。领先的决策模型在分类和工具调用方面表现与语言模型相当，但在知识和推理方面落后；在这两项任务中，它们给出的答案概率通常高于其准确率。
Anthropic 工程博客介绍了他们如何构建新版本控制系统，并在五个月内将单体代码库完全从 Git 迁移出来。 5 月，他们每天合并约 2,500 项代码变更；9 月，每天合并超过 30,000 项。 这一增长使为人类而非智能体规模设计的开发者基础设施出现瓶颈：https://www.anthropic.com/engineering/redesigning-source-control
同一新闻，精选展示《Why Anthropic built Scion to replace git for its monorepo》
Satlyt 完成 800 万美元种子轮融资，由 Non Sibi Ventures 领投，用于开发可在不同公司卫星上运行 AI 模型的软件。此前部署 Google DeepMind 的 Gemma 后，一项关于星载软件错误的传输量减少了 60% 以上。其软件定于周四搭乘 SpaceX 火箭发射，并与 Google 的 Project Suncatcher 原型一同升空；公司预计明年测试两颗卫星之间的共享计算。
Gemini 4 Argon 已正式推出。 从今天起，全球开发者和企业可通过 Gemini API 和 Gemini 平台的付费层级使用；Ultra 订阅用户可通过 Google Antigravity 使用；Gemini 应用和搜索则向 Ultra 和 Pro 订阅用户开放。 希望大家喜欢！
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Logan Kilpatrick 宣布，Gemini 4 Argon 将于今天在全球范围内推出，面向 Gemini API 用户、Gemini App 中的 Pro + Ultra 用户，以及 Antigravity 中的 Ultra 订阅用户开放。他表示，过去一个月里，Google 有超过 100,000 人测试了该模型；fairwind 计划中的网络防御人员和提前体验客户则在过去 2 周内获得了访问权限。他重点介绍了模型的写作、知识、持久编码能力，以及在需要投入更多工作时可提供的 1M token 输出。
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Josh Woodward写道：“Go!”，并附上Sundar Pichai宣布Gemini 4 Argon现已推出的链接。 https://twitter.com/sundarpichai/status/2110038898009407584 Pichai表示，今天起，全球开发者和企业用户可通过Gemini API和Gemini平台的付费层级使用该产品；Google Antigravity中的Ultra订阅用户，以及Gemini应用和搜索中的Ultra和Pro订阅用户也可使用。
@GeminiApp 的 Pro 和 Ultra 订阅用户，属于你们的时刻到了！
Gemini 4 Argon 现已在全球推出。 该模型旨在从头到尾解决您最棘手的问题，在编码、企业工作流和网络防御方面带来前沿能力。
Gemini 4️⃣ Argon ✨ 正在全球陆续推出。 Google 称，其前沿模型专为应对编码、金融、法律、网络安全和科学领域的复杂现实任务而打造。 了解如何在你喜爱的 Google 产品中使用 Argon 🧵 https://t.co/PtoPqbtPel
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Google Gemini 表示，其新一代前沿模型 Gemini 4 Argon 现已开始在 Gemini 应用中推出，帮助用户将最复杂的想法变为现实。 这篇帖子介绍了关于 Gemini 4 Argon 的讨论串，以及 Gemini 应用的最新更新，帮助用户充分利用每条提示。
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
François Chollet 对此次发布表示祝贺，称 Gemini 4 Argon 看起来是一款非常出色的模型。 在引用的公告中，Sundar Pichai 表示，该模型今日起面向全球开发者和企业用户开放，可通过 Gemini API 和 Gemini 平台的付费层级使用；Google Antigravity 的 Ultra 订阅用户，以及 Gemini 应用和搜索中的 Ultra 与 Pro 订阅用户也可使用。
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Gemini 4 Argon 今日开始向 Google Ultra 和 Pro 订阅用户在 @GeminiApp 和 Search 中推出，并向 Ultra 订阅用户在 @antigravity 中推出。 Demis Hassabis 称赞了它在知识工作和编程方面的能力，并分享了一款他们让它制作的巫师棋游戏，作为其物理理解和 3D 建模能力的示例。这款游戏让他想起了 Amiga 上的 Battlechess。 更多信息和完整的推出范围：https://blog.google/innovation-and-ai/models-and-research/gemini-models/introducing-gemini-4-argon/
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
Google 今天开始在 Gemini 应用和 Antigravity 中更广泛地推出 Gemini 4 Argon，但仅限付费用户使用，较低档套餐用户的访问权限并不完整。其功能与此前公布的内容相同。Google 介绍了相关安全措施，包括拒绝恶意指令，以及自动化的偏离监控器。Google 还报告了内部应用案例，包括发现 YouTube 中冗余的表情符号渲染代码；移除后，服务器负载降低了 45%。此外，它还找出了 Project Wing 模拟器中一些可追溯至 2018 年的漏洞。
同一新闻，精选展示《Gemini 4 Argon is now available worldwide as Google's most capable frontier model》
据彭博社报道，Epic Games计划使用AI为一款尚未公布的迪士尼游戏生成代码和美术内容，该项目的发布时间已从原定的3月档期推迟。据报道，开发者收到了以AI为先的要求，须使用Anthropic的Claude等工具，指示中要求不得手写代码，美术内容则须通过完整的AI工作流程生成。Epic发言人Jake Jones告诉彭博社，公司正在拥抱AI加速开发。
AWS 介绍了 Amazon SageMaker AI 中使用的三项融合 MoE 优化，报告吞吐量最高提升 10%，首次生成令牌时间（TTFT）最高缩短 9%。在 H200 上，交换矩阵操作数使吞吐量提升了 2–4%；将 FP8 张量量化模型路由到 Triton，则使吞吐量提升了 10%。消除不必要的 Triton JIT 重新编译，在 8 路张量并行时将 TTFT 缩短了 9%；该帖子指出，这些优化已在 vLLM 和 AWS LMI v28 容器中提供。
推荐理由：这些优化示例分别考察矩阵布局、后端选择和编译器特化，展示了提升 MoE 服务性能的一种可迁移方法，并说明了它们如何分别影响吞吐量和延迟开销。
AWS 展示了如何使用 Amazon Bedrock 上的 Grok 4.7 构建和评估工具调用智能体，并在三项合成任务中比较四种推理力度。该智能体在 72 次运行中有 67 次回答正确；xhigh 为 18 次全对，而 low 答对 18 次中的 15 次，输出 token 数约为前者的八分之一。本指南涵盖任务设计、自动评分、生产监控和运维控制，并指出这些小规模结果仅供参考，不足以得出统计学上确凿的结论。
推荐理由：答案可验证且唯一的任务，加上重复运行，为比较推理力度提供了一种可复用的方法；分别测量正确性和 token 数，则能具体体现两者之间的权衡。
