Google宣布Gemini 4 Argon,输出上限达100万Token
Google宣布Gemini 4 Argon,面向复杂任务。该模型正通过Fairwind计划向受信任的网络安全防御人员逐步开放。
输出上限从此前的6.4万提升至100万Token,旨在支持复杂、长流程任务中的深入推理。
汇总本月模型、产品、应用和开发工具方面的重要变化。每条均附详细报道和原始来源。
2026年9月,领先的AI公司在开发工具、安全自动化和成本优化模型方面推出了重大更新。
Google宣布Gemini 4 Argon,面向复杂任务。该模型正通过Fairwind计划向受信任的网络安全防御人员逐步开放。
输出上限从此前的6.4万提升至100万Token,旨在支持复杂、长流程任务中的深入推理。
OpenAI 推出的 GPT-6.1 Sol 在保持专业编程与逻辑推理能力的同时,大幅降低了 API 调用成本。
该模型为开发者和企业提供了一种极具性价比的解决方案,支持大规模部署复杂的 AI 代理和软件工程应用。
Anthropic 推出 Claude Sonnet 5.5,聚焦日常办公效能。本文剖析其性能指标及对自动化任务的实际应用价值。
性能与成本的双重优化直接决定了 AI 自动化的投入产出比。鉴于性能数据由厂商提供,建议团队在全量切换前,先行基于自身业务负载进行对比评测,以确保符合预期。
OpenAI 推出 GPT-6 Sol 和 Luna 模型,通过降低 API 成本并优化提示词缓存,为专业用户提升处理效率。
此举显著降低了 AI 模型的使用门槛,帮助开发人员和企业客户在进行编程及复杂任务时有效缩减运营开支。
该平台提供 90 亿个基因变异的影响预测,旨在帮助研究人员深入解读人类基因组数据。
AlphaGenome Atlas 能够有效帮助科学家识别罕见疾病中的致病变异,并加速人口遗传学研究中特征关联的发现。
OpenAI 推出了 GPT-6 Astra,该模型在多项基准测试中表现卓越,并提升了自主计算机操作能力与安全性。
GPT-6 Astra 在科研和软件开发领域提供了更高的自动化水平,其安全监控机制的更新对于应对潜在的网络安全风险至关重要。
谷歌推出了针对代理任务优化的 Gemini 3.8 Flash 以及专注于漏洞检测与自动修复的 Cyber 版本。
该模型系列通过提供更高效且低成本的自动化方案,支持企业及开发者执行复杂的代理工作流和自动化的软件安全修补,成本与3.7 Flash相当。
OpenAI 推出 Dots 智能体,支持连接 4000 多款应用程序,并能在后台进行主动研究以协助用户处理复杂任务。
Dots 的推出标志着人工智能从对话式助手向自主型智能体的转型。通过将繁琐的跨平台任务委托给可自主运行的智能体,用户可以显著降低手动操作的工作负载,提升办公效率。
微软宣布 Copilot 全面升级,新增 Home、Code 和自动代理 Autopilot,并采用基于使用量的计费模式以提升企业生产力。
此次更新使 Copilot 具备了更深度的任务执行与应用开发能力,让 AI 不仅限于回答问题,还能直接介入业务流程管理,帮助企业通过自动化降低重复性工作的成本。
Salesforce在Dreamforce大会上发布AIforce,首批包括Claudeforce、Slackforce和Agentforce Coworker。Salesforce in Claude目前为测试版,可用性因地区和客户协议而异。
据Salesforce介绍,使用Salesforce的企业团队或可在Claude和Slack中使用CRM数据,无需新的权限模型或定制集成。这些说法来自厂商公告,尚未经过独立测试。
OpenAI 推出 ChatGPT 金融服务版,整合 GPT-6 Astra 模型与金融数据源,支持建模与报告生成。
该工具通过整合高质量金融数据与人工智能推理能力,帮助分析师提升模型构建和报告撰写的效率,同时确保业务数据的隐私合规性。
Meta 为 Muse AI 代理引入了新技能和连接器,助力小企业主自动化管理日常业务。
通过将散乱的行政与营销任务整合至单一的 AI 代理中,Meta 旨在帮助资源有限的小企业提高运营效率,减少繁琐的手动处理工作。
Google Vids 现支持 Gemini Omni 1.1 Flash 模型,允许用户生成 1080p 视频并提供更精细的场景时长控制。
通过引入这些编辑工具,用户能够更精确地协调视频时长与叙事节奏,同时确保生成内容在视觉上保持连贯,提升了 AI 辅助制作的实用性。
Google 使用 Mantis 多代理框架在代码提交前进行实时扫描,并自动生成修复补丁,每月阻止数百个潜在漏洞。
此方法将安全检查前置于开发生命周期中,实现了持续的低延迟检测与自动化响应,显著缩短了从代码提交到漏洞修复的时间周期。
OpenAI 介绍了三种工作场景:Basis 的员工入职、Clay 的客户信息整理,以及 Exa 的代码集成。每个流程都保留了人的判断环节。
这些案例的共同做法是明确任务范围、提供所需背景,并让人负责关键决策。节省时间的数字来自相关公司的报告,不能直接套用到其他团队。
NVIDIA宣布推出开放软件平台及参考系统设计,旨在从测试到部署加强对AI智能体的治理与控制。
该平台将治理与控制扩展到模型和智能体运行框架之外,包括基础设施层,帮助组织为自主智能体设定并执行行为边界。
Google DeepMind 公布了为 Private AI Compute 增加服务端持久化内存的计划,用户上下文将得以保留,而加密密钥仅存于个人设备。
此前 Private AI Compute 采用无状态架构,任务结束即清除全部上下文。计划中的内存层旨在跨设备保持连续体验,同时维持数据私密性。
GPT-6 现支持提示词缓存优化,提供最高 90% 的输入令牌折扣,并允许在不中断缓存的情况下调整推理参数。
该功能显著降低了长文本及 Agent 任务的运行成本与响应时间。允许调整推理参数而不破坏缓存,为开发者提供了更强的模型控制能力。
AWS 发布了 AgentCore 运行时,通过快照技术和内存动态回收机制,提升 AI 代理的冷启动性能和资源利用率。
该技术有助于降低云资源开销,并通过更精确的内存追踪避免按峰值计费,提高部署的可预测性。
Google Cloud 将开源智能体运行时 Agent Substrate 引入 GKE。生产环境需通过白名单获取支持,文中的性能数据均为厂商自述。
对于需要运行大量隔离智能体的团队,关键在于沙箱部署密度与隔离能力。可选的 Filestore 智能体卷可提供共享 NFS 存储,支持 RWX 读写多挂载和 POSIX 文件锁。公告未说明价格。
OpenAI 正式发布 GPT-Live-1 API,支持开发者构建具备实时中断与停顿处理功能的全双工语音智能体,语音层定价为每分钟 0.05 美元。
开发者可以用它构建能处理停顿和插话的语音应用,并把复杂推理交给后端模型。评估总成本时,还需计入后端模型与工具费用。
OpenAI 正式推出 Agents API 公测版,提供持久化会话、上下文压缩及受管的基础设施,简化自主代理的构建流程。
开发者可以用这一 API 管理持续运行的智能体会话、工具与执行环境,减少自行搭建相关基础设施的工作。具体收益仍取决于实际任务。