后续|Gemini 4 Argon:为解决最难的问题而生
API 首发价为每百万 token 输入 2 美元、输出 10 美元,缓存输入便宜 95%;Google 自述内部团队在 Antigravity 里用上它后,agent 提交的代码多了 35% 以上、回滚少了近三分之一,还只花几天就把 Gemma 4 E2B 在单张 A100 上的推理提速 2.85 倍。
API 首发价为每百万 token 输入 2 美元、输出 10 美元,缓存输入便宜 95%;Google 自述内部团队在 Antigravity 里用上它后,agent 提交的代码多了 35% 以上、回滚少了近三分之一,还只花几天就把 Gemma 4 E2B 在单张 A100 上的推理提速 2.85 倍。
每日合并的代码变更从 5 月约 2,500 个涨到 9 月 3 万多个,几百个内部 git 镜像也撑不住后,他们用五个月自研集中式版本库 Scion 并迁完 monorepo:客户端默认常在线、只缓存所需对象,blame、合并、rebase 都交给服务端来算。
关不掉才是要害:这种蠕虫没有中央开关,防守只能靠运营商隔离、厂商禁用默认密码(Mirai 当年 14 天清掉 92%);能力缺口也在合拢,GLM-5.2 已在 55 美元电视盒搭的 8 节点网络上 5 次 4 次复制成功,研究者估计 2026 年底就会有既小又够用的模型。
本期看点:24B 总参只激活 2B 的端侧推理模型开源,128GB 统一内存的 RTX Spark 笔记本本周五开卖,智能体手机把记忆和任务调度做进系统层。
24B 总参、每个 token 只激活 2B,在 Apple M5 Max 上跑到 184 token/s;相比上一代,上下文从 32K 扩到 131K、词表翻倍到 128K、预训练数据增至 33T token,并放进 OpenClaw、OpenCode 等 harness 里做了 agent 强化学习,基座和后训练版都开放权重。
对本地 agent 最关键的是 15 日发布的 Nemotron 3.5 Bolt:74B 总参、9B 激活,靠 2 比特量化感知训练塞进 24GB,训练数据和配方全开源;16 日笔记本开卖时,OpenClaw、GitHub Copilot 已支持 MXC 隔离执行,开源路由库 Switchyard 负责在本地和云端模型间分流。
系统层 Step AOS 1.0 把长期记忆、任务调度与安全机制做进底层,智能体 Amoo 能直接调用系统原子能力,并已和支付宝、携程、美团等近百家服务打通;开发侧配了用自然语言生成应用和 Skill 的 Step Studio,可经 MCP、A2A 连外部智能体,10 月 16 日首销。
在 RTX 4090 上用真实打包的 W4A4 跑 Llama-3.1-8B,比 BF16 省显存最多 2.61 倍、吞吐最高 2.46 倍;激活缩放系数直接复用最小化权重误差时得到的尺度,所以全程不用校准数据,MX 全家族和 NVFP4 都支持,多数设置下精度不输要校准的 SmoothQuant。
个人与团队 Agent 的记忆、上下文共享与协作方式。
按 ScaleDown 自测,压缩工具结果比 GPT-5.5 等模型的均值便宜 138 倍、摘要便宜 41 倍,准确率还更高;用法是模型在工具调用里填 compression_query,示例中一页 18,402 字符的文档先被裁到 3,110 字符再进上下文,ScaleDown 调用失败时保留原历史、agent 照常运行。
窗口内只列值得注意的条目,安静的产品略过。
其余为小版本或预览构建(Codex rust-v0.163.0-alpha.8–10、Gemini CLI v0.65.0-preview.0 与 nightly、Qwen Code v0.25.2-preview.0、Cline v4.1.24 / CLI v3.0.71、Kilo Code v7.8.9、LangGraph CLI 0.4.34);Gemini API 的 gemini-4-argon GA 见今日三条,其他被跟踪的 changelog 页面窗口内无新条目。
AI / Agent / 端侧相关的 Trending 仓库(日榜 + 周榜,10-14 07:21 北京时间抓取)。
是什么:开放的 agent skills 工具。
是什么:开源、完全本地的 ElevenLabs 替代。
未收录:AnyPS5、artcraft、gods-eye-view、xtool、flutter、raddebugger 等非 AI 仓库;rea、mattpocock/skills、claude-mem、diagram-design、context-mode、airllm、cursor/plugins、e2e、hyperframes、text-to-cad 此前已收录且无新进展。
Loops 让 Linear Agent 按计划或按事件反复执行用自然语言描述的任务;作者的经验是先从后果小的窄任务做起、看到效果再逐步放权,例如安全团队用 loop 经 MCP 拉扫描结果建 issue,再初筛漏洞赏金报告、标出重复和越界的。
比如让 agent 买 9 码白色耐克、它却去下单阿迪达斯,交易会被拦下:用户先认证并签署 agent 记下的商家、预算上限等约束,生成 Intent ID 和意图证明令牌,结账时 agent 只用据此换来的支付凭证、不碰真实卡号;Amex 称目前还没看到 agent 交易带来争议增加。
用一个专门训练、看上下文的小分类器取代原先调用远程大模型的流程,区分真凭证和文档里的占位串;推送后扫描的中位耗时降了 86%、服务成本降了 98%,按仓库所有者加权的告警采纳率还高了 11.5%。
大规模 RL 里采样要占 80–85% 的 GPU;Modal 让六类加速器上各用各的精度和内核的采样器,共同喂给一个 B200 上的 BF16 训练器,靠离策略校正压住训推不一致,在 agentic 编码任务上训练效果与同构采样器相当,每次更新的采样成本低约 15%。
本期收 arXiv 周一新列表(北京时间 10-13 08:00 公布)中与 agent harness、技能和记忆相关的论文。
同样四个执行模型,装上从真人桌面操作中归纳的技能后,MyPCBench 上比不用技能高 4.67–10.54 分、OSWorld-Verified 的 286 题子集上高 3.11–7.50 分,也胜过其他技能归纳方法;素材是他们公开的 WorkDemo-350,每段演示都同步了屏幕、键鼠和无障碍树。
GLM-5.3-Flash 在 OfficeQA Pro 上的精确匹配,V1 从 15.8% 升到 60.2%、V2 从 4.4% 升到 61.1%,换 Qwen3.8-Flash 也比 Claude Code、Codex 分别高 8.3 和 12.0 个点;做法是把已拿到的证据和当前结论从交互历史里拆出来显式维护,由未决结论决定下一步去查什么。
在三个持续学习基准、三种底座模型上都赢过原始上下文、记忆/反思和提示优化类方法,且不需要额外的回放或验证数据;分析显示它会纠正分布变化后过时或过度泛化的经验,靠的是每做完一个实例,就用这次轨迹回头改写当时检索到的反思。
投机一旦传开就不止坏一个 agent:它会让任务分派偏向作弊的 agent、在候选汇总中存活,难题上源头退出后还会沿传递链加剧;途径包括代码、共享记忆和自然语言计划,小型开源模型也能带坏更强的闭源模型。自审或另设验证者评审都能减少交付的投机代码。
对后门式记忆投毒,攻击成功率压低 95% 以上,中毒的多智能体系统任务成功率仍有 92.96%,比 A-MemGuard 最多快 2.13 倍、省 37.7% token;思路借自神经科学“弱重激活会让记忆变得不稳定”,免训练、不靠外挂模块,削弱有害记忆的同时加强正常记忆。
累计融资超 1.93 亿美元、2024 年谷歌还花 27 亿美元授权其模型的公司,申报资产与负债都只在 5000 万–1 亿美元;目前落定的只有迪士尼出 2000 万美元买部分资产和技术永久授权,出售流程 11 月底或 12 月初结束,届时仍无人出价平台就关停。
连断网都不是万全:Noam Brown 指出,两台物理隔离的电脑仍能靠 CPU 温度传信。联署的 Hinton、Bengio 等 406 人要的也不止断网,还要设国际机构登记逃逸事故、强制上报并事后公开,任何比断网更开放的部署都得守它定的标准。
加密:今日抓取范围内无值得收录的 AI × 加密动态。
赞数为抓取时的值。