AI HOT 过去24小时精选

抓取时间：2026-10-01 12:00:20（北京时间） · 条目数量：19 · 数据来源：aihot.virxact.com

模型发布/更新

  1. Artificial Analysis：GPT-6.1 Sol 的 Cost per Task 较 GPT-6 Sol 低约 30% — X：Artificial Analysis (@ArtificialAnlys)（3 小时前） Artificial Analysis 数据显示，GPT-6.1 Sol 的 Cost per Task 约 $0.72，比 GPT-6 Sol（$1.05）低约 30%，后者已约为 GPT-5.6 Sol（$1.99）的一半。 https://x.com/ArtificialAnlys/status/2105449959554441580

  2. Gemini 4 Argon (High) 登 Arena Agent Arena 第 8 名，净提升 +7.92% — X：Arena (@arena)（6 小时前） Arena 公布 Gemini 4 Argon (High) 在 Agent Arena 排名第 8，净提升分 +7.92%，每任务成本 $0.62。 https://x.com/arena/status/2105411271525052418

  3. OpenAI 发布 GPT-6.1 Sol：以 Astra 五分之一价格接近其编码与计算机操作水平 — MarkTechPost（RSS）（6 小时前） OpenAI 发布 GPT-6.1 Sol，定价为每百万 token 2 美元输入、10 美元输出、0.10 美元缓存输入，为 GPT-6 Astra 标准价格约五分之一。 https://www.marktechpost.com/2026/09/30/openai-releases-gpt-6-1-sol-near-astra-coding-and-computer-use-at-one-fifth-of-astras-token-price/

  4. Google DeepMind 发布 Gemini 4 Argon，面向可信网络防御者先行开放 — Google DeepMind：Blog（RSS）（7 小时前） Google DeepMind 发布新前沿模型 Gemini 4 Argon，先通过 Fairwind Program 向可信网络防御者开放，后续将逐步面向开发者、企业和消费者推出。 https://deepmind.google/blog/gemini-4-argon-our-next-era-of-frontier-intelligence/

  5. GPT-6.1 Sol (Max) 以 1759 分登上 Code Arena: WebDev 第 3 名 — X：Arena (@arena)（9 小时前） Arena 评测榜单显示，OpenAI 的 GPT-6.1 Sol (Max) 以 1759 分位列 Code Arena: WebDev 第 3 名，混合价格为 $8/MToken。相比 GPT-6 Sol (Max) 同价提升 70 分，排名上升 4 位，且在 Consumer Product 等所有类目均有提升。 https://x.com/arena/status/2105367591174995999

  6. 蚂蚁百灵发布 Ling-3.1-flash，面向真实世界长任务升级 — 公众号：蚂蚁百灵（Ling）（15 小时前） 蚂蚁百灵推出 Ling-3.1-flash，总参数约 560B，每个 Token 激活约 25B，上下文窗口上限 1M，延续混合线性架构并提高线性 Attention 层比例（7 层 KDA 配 1 层 Gated MLA，512 个路由专家选 8 个加 1 个共享专家）。 https://mp.weixin.qq.com/s?__biz=MzkyODk2MDQwNw==&mid=2247488041&idx=1&sn=e895cef2129ff2a96598d78b5a45c17b&chksm=c3a0565f2837a278a1a2f05d010189577c4e94fb18ccdd5e25001862b11c205fcd792160b382&scene=126&sessionid=1790772500#rd

技巧与观点

  1. OpenRouter 发布 Agent 模型成本与质量权衡选型框架 — OpenRouter：Announcements（RSS）（4 小时前） OpenRouter 发布一个三步框架，用于为 Agent 任务选出以最低成本达到质量门槛的模型，而不是按排行榜排名选最高分模型。方法是先按任务设定质量门槛，再用 20 到 50 条自己的示例运行廉价、中档和前沿模型并用统一评分标准计算每质量点成本，最后选出以超过运行间分数波动的余量过线的最便宜模型。 https://openrouter.ai/blog/insights/cost-vs-quality-tradeoff-framework-for-agent-models/

  2. OpenRouter 教程：如何在 CI 中用 LLM eval 门禁拦截 Pull Request — OpenRouter：Announcements（RSS）（4 小时前） OpenRouter 发布教程，讲解如何用固定的 eval 集在 CI 中门禁 pull request，当通过率低于阈值时脚本以非零退出码阻止合并，做法与单元测试门禁一致。 https://openrouter.ai/blog/tutorials/how-to-gate-pull-requests-on-llm-evals-in-ci/

  3. OpenRouter 指南：用置信度阈值实现模型分级升级路由 — OpenRouter：Announcements（RSS）（4 小时前） OpenRouter 发布教程，讲解如何让廉价模型通过结构化输出返回 0 到 1 的置信度字段，低置信度的请求再升级到更强模型。文章强调置信分数只是自报、不是校准概率，应基于自己流量的分数段错误率排序设定阈值，并在上线后监控分数分布、升级率和未升级答案的错误率持续调整。 https://openrouter.ai/blog/insights/confidence-thresholds-for-model-escalation-routing/

产品发布/更新

  1. Perplexity 开放 Computer 邮件委托入口并限时免费运行任务 — X：Aravind Srinivas（Perplexity CEO） (@AravSrinivas)（9 小时前） Perplexity 向所有人开放 Computer 的邮件委托功能，无需 Perplexity 账号，将转发或抄送 computer@perplexity.com 的任务限时免费运行。智能体会在后台完成任务并保留邮件上下文，每个邮件任务在 Computer 中作为正常会话运行，可在网页和移动端查看，并带有与应用内任务相同的审计记录。 https://x.com/AravSrinivas/status/2105369479190601754

  2. Google DeepMind 发布 SynthID Bio，为 AI 生成的蛋白质嵌入可验证水印 — Google DeepMind：Blog（RSS）（12 小时前） Google DeepMind 于 9 月 30 日发布 SynthID Bio，将水印技术引入合成生物学，把不可见签名嵌入生物序列和预测结构中，使水印可在合成的物理蛋白质上验证，且在湿实验中不损害生物功能。 https://deepmind.google/blog/introducing-synthid-bio/

  3. Arena 开放限时测试 Claude Sonnet 5.5，Direct Mode 可用 48 小时 — X：Arena (@arena)（13 小时前） Arena 宣布在 Direct Mode 限时开放 Anthropic 的 Claude Sonnet 5.5（High），截止 10 月 2 日上午 8 点（太平洋时间），之后仍可在 Battle 和 Agent Mode 使用。引用内容称 Claude Sonnet 5.5 是 Claude 5.5 系列第二款模型，比 Sonnet 5 快 30% 以上，多数工作成本最高降低 30%。 https://x.com/arena/status/2105311267619848419

行业动态

  1. Trump 推动二十余家科技公司签署自愿性 AI 安全协议 — Ars Technica：AI（RSS）（9 小时前） 约二十余家科技公司签署白宫超级智能协议，承诺实施独立安全审计、定期会商并制定共同安全标准，涵盖网络安全、生物安全和化学威胁等风险。协议无法律约束力，Trump 称其具有道德约束力。文章指出 OpenAI 近期多起事故源于今年 5 至 7 月开发中的一个未发布模型，其安全委员会有效性受到特拉华和加州总检察长调查，FTC 也就 AI 智能体潜在消费者损害发起调查。 https://arstechnica.com/tech-policy/2026/09/trump-plan-to-combat-ai-risks-hinges-on-big-tech-pals-policing-themselves/

  2. Jensen Huang 称行业领袖在白宫签署超级智能协定 — X：Jensen Huang (@JensenHuang)（10 小时前） 多家行业公司的领袖在白宫签署 White House Accord on Super Intelligence，约定开发该技术的公司负有安全部署和担责的首要责任。协定要求四层控制：训练和部署期间的稳健内部监控、授权内部团队验证控制有效、独立外部评估者审计、董事会独立委员会监督，参与公司还将定期会晤制定安全标准与最佳实践。 https://x.com/JensenHuang/status/2105348324484342238

  3. FTC 以消费者保护为由对 OpenAI、Anthropic 等 AI 实验室启动全面调查 — The Decoder：AI News（RSS）（11 小时前） FTC 正以潜在消费者保护违规为由调查 OpenAI、Anthropic 等头部 AI 实验室，主席 Andrew Ferguson 计划通过具法律约束力的 Civil Investigative Demands 强制调取文件并质询高管，命令将在数周内发出，METR 也在审查范围之列。 https://the-decoder.com/ftc-launches-sweeping-probe-into-openai-anthropic-and-other-ai-labs-over-consumer-protection-concerns/

  4. Hugging Face CEO 称收到数千条私信，将花几天逐一处理 — X：Clément Delangue（Hugging Face CEO） (@ClementDelangue)（15 小时前） Clément Delangue 表示收到数千条私信，但 @bot 无法自动分析私信，需要几天时间处理。他称暂时只会关注特别匹配的人选，未获回复不代表负面评价，并可前往 https://apply.workable.com/huggingface 申请具体职位。 https://x.com/ClementDelangue/status/2105276853632094607

  5. ElevenLabs 完成 3 亿美元员工股份回购，估值升至 220 亿美元 — ElevenLabs：Blog（网页）（16 小时前） ElevenLabs 完成 3 亿美元员工 tender offer，估值达 220 亿美元，是 2026 年 2 月 Series D 估值的两倍，由 Wellington 和 T. Rowe Price 领投。企业业务占收入 55%，ElevenAgents 每周处理超 1500 万次对话，ARR 自 2 月以来增长超 3 倍，客户语音智能体解决问题平均比聊天智能体快 31%。 https://elevenlabs.io/blog/tender-22bn

  6. OpenAI 披露并处置一起有组织的模型蒸馏攻击行动 — OpenAI：官网动态（RSS · 排除企业/客户案例）（17 小时前） OpenAI 披露其识别并处置了一起有组织的攻击行动，该行动旨在系统性提取模型受保护的推理内容，最早活动出现在 7 月第一周。 https://openai.com/index/disrupting-a-coordinated-model-distillation-campaign

论文/研究

  1. MIT 等机构发布 Ataraxos，以极低成本战胜顶级人类 Stratego 选手 — MIT News（RSS）（13 小时前） MIT、CMU、NYU 与 Stanford 的研究人员开发出 AI 系统 Ataraxos，在隐藏信息棋盘战棋 Stratego 上大幅超越世界顶级人类选手，论文发表于 Nature。 https://news.mit.edu/2026/game-playing-ai-stratego-new-champ-0930