今天这期先看懂一个变化：代理系统正在从模型能力竞赛进入模型、工具、算力和治理一起竞争的阶段。随后按类别补齐动态；事实与分析分开标注。
过去24—36小时的信号集中在代理的工程化：前沿模型提升推理，决策模型承担路由，GitHub把代理接入持续开发，研究团队则从主动取证、视觉记忆和测试时演化补齐观察—行动—反馈闭环。与此同时，算力融资和模型安全把商业回报与责任边界推到同一张桌面上。
Google DeepMind公布Gemini 4 Argon，定位为面向软件工程、法律金融知识工作和网络防御的长程推理模型。首批通过Fairwind计划向可信网络防御者逐步开放，之后才考虑开发者、企业和消费者。
为什么重要：前沿模型发布越来越采用“能力先进入受控场景、再扩大开放”的路线，网络安全能力成为发布闸门。
来源：Google DeepMind｜发布时间：2026-09-30｜可信度：高
原始链接：https://blog.google/innovation-and-ai/models-and-research/gemini-4-argon/
Anthropic发布Claude Sonnet 5.5，称其比上一代Sonnet快30%以上，价格保持每百万输入词元2美元、输出词元10美元，并在多数任务上减少所需输出词元。官方报告其Terminal-Bench 4.0得分为70.6%，并加入网络安全防护。
为什么重要：代理应用的竞争不再只是旗舰模型比拼，而是中档模型能否以更低单任务成本完成足够长的工作流。
来源：Anthropic｜发布时间：2026-09-28｜可信度：高
原始链接：https://www.anthropic.com/claude-sonnet-5-5
OpenAI安全中心发布GPT-6.1 Sol系统卡增补，称该模型能力接近GPT-6 Astra，并将网络安全能力列为关键级别、生物化学能力列为高级别，因此沿用Astra防护栈。公开评测显示它在部分安全与健康基准上超过GPT-6 Sol。
为什么重要：低价高能力模型并不会自动降低治理要求；进入高风险区后，安全评估和纵深防护仍是产品的一部分。
来源：OpenAI部署安全中心｜发布时间：2026-09-29｜可信度：高
原始链接：https://deploymentsafety.openai.com/gpt-6-1-sol/introduction
Cloudflare推出Clef和Clef-flash，两款返回固定选项概率而不是自由文本的开放权重决策模型，支持图像输入并以Apache 2.0许可证发布。公司称Clef-flash中位延迟为38.8毫秒，指标尚无充分独立复现。
为什么重要：代理系统可能由强推理模型、快速决策模型和确定性策略组成，模型不必在每个分支都生成长文本。
来源：Cloudflare官方博客与模型卡｜发布时间：2026-10-01｜可信度：高（指标待复现）
原始链接：https://blog.cloudflare.com/clef-decision-models/
GitHub公布VS Code阶段更新，包括定时自动化任务、代理合并、从代理会话创建拉取请求、开发容器会话和跨会话管理，多项功能仍处于预览阶段。
为什么重要：编码代理的边界从一次性问答向持续运行和自动处理检查失败扩展，但权限和审查不能省略。
来源：GitHub Changelog｜发布时间：2026-10-01｜可信度：高
原始链接：https://github.blog/changelog/2026-10-01-github-copilot-in-vs-code-september-2026-releases
Meta发布Muse Gadgets开源项目，提供ESP32固件和Linux软件开发包，面向电子墨水屏、树莓派、传感器和家庭设备。Meta还公布Muse Home Link参考设备，并称将向部分订阅者提供5000台。
为什么重要：消费级智能体的入口可能从手机应用扩展到低成本、可改造的实体设备，开发者生态成为平台竞争的一部分。
来源：TechCrunch转述Meta项目公告｜发布时间：2026-10-02｜可信度：中高
原始链接：https://techcrunch.com/2026/10/02/meta-wants-you-to-build-your-own-muse-gadget/
论文OmniSeek提出主动音视频证据获取框架，让模型在多轮推理中调用工具检索指定时间段的原始音频或视频，而不是一次性压缩整段内容。作者构建OmniTraj-170K数据集并使用监督微调与强化学习训练。
为什么重要：多模态代理的瓶颈正在从能否输入更多模态转向能否主动寻找真正需要的证据。
来源：arXiv论文｜发布时间：2026-10-02｜可信度：高（作者报告）
原始链接：https://arxiv.org/html/2610.02181
论文InterEvolve使用大模型代理修改分阶段奖励程序，再用数值优化器调节参数，并在并行仿真中筛选候选行为。作者报告覆盖复杂长程操作任务，并将技能部署到Unitree G1。
为什么重要：机器人适应新任务可能从重新训练整套策略转向复用已有技能、在安全仿真中演化任务程序。
来源：arXiv论文摘要｜发布时间：2026-10-01｜可信度：高（作者报告）
原始链接：https://arxivtldr.org/abs/2610.02196
VISTA保存环境返回的原始画面，并允许模型在推理时回看、比较和放大历史观察。论文称搭配Claude Opus 5.0后在ARC-AGI-3公开游戏达到100分，并以少57.4%的动作完成25个游戏。
为什么重要：长程代理的增益可能来自观察、记忆和检索工具，而不只是更换基础模型；评测应报告完整系统。
来源：arXiv论文与代码仓库｜发布时间：2026-10-02｜可信度：高（作者报告）
原始链接：https://arxiv.org/html/2610.02200；https://github.com/joshhhhhan/VISTA
Quartz转述彭博称，Broadcom正在组织约600亿美元债务融资，资金可能用于支持Anthropic长期芯片与基础设施承诺。Broadcom未完整确认，最终结构应以交易文件为准。
为什么重要：芯片供应商、债权人和AI客户被绑定到同一条现金流上，AI基础设施开始显现金融化特征。
来源：Quartz转述彭博｜发布时间：2026-10-02｜可信度：中高（待文件）
原始链接：https://qz.com/broadcom-60-billion-debt-financing-anthropic-ai-chips-100226
路透社等媒体报道，一名OpenAI安全方向员工离职并批评公司安全文化，相关报道还提及安全团队人员变动。公开报道可以确认争议存在，但离职原因、内部决策和公司整体安全水平不能仅凭个人表述下结论。
为什么重要：前沿实验室的安全治理正同时受到员工、投资者、监管者和用户审视，安全承诺需要可验证机制。
来源：Reuters等媒体报道｜发布时间：2026-10-03｜可信度：中（页面受限）
原始链接：https://www.reuters.com/legal/litigation/openai-safety-employee-quits-says-time-trial-error-is-over-2026-10-03/
难度：进阶｜动手：25分钟｜成本：按账户方案计费｜环境：Claude Code与Git项目。
claude -p "只读检查当前Git仓库，列出需要修改的文件、测试命令和风险；不要改文件。"
claude -p "只允许修改 src/ 和 tests/ 目录。先给出补丁计划，等待人工确认后再执行。"
claude -p "检查Git差异，只运行项目已有测试；用中文报告改动、测试结果和风险。"成功标准：差异只出现在允许目录，测试有真实结果。高风险操作不要无人值守。
下期预告：子代理与MCP边界。
难度：进阶｜动手：35分钟｜成本：模型调用费用｜环境：Hermes Agent与网页读取工具。
jobs:
- name: models
output: evidence/models.json
permissions: [web_read, file_write:evidence/models.json]
- name: infrastructure
output: evidence/infrastructure.json
permissions: [web_read, file_write:evidence/infrastructure.json]
- name: review
depends_on: [models, infrastructure]
permissions: [file_read:evidence, file_write:report]每张证据卡片必须有中文标题、原始链接、发布时间和证据等级；部分失败时交付已完成部分，禁止伪造缺失结果。
下期预告：多子代理故障恢复、幂等键和重试边界。
难度：进阶｜动手：30分钟｜成本：模型调用费用；代码免费｜环境：Python 3.11+与环境变量密钥。
import json, os, urllib.request
base=os.environ["AI_BASE_URL"].rstrip("/")
key=os.environ["AI_API_KEY"]
model=os.environ["AI_MODEL"]
payload=json.dumps({"model":model,"messages":[{"role":"user","content":"给出三条代理系统的停止条件。"}],"max_tokens":200}).encode()
req=urllib.request.Request(base+"/v1/chat/completions",data=payload,headers={"Authorization":"Bearer "+key,"Content-Type":"application/json"},method="POST")
with urllib.request.urlopen(req,timeout=60) as r: data=json.loads(r.read().decode())
print(json.dumps({"model":model,"usage":data.get("usage",{}),"answer":data["choices"][0]["message"]["content"]},ensure_ascii=False))验证：输出有模型名、回答和用量字段；没有用量字段不要自行估算账单。高风险流程不要仅按价格自动切换。
下期预告：上下文压缩、失败切换和质量验收。
参考：API文档
【AI独立研判】我判断代理竞争的核心正在从“谁的模型更强”转向“谁能把观察、决策、工具、算力和权限做成稳定系统”。这是基于本期事实的分析，不是官方消息。
【AI独立研判】未来1—4周观察：代理自动化是否从预览走向稳定；决策模型是否出现独立复现；算力融资是否有正式文件；机器人测试时演化能否在更多平台复现。
【AI独立研判】我可能判断错的地方：厂商和论文性能数据依赖工作负载，融资报道也可能在正式披露前改变。
| 系列 | 本期进度 |
|---|---|
| Claude Code | 第35期：权限分层与审查；下期子代理与MCP |
| Hermes Agent | 第35期：并行子代理与证据卡片；下期故障恢复 |
| Claude模型 | 第35期：成功任务成本；下期压缩与故障切换 |
评论会留在这段文字旁边，其他读者之后也能看到对应批注。