Google 发布 Gemini 4 Argon：缩小与 OpenAI 和 Anthropic 的差距但未明显领先

Thomson Reuters 基于阿里 Qwen 推出自研法律大模型"Thomson"，投入约 4000 万美元，训练数据来自 Westlaw 等自有内容。在 Stanford LegalBench 上 Thomson（0.823）落后于 Gemini 3.1 Pro 和 GPT-5.5，仅在接入独家内容时以 0.83 对 0.82 微弱胜过 GPT 5.4。

Anthropic 高管称 Astra 是其迄今最强大且对齐最好的模型，并指约两个月前已在实际中解决 Claude 模型的提示注入问题。其引用推文显示 OpenAI 新模型在提示注入风险上与 Gemini Flash 和 Opus 4.8 大致相当。他呼吁行业投入更多精力训练模型抵抗提示注入，并称将持续评估其他实验室以推动安全对齐。

BestBlogs 精选周刊第 111 期以「经验复利」为主题，探讨 Agent 进入长期工作后，能力增长、工作流沉淀与组织记忆更新的问题。本期重点解读 OpenAI GPT-6 Astra 安全概览、Gemini 3.8 Flash 定价与能力分布，以及 Claude Code 团队重塑开发流程的实践。

据《华尔街日报》9 月 1 日报道，谷歌将发布编程能力大幅升级的 Gemini 3.8 Flash，内部代号 Skimaki，最早当地时间周三上线。内部工具 Jetski 对比测试中工程师对其偏好超过 Anthropic 的 Opus 模型，编程方面显著缩小了与 Anthropic 和 OpenAI 的差距。

事情现在开始加速了：Gemini 3.8 可能即将发布。尽管 Gemini 3.7 才推出几周。 据 Business Insider 报道："部分员工已开始使用 Gemini 3.8 Flash 的预览版，这凸显了 AI 竞赛的飞速节奏--谷歌每隔几周就推出新模型，以跟上 OpenAI 和 Anthropic 的步伐。" 据报道，Gemini 3.8 明显优于 3.7，看来谷歌正在全力加速，再次迎战竞争对手。

OpenAI GPT-5.6 模型于周四发布。该模型6月底亮相，最初因美国政府限制仅向部分合作伙伴提供，商务部在AI标准与创新中心完成额外测试后批准公开。OpenAI公开批评延迟，称将最佳工具与开发者及企业隔离。新模型Sol在TerminalBench 2.1得分88.8%，Sol Ultra达91.9%，高于Anthropic的Claude Mythos 5（88%）。在网络安全任务中，Sol与Mythos 5水平相当但仅用三分之一的token。Sol定价$5/$30每百…

Google DeepMind 发布 Gemini 3.8 Live 和 3.8 Live Extended Thinking 两款开发者语音模型，可通过 Gemini API 和 Google AI Studio 使用。

OpenAI 推出 GPT-5.6 系列，包括旗舰 Sol、平衡型 Terra 和成本最优 Luna。在 Agents' Last Exam 上，Sol 以 53.6 分超越 Claude Fable 5（自适应推理）13.1 分；中等推理时以约四分之一成本领先 11.4 分。Terra 和 Luna 以约十六分之一成本超越 Fable 5。在 Artificial Analysis Coding Agent Index 上，Sol 以 80 分创 SOTA，高于 Fabl…

Qwen 团队发布 Qwen-AgentWorld，一个以环境建模为训练目标的原生语言世界模型，在单个模型中模拟 MCP、Search、Terminal、SWE 及 GUI 域（Web、OS、Android）共七个域。模型使用超 1000 万条真实交互轨迹训练，在 AgentWorldBench 上以 Qwen-AgentWorld-397B-A17B 版本达最高模拟质量，超越 GPT-5.4、Claude Opus 4.8 和 Gemini 3.1 Pro。同时发布评测基…

Qwen3.7-Plus 深度融合视觉与语言，实现“看、想、写、做、验”端到端闭环，在 12 项核心基准测试中表现提升。实测中，基于该模型的智能体连续运行超 11 小时，自动完成英语学习 APP 开发，生成代码超 10000 行、触发调用超 1000 次；复刻 macOS Stocks 应用并通过 10 项功能验证。支持图像/视频转 SVG、视觉驱动网页设计及浏览器自动化。已在阿里云百炼上线，提供 OpenAI 兼容 API 与 Anthropic 协议。