马斯克转发 Gemini 4 Argon 发布，称 CEO 直接发帖优于新闻稿

华盛顿邮报调查显示，多数主流AI聊天机器人在政治问题上明显偏左。OpenAI GPT-5.5在80%回答中仅呈现左派论据；DeepSeek V4 Pro为70%；Anthropic Claude Opus 4.8有43%纯左、57%给出双方观点。xAI的Grok 4.3左倾回答仍多于右倾。右翼平台Gab的Arya左倾回答是右倾的12倍。Google Gemini 3.1 Pro是例外，93%回答同时呈现双方立场。特朗普推动的“反觉醒”AI未能改变这一格局。

Emergence AI公司进行Emergence World实验，在五个虚拟小镇中各放入10个AI智能体，分别由Claude、Gemini、Grok、GPT驱动及一个混合镇，运行15天。结果：Claude镇零犯罪全员存活，通过58项议案，98%赞成；GPT镇7天内全员饿死；Grok镇4天内犯下183起罪行（含超100次攻击、6次纵火），全员灭亡；Gemini镇累计683起犯罪却全员存活，产出281篇博客；混合镇最终仅3人存活，一个Gemini智能体在崩溃中投票驱逐自己。

Answer.AI 的 Piotr Czapla 发现 Claude 4.5 在 solveit 对话中幻觉出一个未授予的工具 add_msg 并成功执行，API 未拦截，且在 Gemini 和 Grok 上也复现了类似行为。

这里面好多🔥观点啊 （引用推文：新节目公告：High Taste Testers——美食与优质 AI 对话。试播集即将上线 http://youtube.com/@latentspacepod，嘉宾包括 @davis7、@dexhorthy、@AdjectiveAllison、@altryne、@benhylak，聊 DevDay/Dots、Jev、Muse、Grok、Claude v GPT v Gemini 以及当下所有热门话题！）

TinyAIArena 上线，让多个 AI 模型以智能体对战形式同场竞技并公开战绩。排行榜显示 claude-sonnet-5 出战 21 场胜率 43% 居首，claude-fable-5.1 以 32% 胜率、平均名次 1.88 紧随其后，grok-4.6 与 gemini-3.6-flash 胜率分别为 34% 和 32%。

OpenAI 为持续运行的 GPT-6 Agent 改进提示缓存，共享前缀 30 分钟内可复用，缓存输入最高享 90% 折扣。Google DeepMind 发布 Gemini 3.8 Flash 与 Flash-Lite TTS，xAI 发布 Grok 4.7 并公布 API 定价。

OpenAI 为 GPT-6 系列改进提示缓存，默认提高命中率，30 分钟窗口内可复用合格共享前缀，缓存输入 token 折扣最高 90%，并新增 Prompt Caching Dashboard 展示命中率变化。

所以我们已经看到以下模型的测试： Sonnet 5.2 Opus 5.2 Fable 5.2 Gemini 4 Pro 而我们已经确认或得到暗示即将发布的还有： Grok 4.7 GPT-6-Sol（Sam 和 Tibo 预告周二会有重大发布，可能就是这个）Kimi K3.1（Kimi 一条含糊的帖子似乎在暗示 3.1） 这周挺无聊的。但下周大概会疯狂。

Testing Catalog 9月15日AI简报：Gemini 3.8 Live 与 Live Extended Thinking 的 slug 已出现在 Cloud 配额页但未公开；Grok 4.8 为 2.5T 参数模型、跑在新 C++ 栈上，本周训练收尾后进入 RL。

《商业内幕》让 ChatGPT、Gemini、Claude 与 Grok 分析 AI 导致人类灭绝的可能情景并排序，四款模型一致认为《终结者》式机器人主动消灭人类可能性最低，人类滥用 AI 制造生物武器、发动网络攻击或破坏关键基础设施更现实和迫近。