DeepMind 工程师反驳"谷歌搞不出前沿模型"：Gemini 3.8 Cyber 多项测试优于 Mythos

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。

美团LongCat的1.6万亿参数MoE模型Owl Alpha成为OpenRouter上最流行模型，累计消耗10万亿tokens，性能达Gemini/Opus 4.6级别。该模型使用35万亿tokens训练，完全在5万块国产ASIC上完成。据官方推文，Owl Alpha上线后每日调用量全球Top3，在Hermes Agent排名#1，Claude Code排名#2，OpenClaw排名#3。该模型即将退役，后续版本待公布。

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…

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。

真是精彩的一周--四大顶级AI实验室的最新模型在一周内相继亮相：Gemini 3.8 Flash、Claude Fable 5.1、Muse Spark 1.3、GPT-6 Astra！ > 完整回顾将在几小时后发布在 TestingCatalog 的通讯中。 > 🔥 彩蛋！内含一个秘密的 Muse 智能体候补名单加入链接。 还没订阅的话，请在下方勾选 📩

ZenMux 推出限时 7 天充值赠额活动，用户通过其模型网关可用同一账户余额调用 Claude、GPT、Gemini、Grok、GLM、DeepSeek 和 MiniMax。活动期间充值 $50 得 $70 额度，充值 $100 得 $150 额度，每账户限用一次且两档不可叠加，活动于 9 月 11 日 23：59（SGT）截止。

Alexandr Wang 转发 @GavinSBaker 的帖子并配文 long live muse，称 Muse 1.3 加入竞争，前沿模型不再只是两强之争，而是 Claude、ChatGPT、Grok 和 Muse，Gemini 暂时在玩略不同的游戏。附图显示 Muse Spark 1.3 （max） 在 GDPval-AA v2 得 1754、OSWorld 2.0 得 66.9、MRCR 256K-512K 得 98.5、Terminal-Bench 2.1 得 …

Meta 的 Muse Spark 1.3 在 Artificial Analysis Intelligence Index 得 62 分，追平 Claude Fable 5，输入价格低 8 倍、输出价格低近 12 倍。评分还高于 GPT-5.6 Sol、Grok 4.6、Kimi K3 和 Gemini 3.8 Flash，Meta 进入前沿模型第一梯队。

Google 发布 Gemini 3.8 Flash，这是 6 周内第 3 次更新的 Flash 模型，官方称智能体与编码能力再次提升。