Agent Arena 评测：复杂任务上 Gemini 4 Argon 与 MiMo-V2.6 崛起

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。

三大AI厂商定价策略出现显著分化：Google的AI价格年增两倍，但其旗舰模型Gemini 3.1 Pro（输入2美元、输出12美元）仍是市场最低价；OpenAI的GPT-5.5（5美元/30美元）经历短期补贴后再次涨价；Anthropic的Claude Opus 4.7（5美元/25美元）价格保持稳定，且对最强模型有所下调。这些变动标志着行业正从不惜成本的市场份额争夺，转向注重利润与现金流管理的商业理性，以应对持续高昂的资本支出压力。

据 The Information 报道，Anthropic 本月将发布一款新模型，同时 Google 的 Gemini 4 Carbon 和 OpenAI 一款可能的 Terra 新模型也在筹备中。该 Anthropic 模型尤其擅长在信息有限时判断用户的潜在意图与目标，也更善于跳出常规思维而非重复常识性建议，但目前尚不清楚它属于 Fable 还是 Opus 系列。

Google 在 Gemini 4 之后面临的挑战将是他们如何用好一个优秀的模型。Anthropic 和 OpenAI 表明，我们正走向通过编排智能体以单一界面处理多种任务的方向。Gemini 3 时代充斥着面向众多市场的碎片化产品。这行不通了，对下一步而言。

Google 发布新旗舰模型 Gemini 4 Argon，是继 Gemini 3.1 Pro 之后七个多月来的首款前沿模型。

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。

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。