谷歌发布 Gemini 4 Argon，DeepSWE 测试 77.9% 超 Claude Opus 5.5

《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。

针对 AI 研究员 Ethan Mollick 称谷歌已不再拥有前沿模型的言论，谷歌 DeepMind 工程师 Logan Kilpatrick 反驳称，Gemini 3.8 Cyber 在许多网络安全测试和实际应用能力上已超过 Anthropic 的 Mythos。他表示谷歌内部 Chrome、Wiz 和 Cloud 团队已广泛使用该模型，Gemini 4 系列将继续推动前沿网络安全模型发展。

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。

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…

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。

Google 推出旗舰模型 Gemini 4 Argon，在多数基准上超过 GPT-6 Astra 和 Claude Opus 5.5，其中 Harvey's Legal Agent Benchmark 得分 19.6%，明显高于对比模型的 6.7% 等成绩。

Google 发布 Gemini 4 Argon 前沿模型，面向真实软件工程、法律与金融等企业知识工作和网络防御的复杂工作流，DeepSWE v1.1 得分 77.9% 为新 SOTA。作者称其在多项基准上优于 GPT-6 Astra、Claude Opus 5.5 和 Claude Fable 5.1，即将首先向付费 API 客户和 Google AI Ultra 订阅用户推出。Sundar Pichai 称该模型在复杂工作流、网络防御和软件工程方面表现出前沿性能，团队已…

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%。

一位重度用户建议不要用 Claude、Codex/ChatGPT 和 Gemini 等 AI 工具写作，因为写作的核心价值在于强迫自己深度思考，而 AI 擅长写作却不擅长思考和提出新想法。他主张先自己完成写作与思考，再用 AI 以提问方式获取反馈，如"这份文档最重要的一点是什么"，而非让 AI 直接修改或生成内容。AI 在写作前的数据梳理、结构整理和模式发现阶段仍然很有价值。

Google 更愿意让 OAI 和 Anthropic 在原始能力上争夺第一，而自己专注于帮助普通用户处理日常任务。 毫无疑问，Gemini 4 对 Google 来说是一场大赌注，尤其是考虑到近期泄露的信息指向某种 RSI 突破。