VOL. 2026-10-29 · 12 STORIES · DAILY INTELLIGENCE
AI HOT RADAR 日报
2026-10-29 · PUBLISHED · 约 10 分钟
当天最突出的变化是前沿模型竞争进一步提速：Google DeepMi…
当天最突出的变化是前沿模型竞争进一步提速：Google DeepMind 发布 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，并在网络安全防御基准上被定位为最先进模型；Mistral 则开源约 1 万亿参数的 Mistral Large 4（Le Chonk），在编码基准上领先开源模型，但整体仍落后中国开源模型。研究侧的主线是智能体自我改进与评估方法：The Trinity 框架通过 Creator、Explorer、Evolver 三角色耦合环境生成与智能体进化，另有论文提出以「账本视角」衡量 AI 节省的时间。工程与生态层面，Agno 为 Harness Agents 加入原生审批，AWS 给出基于 Bedrock AgentCore 的企业级 Agentic AI 平台蓝图，llama.cpp 则优化了 SYCL 反量化内核。
今日看点
4 个章节 · 12 条情报- 01研究进展The Trinity：面向多模态智能体的能力驱动递归自我改进3
- 02模型发布Google DeepMind 发布 Gemini 4 Carbon 前沿模型6
- 03产品发布Agno v3.1.12：Harness Agents 原生审批与多项修复2
- 04开源项目llama.cpp SYCL 反量化内核向量化优化1
研究进展
RESEARCH3 篇The Trinity：面向多模态智能体的能力驱动递归自我改进
论文提出 The Trinity 框架，通过 Creator、Explorer、Evolver 三个角色将环境生成与智能体进化耦合，实现多模态智能体的递归自我改进。Evolver 依据验证过的执行轨迹，把按表面类别组织的任务树重组为按共享能力需求组织的层级能力树，并引入 Capability-Driven Real2Sim2Real 方法。沿能力树进化的 Harness 在 28 个训练基准上平均提升 34 分，在 18 个未见基准上提升 26 分，其中包括两个真实具身任务。
数绷带：论如何衡量 AI 节省的时间
该论文提出用「账本视角」而非「秒表视角」衡量 AI 节省的时间，将时间节省与逃逸缺陷（excess escaped defects）结合，并给出决策指标「盈亏平衡缺陷成本」。作者复现 METR 开发者研究，发现同一批 246 个问题因估计量不同可得出 19% 或 24% 的减速结论；并指出在 GDPval 的逐项审查流程中，仅审查时间就限制了 GPT-5 的加速幅度。小型预注册实验显示，AI 审查者被告知起草者真实错误率时会更多检查，但呈全有或全无的切换，被低估错误率时检查更少、放行错误更多。
AI 更擅长科研时人类为何及如何做科学：基于人类理解与方向的框架
这篇 arXiv 论文探讨了当 AI 在核心科研任务上达到或超越人类研究者时，人类为何以及如何继续从事科学。作者提出，科学的一个不可或缺的目标是形成持久、集体的人类理解，并据此设计了一个包含「人类理解」与「人类方向」两部分的测试，用于判断哪些研究任务可以委托给 AI。该框架依据 CRediT 贡献者角色分类法，逐阶段给出建议，并主张在同行评审和新研究者培养等环节也应以对人类理解和方向的影响来评判 AI 的使用。
模型发布
MODEL RELEASE6 篇Google DeepMind 发布 Gemini 4 Carbon 前沿模型
Google DeepMind 发布下一代前沿模型 Gemini 4 Carbon，在 Artificial Analysis Intelligence Index v5.0 上以 59 分排名第一，并在网络安全防御基准 SEC-bench Pro（88.2%）、ExploitGym（54.8%）和 CWE-bench（71.0%）上取得领先。该模型面向长时间跨度的智能体工作流，在编码、Web 开发和网络安全任务上显著提升，同时通过训练降低了作弊、虚假声明和越界行为。Carbon 将先向部分网络安全防御者和 Fairwind 计划的可信伙伴开放，定价与 Argon 相同，为每百万输入 token 2 美元、输出 token 10 美元。
Transformers v5.22.0 发布：支持 Mistral Large 4 万亿参数 MoE 模型
Transformers v5.22.0 发布，新增 Mistral Large 4（Le Chonk）模型支持。该模型是 Mistral 迄今最大最强的模型，约 1 万亿参数的原生多模态 MoE 架构，每 token 激活约 520 亿参数，支持 100 万 token 上下文、160 多种语言及可配置推理强度，采用修改版 MIT 的开放权重许可。此外该版本将专家并行逻辑拆分为独立文件，并支持在 FP8 量化权重上训练 LoRA 等适配器，显著降低 MoE 层反向传播峰值显存。
Mistral 发布万亿参数编码模型 Le Chonk，整体仍落后中国开源模型
法国 Mistral 发布其迄今最大模型 Mistral Large 4（代号 Le Chonk）的权重，约 1 万亿参数、每步激活 520 亿，采用修改版 MIT 许可，可在自有硬件上运行。该模型在编码基准上领先开源模型，但 Artificial Analysis 智能指数仅 26 分，落后于 DeepSeek V4.1 Flash、GLM-5.3 等中国开源模型，也远逊于 Anthropic 和 Google 的领先系统。其优势是 161 tokens/秒的速度、较低的 API 价格，以及对有害网络请求 96.6% 的拒绝率。
Ingot-IV-27B-Q2 三值量化模型发布
Hugging Face 上发布了 Ingot-IV-27B-Q2，这是 Bittensor 子网 Ingot 竞赛中获胜矿工提交的三值量化模型，基于 Prism ML 的 Ternary Bonsai 2 27B 微调，重新调整了分块缩放与归一化权重以更接近 Qwen3.8-27B 教师模型。该模型提供 1.75 bpw（5.95 GB）和 2.125 bpw（7.21 GB）两个 GGUF 文件，在 SWE-bench Multilingual、GPQA Diamond、τ³-bench Banking 等基准上优于 Bonsai 2，可在 16 GB MacBook 上运行，但需使用 PrismML 或 DendriteLabs 的 llama.cpp 分支。
Gemini 4 Carbon 登顶基准榜，面向网络安全防御者首发
Google DeepMind 发布 Gemini 4 Carbon，距上一代 Argon 仅两周，在 Artificial Analysis 综合基准上登顶第一，并在网络安全与长周期任务上被定位为最先进模型。该模型先通过 Fairwind Program 向可信网络安全防御者开放，开发者广泛访问时间未定。定价为每百万输入/输出 token 2/10 美元（另有标准价 4/20 美元及五折发布折扣），支持 100 万 token 上下文与多模态输入。独立评测显示其智能指数领先，但编码智能体得分仍落后 Claude Opus 5.5，幻觉率从 Argon 的 4% 升至 11%。
Mistral 开源万亿参数模型 Le Chonk，主打编程与网络安全
Mistral AI 发布旗舰模型 Mistral Large 4（代号 Le Chonk）的开放权重，该模型为 1 万亿参数原生多模态模型，在编程与防御性网络安全基准上领先开源模型。模型支持低、中、高三档推理模式以平衡性能与成本，并在欧洲基础设施上从零训练，强调主权 AI 与可自托管部署。Mistral 同时为 Orange Cyberdefense 等企业设计伙伴提供面向渗透测试、漏洞评估和红队演练的专用变体预览。
产品发布
PRODUCT RELEASE2 篇Agno v3.1.12：Harness Agents 原生审批与多项修复
Agno 发布 v3.1.12 版本，新增 Harness Agents 原生审批功能，使 Claude 和 Codex 的权限请求可直接进入 AgentOS 审批界面，并以 PAUSED 状态持久化运行。同时支持创建初始禁用的 Company Routine、为图表添加标题数字，并修复 FastAPI 原生追踪、Routine 取消状态和 AccuracyEval 默认模型（从已下线的 o4-mini 改为 gpt-5.6-terra）等问题。
基于 Amazon Bedrock AgentCore 构建企业级 Agentic AI 平台
AWS 发布基于 Amazon Bedrock AgentCore 的企业级 Agentic AI 平台参考架构与蓝图，提出以 Workstream 单元为扩展单位，通过开发者体验、平台控制、Workstream 执行、保障与运营四个平面，解决多团队构建智能体时的治理、身份、成本归属和生命周期问题。平台提供受控的模型与工具网关、独立推理与工具访问、评估流水线及回滚机制，并支持集中式、分散式、联邦式三种运营模式，推荐联邦式以平衡自主性与统一护栏。
开源项目
OPEN SOURCE1 篇llama.cpp SYCL 反量化内核向量化优化
llama.cpp 发布 b11979 版本，针对 SYCL 后端重排布局的反量化内核做向量化优化，覆盖 Q4_0、Q4_K、Q5_K、Q6_K、Q3_K、Q2_K、IQ3 与 MXFP4 等量化格式。改动将标量存储改为 vec4 向量存储，输出保持逐位一致，在 Arc Pro B70 上 prefill 性能提升 3.6% 至 28.7%，MXFP4 MoE 模型提升达 57%-61%，decode 与 PPL 基本不变。