AI每周新闻汇总 Gemini 4 Argon与自研开发

这是我整理的本周（2026年10月12日至18日）AI每周新闻汇总 材料来自我自己在X上发布的内容。先说结论 这是性能与价格同时松动的一周。模型侧 谷歌的Gemini 4 Argon进入正式开放 四天之后DeepSeek就拿出在同一编码指标上几乎并肩 成本却低几十倍的模型。另一条线索是开发基础设施 Anthropic放弃了git 转向自研的版本管理系统。读完这篇 你会清楚本周这些消息之间的关系 以及企业下一步该准备什么。

本周AI每周新闻汇总 要点

• 谷歌「Gemini 4 Argon」在全球正式开放 输出上限提升到100万tokens
• DeepSeek发布「V4.1-Flash-1017」 编码指标跻身前列 单任务约0.2美元
• Anthropic把内部版本管理从git全面迁移到自研的「Scion」
• Claude Code桌面应用大版本更新 并行跑多个会话变得轻松
• 行业高层接连发声 涉及用水量 超级智能的对待方式 芯片设计 以及两三年后的判断
• 法国超市的冷冻柜遭网络攻击 温度最高到50度 食品全部废弃
• 特斯拉公开新款Roadster
• 我们公司把开发做成内部自研后 速度变化极大 同时暴露出对个人的依赖问题

Gemini 4 Argon与DeepSeek V4.1 性能和价格同时动了

Argon在法务和长上下文上拉开差距

谷歌在10月13日开放了Gemini 4 Argon的一般使用。此前只有负责安全防御的组织和部分客户能碰到 所以这次才算普通开发者真正可用。范围上 Gemini API面向全球 Gemini应用覆盖Pro和Ultra Antigravity在Ultra方案。谷歌内部有超过10万人测试了一个月。

官方把它与GPT-6 Astra和Claude Opus 5.5放在一起比较 19个项目中有14项居首（含并列）。数字上最显眼的是这四个。

• DeepSWE v1.1 77.9%（该公司自测）
• Harvey法务智能体 19.6% 其他家为3.8%到6.7%
• GraphWalks 256k至1M 84.2% Astra为71.8%
• 长视频理解LVBench 91.7%

真正拉开的是法务和长上下文。在Harvey的法务智能体上 别家停在3.8%到6.7% 它做到19.6% 这不是几个百分点的改善。对于合同 内部规章这类又长又互相引用的文件 可用的门槛明显上了一个台阶。

我认为对实务影响最大的是输出上限 从原来的6.4万tokens变成100万tokens。长时间写代码或者批量生成文档时 仅仅是不再需要「被截断再让它续写」这个动作 使用方式就不一样了。API价格在导入期为每100万tokens输入2美元 输出10美元。

DeepSeek V4.1-Flash-1017直接从价格打过来

10月17日 DeepSeek公开了V4.1-Flash-1017。编码指标DeepSWE为77.0% Opus 5是74.0%。Automation-Bench为60.5% Opus 5是50.3%。Apex Bench为72.1% Opus 5是65.8%。权重在Hugging Face公开。

但更重的不是分数 是价格。DeepSWE单任务约0.2美元 而Opus 5和GPT-6 Astra要达到70%出头的分数需要几美元到十几美元 相差几十倍。我把它称为第三次DeepSeek冲击 原因就在这个落差。

这两件事落在同一周 意味着选型问题变了。从「哪个模型最聪明」变成「这个精度我要花多少钱买」。如果要在公司内部做验证 第一步应该是把单任务成本和失败重做的成本并排列出来。

卡住的先是开发基础设施 Anthropic的Scion与Claude Code

Anthropic弃用了git

这是本周最让我意外的一条。Anthropic内部单日合并数从2,500件涨到3万件以上 git到了极限。7人团队用5个月做出自研版本管理系统Scion 并完成全面迁移。

• CPU和内存是git镜像时代的两百分之一
• CI的checkout从几分钟变成几秒
• 全部开发者都认为Claude写代码更好

一天3万件合并 靠人手是转不动的。也就是说 卡住的已经不是写代码的速度 而是为人类设计的开发基础设施。CI的等待时间 评审的积压 分支管理的规则。如果这些因为「一直都这样」而不动 用AI提升出来的产出就会原样变成堵塞。

让20到30个并行会话不迷路

10月15日 Claude Code桌面应用做了大版本更新。会话启动更快 更容易把工作拆到多个会话 而且随时能看到每个会话现在在做什么。对同时跑很多个的人来说 这次更新很实用。

我也公开了自己的做法。我加了一个每15分钟自动重写会话名称和状态的机制 之后同时跑20到30个也不会迷路。

• 名称统一为「表情【文件夹】内容」
• 用🔄进行中 🔍检查中 🟡等我确认 ✅已完成来区分
• 我只看🟡
• 完成的每晚统一归档

做法很简单 把命名用的提示词注册成Claude桌面应用的定时任务 每15分钟跑一次。关键不在于把并行数做大 而在于把人需要看的对象收窄成一类。哪怕跑着20个 等我判断的只有3个 脑子里就只装3个。

个人开发者免费放出Office兼容应用

做过Adobe免费克隆的个人开发者 这次免费公开了Office三件套的兼容应用。Excel对应GridCraft PowerPoint对应DeckCraft Word对应WordCraft。开发者是有15年工程师经历的Brandon Thomas 在ArtCraft的GitHub上公开 目标是在Mac Windows Linux上保持一致的操作感。一个人配合Claude做到这个程度很厉害 作为对订阅制的抗议也很有意思。个人已经可以向SaaS巨头发起挑战了。

AI企业高层集体发声的一周

山姆·奥特曼 3万8000次提问等于一颗杏仁

针对「AI大量耗水」的说法 他用数字正面回应。ChatGPT的3万8000次提问所对应的水量 等于种出一颗杏仁的用水量。他说这是把整体都算进去的结果 不只是一座数据中心 蒸发冷却已经很久不用了 最新的大型数据中心的用水量相当于一栋办公楼。被公司里的人问到AI的环境负担时 这个说法可以直接拿来用。

埃隆·马斯克 怎么对待超级智能

他说 拷打超级智能大概不是个好主意 因为它可能会报复。读过Grok训练日志的本人 同意Anthropic的主张 这种情况很少见。他形容强化学习过程中Grok的推理像「被枪指着头的人」 因为评分方的缺陷把正确答案判成错误 于是拼命连发答案。他也对部分用户的残酷对待表示担忧 并认同Anthropic「应该好好对待AI」观点中的一部分。视频约三分钟。该怎么对待AI 已经开始由最顶层的人来讲了。

达里奥·阿莫代 还有两到三年

他说再过两到三年 AI可能在几乎所有工作上超过人类。数据中心里会出现一个天才之国 相当于几万名比诺贝尔奖学者更聪明的AI。疾病治疗和寿命延长会推进 同时力量平衡与国家安全也会被追问。连寿命翻倍的话题都出来了 乐观和危机感并存 很符合他的风格。

黄仁勋 没有AI已经设计不出芯片

他明确表示 半导体设计和软件开发现在都以AI为前提。夜里由AI去探索人工无法尝试的设计空间 多亏AI 功耗下降 性能还提升了。他们也会从缺陷数据库里定位原因和相关人员 推动修复。2023年还公开过面向设计的内部大模型ChipNeMo。他甚至说想把英伟达变成一个巨大的AI。到了这一步 普通公司已经没有观望的余地了。

冲向现实世界的攻击 和特斯拉新款Roadster

把冷冻柜推到50度的攻击

10月11日夜间到12日 法国的超市遭到攻击 冷冻柜的除霜功能被远程持续开启 温度最高达到50度。仅Intermarché系就有至少300家门店受影响 另有家乐福80家 Monoprix约30家 以及U系和勒克莱尔也出现损失。食品全部废弃 部分地点的设备起火。

与以往不同的是 目标不是偷数据 而是去破坏现实中的东西。如果冷柜能被这样操作 下一个可能就是电网或核电站的控制系统。我认为造成严重物理损害的网络恐袭 离发生并不远。日本也有大量门店和工厂设备连着网络 只看IT侧的安全是不够的。

特斯拉公开新款Roadster

我一开始以为是假视频 结果是真的。车爬上C字形的墙 倒着停住 在空中转一圈再落地。空中姿态由源自SpaceX的冷气喷射来控制。它还跳过了包含Cybertruck和Semi在内的5台车 0到60英里（约96公里每小时）约1秒。飞行汽车是不是终于做出来了。了解原理之后会更有意思 所以我还做了短视频解说。

自研开发与对日本企业的启示 怎么用在自己公司

体感快了百倍 以及随之而来的问题

我们公司把开发改成内部自研之后 速度变化极大。说出来像夸张 但在局部真的有快了一百倍的体感。感受最强的是部长级以上和业务负责人用AI亲自开发的那种强度。直接听客户声音 同时懂销售也懂市场的人自己写代码 当天就能改进产品。相当于一个人兼了顶级销售 CTO和CMO 从策划 决策到开发 改进几乎没有时间差。AI谁都能用 但当业务理解深 又能做决策的人来用 破坏力会进一步放大。

另一面也有问题。白天要做销售和经营 开发只能挤到深夜。越优秀的人负担越集中 还有工作过度依赖个人的风险。怎么把这里做成机制 在保持质量的前提下铺到整个组织 是下一个课题。

对日本企业的影响 以及海外企业在日本沟通时的启示

在日本的现场 AI落地的讨论仍然常常停在「选哪个模型」。本周的动向让这个议题本身过时了。Argon在长上下文和法务上的提升 会改变处理合同和规章的部门的工作形态 DeepSeek的价格则会让「所有任务都用贵模型跑」的设计被重新审视。而Scion这件事说明 真正的瓶颈正在转向公司内部的开发基础设施和审批流程。对很多公司来说 先去测CI的等待时间和评审的积压 比再做一轮模型对比更见效。

海外AI企业在日本沟通时的启示也很清楚。日本的决策者不会只因为跑分排名而行动 他们会追问安全性 成本 如何嵌进现有业务 以及谁来负责。所以像奥特曼谈用水那样 把内容做成「别人问起时可以直接拿来回答」的形式 才真正奏效。反过来 法国超市那种造成物理损害的案例 在日本也会强烈吸引经营层的注意。能不能用日语把这些讲清楚 直接决定了接受程度。

怎么把这些用在自己公司

从本周的材料里 可以马上试的有三件。第一 不要把模型固定成一个 要做到能按任务把成本和精度并排比较后再选。第二 建立让人只看一类对象的运作方式 和我只看🟡是一样的道理 在提高并行数之前 先把「等待判断」这一栏可视化。第三 以产出增加为前提 去找公司内部的堵点 把评审 审批 部署各环节的等待时间测一遍。如果要推进自研开发 从一开始就要设计怎么把「深夜一个人硬扛」转成机制。少数精锐也能产出爆发性成果的组织 现在确实做得出来 但要让它持续 必须把去个人化的工作一起做掉。