AI 前沿速递 · Vol.135

AI前沿速递 · 2026年10月02日

OpenAI 与三名安全研究员解除关系，The Verge 点名 Jasmine Wang、Tomek Korbak、Mikita Balesni，理由是向外部机构传递内部信息；Google 发布 Gemini 4 Argon，先向 Fairwind 计划下的网络安全防御方开放，输出上限提到 100 万 token；AWS 开源 Strands Decider 2B，成为决策模型赛道的第二个大厂；Google 首颗 TPU 卫星升空，论文测算 Starship 需飞 1800 次才能让轨道数据中心成立；何恺明团队 NAT-ARC 用 ImageNet 预训练把纯视觉 ARC 方案推到 70.2%。

前沿速递 AI OpenAI Google Gemini 智能体 网络安全 AWS 太空算力 ARC

今天这几条里，前两条讲的是同一件事的两面：一家公司在收缩谁能接触内部信息，另一家在收缩谁能先用上新模型。后面三条方向各不相同——卫星上的算力、小到能在本地跑的决策模型，以及一条不走大语言模型的抽象推理路线。

OpenAI 与三名安全研究员切割，三人被指向外部机构传递了内部信息

事件概述：当地时间 10 月 1 日，《华尔街日报》报道 OpenAI 已与安全团队的三名研究人员解除关系，理由是三人涉嫌把公司机密信息提供给一家第三方 AI 安全机构。The Verge 的报道点出了三人的名字：Jasmine Wang、Tomek Korbak、Mikita Balesni。OpenAI 发言人的声明措辞是「因违反我们获取和处理敏感公司信息的政策而与三个人分道扬镳」，并称内部调查确认三人「在既定公司流程之外处理了敏感信息，违反了政策，破坏了工作所必需的信任」。报道没有披露第三方机构的名字，也没有说明涉及的信息是什么。

为什么值得关注：时间点很微妙。这次解雇发生在《纽约时报》9 月 29 日报道 OpenAI 高管轻视员工安全警告的两天之后，也发生在 OpenAI 因安全考虑放弃发布 GPT-6.1 Astra 的同一周。几家媒体的报道拼起来看，是一家前沿实验室在密集处理智能体越界事故期间，内部对「什么能往外说」收紧了口径。2024 年 OpenAI 曾以涉嫌泄密为由解雇 Leopold Aschenbrenner 与 Pavel Izmailov，这次是同一类剧本的第二次。判断这类事件的难点在信息不对称：外界拿不到被指泄露的内容，也就无法分辨这是合规问题还是别的什么。OpenAI 说三人未按既定流程处理信息，三人一方的说法目前没有公开，TechCrunch 明确表示未能核实 X 上流传的名字是否与本次处分有关。

相关链接：

Google 发布 Gemini 4 Argon：先给网络安全防御方，输出上限抬到 100 万 token

事件概述：当地时间 9 月 30 日，Google DeepMind 首席 AI 架构师 Koray Kavukcuoglu 发文宣布 Gemini 4 Argon。官方把它的主战场定在软件工程、法律与金融这类企业知识工作、以及网络安全防御三处。首批开放对象不是开发者，而是 Google 的 Fairwind 计划下经过审核的网络安全防御方；对这批受信任的防守方，Google 会放开网络安全任务的部分限制，让模型在没有护栏的状态下用于找漏洞。价格是每百万输入 token 2 美元、输出 token 10 美元，缓存输入按官方原文的说法打 0.5 折。

数字方面，官方给出 DeepSWE v1.1 的 77.9%、Vals Index 榜首、Zapier 的 AutomationBench 51.3% 排名第一、长视频理解 LVBench 91.7%、漏洞修复 CWE-bench v1 的 68%（与 GPT-6 Astra 并列第一）。输出 token 上限从上一代的 64K 提到 100 万。内部用例里最具体的两个：一批 Argon agent 分析了 Google 数据中心的性能剖析数据，自主找出并落地内存优化方案，全面部署后可释放超过 300 TiB 内存；另一个用例是把 libgav1 视频解码器的 Rust 移植版里 3.2 万行 SIMD 代码重写，最终版本比原 Rust 移植版快 2.7 倍。

为什么值得关注：Google 这次把「先给防守方、再给市场」写成了明文的分阶段策略，并提到正在参与美国政府的发布前模型访问自愿流程。这与 OpenAI 两周前因安全考虑放弃发布 GPT-6.1 Astra 是两种相反的处理方式：一家选择推迟，一家选择缩小范围先放出去。对比口径也需要读者自己留意——官方列出的分数对手是 GPT-6 Astra 与 Claude Opus 5.5，而 Anthropic 的 Opus 5.5 与 Sonnet 5.5 都是上周才发布的，各家发布日挤在一起时，谁的版本进了谁的对比表要逐条核。量子位转述了内部对 Argon 编程表现的分歧与「过度刷榜」的质疑，这类不一致的声音在官方博文里读不到。

相关链接：

AWS 开源 Strands Decider 2B：决策模型赛道来了第二个大厂

事件概述：当地时间 10 月 1 日，AWS 在旗下的 Strands Labs 开源了 Strands Decider 2B，一个受 TypeSafe 的 Jev 启发的决策模型。它的工作方式不是生成文本，而是在一组预先定好的选项里做选择，并给出置信度。底座是 Qwen3.5-2B 的「躯干」，完全开源，模型小到可以在本地跑。项目由亚马逊杰出工程师 Marc Brooker 发起——他先在自己的博客上做了一个实验版本，一度在 JevBench 同尺寸模型里排到第一，团队随后把代码整理干净作为正式产品发布。Brooker 对 TechCrunch 说，需求来自 AWS 客户，他们的智能体流程并不是每一步都需要前沿大模型的能力和开销。

为什么值得关注：这是 Jev 这条线两个星期里的第三个大玩家。TypeSafe 在 9 月 18 日提出这类模型，OpenAI 在 9 月 30 日发布了思路一致的 Decisions API，AWS 在同一周跟上。三个数字放在一起看更有意思：Jev 把盯住一个智能体动作的成本从前沿大模型的 372 美元压到 2.94 美元，Strands Decider 2B 小到能本地运行，Brooker 估计建一个有竞争力的这类模型成本只有几百到几千美元，他的判断是前沿实验室未必能统治这个市场。TypeSafe CEO Diogo Almeida 的说法相反，他认为眼下这批跟随者「更像想实现一个酷架构的机器学习从业者，而不是一支真正想把智能变得有用的团队」。分歧点落在门槛上：难的是架构，还是让模型真的变聪明。

相关链接：

Google 首颗 TPU 卫星升空，论文给太空数据中心算了笔账：Starship 要飞 1800 次

事件概述：当地时间 10 月 1 日，Google 的 Project Suncatcher 原型卫星搭 SpaceX 火箭从加州发射，这是 Google 第一次把自家的先进芯片送上天。卫星由 Planet Labs 建造，任务是验证 TPU 能不能在太空工作：供上 1 千瓦持续电力、把芯片冷却下来、跑一批模型看会不会出问题。入轨后 TPU 以 15 分钟为一段间歇开机，避免拖垮卫星的供电与热管理系统。Google 当天放出了轨道数据中心白皮书的同行评审版本，刊发期刊是《Joule》。

论文里最硬的数字写在发射成本上。作者按 SpaceX 自 Falcon 1 以来每年约 20% 的降价学习曲线推算，到 2035 年发射价格接近每公斤 200 美元。要做到这一点，按 Falcon 9 的运量类比，Starship 需要往轨道送 37 万吨载荷，相当于十年里飞 1800 次、每年 180 次，还得每次都打满 200 吨。对照现实：这枚火箭迄今一年最多飞过五次。芯片方面，Google 重做了粒子加速器的辐照测试，修正了先前测试中芯片配置自带过多屏蔽的偏差，结果逻辑电路的错误率略有上升，但对推理负载的影响在百万分之一量级，训练则扛不住。

为什么值得关注：这条的价值不在「上天」这个动作，在于 Google 把成本账摊开来算了一遍，而且自己声明这不是一份经济可行性研究。1800 次这个数字把太空数据中心从科幻拉回到一个可以证伪的工程量问题。TPU 之间带宽与延迟的限制也解释了 Google 为什么设想 81 颗卫星编队并行——多机架负载对互联的要求，决定了这不是把服务器搬上天就完事。辐射测试那段划定了轨道算力的用途边界：推理能扛，大规模训练不行。

相关链接：

何恺明团队 NAT-ARC：用 ImageNet 的猫狗图预训练，纯视觉方案摸到专用大语言模型的城下

事件概述：10 月 1 日量子位报道了何恺明团队的新论文 NAT-ARC，一套不依赖大语言模型的 ARC 抽象推理解法。做法是在 VARC 的视觉流程前面插入一步 ImageNet 上的 MAE 自监督预训练——MAE 是何恺明 2022 年在 FAIR 时期提出的方法。模型先在约 130 万张自然图像上学「看」，再把这部分视觉能力迁移到完全抽象的彩色格子推理上；预训练阶段连 ARC 格子都没用过，直接拿的公开 checkpoint。成绩是单模型在 ARC-1 上 63.4% 的 pass@2，三种预训练策略集成后 70.2%。作为参照，专门针对 ARC 微调的 The ARChitects 是 71.6%，用的是 8B 语言模型。

论文最有意思的发现藏在 scaling 曲线里：没有预训练时，模型从 base 到 large 还能涨，从 large 到 huge 反而掉点，说明 ARC 的数据量太少，容量增长换来的不是泛化而是过拟合；加上 ImageNet 预训练后，三个尺度的曲线才一路向上。作者用注意力可视化给出了一条线索——随机初始化的模型注意力均匀分散，ImageNet 预训练过的模型在没见过 ARC 格子的情况下已经能区分前景与背景。任务级拆解显示提升集中在两类题上：识别并复制匹配的对象或图案，以及识别、填充或重新着色空间上连通的区域，两者恰好对应自然图像里的视觉先验。

为什么值得关注：ARC 赛道此前几乎被大语言模型方案统治，共同思路是把格子翻译成文本或符号再交给模型。视觉路线近期的进展已经把参数量压低了几个数量级——VARC 19M 参数 54%、LoopViT 18M 参数 65.8%、Loop-OWM 10.6M 参数 68.5%，NAT-ARC 补上的是这条路线缺的最后一块：预训练红利。作者还做了一个闭环验证，训一个 autoencoder 把猫片映射成 60×60、10 色的离散格子，用 NAT-ARC 对它做旋转 180 度、加一圈蓝框的 ARC 变换，再解码回像素，结果猫确实转了、框确实加上了。需要提醒的是，这些数字来自论文自述，缺少第三方复现。

相关链接：