AI Engineer NYC 综述：Gemini 4 Argon 正式发布与 Vals AI 基准讨论
Gemini 4 Argon 今日正式 GA，面向编码、知识工作、企业工作流和网络防御开放，覆盖付费 Gemini API、Gemini 应用及 Antigravity 等入口，入门 API 价格为每百万输入/输出 token 2/10 美元，缓存输入折扣 95%，Artificial Analysis 称 11 月 30 日后价格将翻倍至 4/20 美元。
#评测/基准
Latent SpaceAI 评分6262
量子位AI 评分4848 魔法原子 EchoPolicy-0 登顶 MolmoSpaces 具身智能榜单，MagicBrain 位列第四
魔法原子旗下 VLM Agent 框架 EchoPolicy-0 在 AI2 发起的 MolmoSpaces Combined 榜单以 75.4% 平均成功率位列全球第一，覆盖全部 4 个 v1 任务。
Latent Space精选AI 评分7878 Meta MSL 发布 Muse Wonder 与 Muse Wonder Full 前沿模型
Meta Superintelligence Labs 发布第二代模型家族 Muse Wonder 与 Muse Wonder Full，前者通过 Meta Model API 和 Muse Code 提供，后者仅面向 Muse Code 订阅用户。
推荐理由：汇总了 Muse Wonder 双版本的发布细节与多家第三方评测数据，可对照其与 Opus 5.5、GPT-6 系列的位次差异。
Latent SpaceAI 评分6262 TypeSafe/Jev 上线三周 ARR 超 1 亿美元、估值 75 亿美元
TypeSafe 宣布 Series AI 融资，Sequoia 透露其上线首周 ARR 突破 1 亿美元，公司估值达 75 亿美元，此时距 Jev 发布仅三周。
TechCrunch · AIAI 评分6262 AI 排行榜 Arena 完成 2 亿美元 B 轮融资，估值达 31 亿美元
AI 模型众包排行榜 Arena 完成 2 亿美元 B 轮融资，估值达 31 亿美元，较 1 月 A 轮的 17 亿美元估值在约 10 个月内近乎翻倍。该轮由 Lightspeed Venture Partners 和 Khosla Ventures 领投，Salesforce Ventures、a16z、Felicis 等参投；公司称 6 月年化营收达 1 亿美元。
Latent SpaceAI 评分3737 AINews：GPT-6.1 Sol 与 Sonnet 5.5 重塑性价比前沿
OpenAI 发布 GPT-6.1 Sol，定价 $2/$10 per million input/output tokens，据称在 DeepSWE v1.1 上超 GPT-6 Sol 6.4 分、在 AutomationBench 上超 Opus 5.5 2.2 分。
爱范儿AI 评分6060 Utopai X 在 Artificial Analysis 文生视频榜位列全球第二
截至 9 月 30 日，AI 原生影视公司 Utopai Studios 的自研模型 Utopai X 在 Artificial Analysis 带音频文生视频排行榜中位列全球第二，仅次于 Wan 3.0，超过 Dreamina Seedance 2.5，是该榜排名最高的美国公司模型。
量子位AI 评分4747 OceanBase Data Agent 方案登顶国际 DAB 榜单，准确率 90.62%
OceanBase 团队提交的 Data Agent 方案以 90.62% 准确率登顶国际数据智能体基准 DAB，成为该榜单首个准确率突破 90% 的参评方案。该方案基于国产大模型 GLM-5.2 构建，超过多项基于 GPT、Claude Opus、Claude Fable 等海外模型构建的方案，内部代号 Scout，相关能力将融入 OceanBase DataPilot。
量子位AI 评分6262 中国电信 TeleAgent 进入 IDC 企业级通用 Agent 评估前三
IDC 发布国内首份《中国企业级通用Agent产品技术评估》，中国电信 TeleAgent 进入前三，常规任务得分 3.49、复杂任务 3.36，任务表现拿到 5 分满分，成本效率为此次测评最高分。
量子位AI 评分5858 B站AI无限竞技场上线，首期榜单GPT-6 Astra居首
9月16日，B站「AI无限竞技场」正式上线并公布首期大模型测评榜单，GPT-6 Astra在10个UP主测评中拿下榜首，前五名中国产大模型占据三席。该竞技场汇集各领域UP主对上百个大模型的真实场景实测，涵盖代码、推理、协作、知识等主题，不设测评维度限制，首期已覆盖DeepSeek、Kimi、ChatGPT、Claude、Gemini、豆包、千问、Hy、MiniMax等模型。
Ars Technica · AIAI 评分6262 Mozilla 报告：付费使用前沿 AI 模型只换来 4 个月领先，成本却是 5 倍
Mozilla 9 月 15 日发布的 State of Open Source AI 报告称，美国前沿 AI 模型与中国最佳开源权重模型的性能差距已缩小到 4.4 个月。
爱范儿AI 评分1515 早报｜苹果 CEO 特努斯回应折叠屏迟到：不做半成品／长鑫存储利润率超三星海力士／特斯拉 Model Y 高性能版 36.9 万元上市
苹果 CEO 特努斯回应折叠屏「迟到」，称不赶时间做半成品，iPhone Duo 采用 1:1.4 比例并围绕其重新设计 iOS 27。长鑫存储第二季度息税前利润率升至 82%，高于 SK 海力士的 76% 和三星半导体业务的 70%。特斯拉 Model Y 高性能全轮驱动版在中国上市，售价 36.9 万元，CLTC 续航 659 公里，零百加速 3.5 秒。
爱范儿AI 评分2626 早报｜苹果史上最大产品发布潮曝光/GPT-6 Astra 全量发布/Claude 完成费马大定理形式化证明
GPT-6 Astra 已面向 ChatGPT 和 Codex 的 Plus、Pro、Business、Enterprise 用户全量发布。Anthropic 宣布 Claude 历时 11 天完成费马大定理首个端到端机器验证证明，编写约 1300 万行代码、消耗 60 亿 Token，代码库已在 GitHub 开源。
爱范儿AI 评分2626 Anthropic 发布 Claude Fable 5.1，典型任务成本降低约 25%
Anthropic 发布 Claude Fable 5.1 和 Claude Mythos 5.1，两者使用相同底层模型，Fable 5.1 面向普通用户开放，Mythos 5.1 仅通过受信任访问计划提供。