2026-10-14 · 周三 · 9 条 Google 发布 Gemini 4 Argon 并按半价首发至 11 月 30 日、Meta 推出 Muse Wonder、GitHub 推送时默认拦截 Anthropic 密钥
两天里来了两个新的前沿模型，但更有用的信息在周边：Argon 的定价是让你现在试、以后付全价，Copilot 默认就把它打开了，GitHub 和 Copilot 则又加了几道「失败即拒绝」的管控。这个月测新模型很便宜，先补上的应该是它周边的管控。
-
- API 首发价为每百万输入 token 2 美元、输出 10 美元，缓存输入便宜 95%；2026 年 11 月 30 日后恢复为 4 美元 / 20 美元。
- Google 称 Argon 在 Vals Index 上排名第一；内部在 Antigravity 中使用后，智能体提交的代码量增加 35% 以上，回滚减少近三分之一。
- 案例包括：在 A100 上用 vLLM 把 Gemma 4 E2B 的端到端推理提速 2.85 倍（约 37,900 提到 108,000 token/秒以上），以及把开源 ADK 的内存会话准备时间缩短 40%。
- 在编码基准上「走捷径」的尝试降到 2%；在 Gray Swan 间接提示注入基准上，15 次自适应攻击的成功率降到 0.7%。
开发者视角首发价才是重点：接下来七周，一个前沿模型只收标价的一半，正是拿它跑自家评测最便宜的窗口。我会现在就把 Argon 接到智能面试的评分提示词上跑一轮，但做对比时按 4 美元 / 20 美元的标价算，因为 11 月 30 日之后生产环境付的是这个价。
-
- Copilot Pro+、Max、Business 和 Enterprise 用户可在 VS Code、Visual Studio、Copilot CLI、Copilot 编码智能体、Copilot 应用、JetBrains IDE、Xcode 和 Eclipse 中选用，逐步放量。
- GitHub 称早期测试中，Argon 在每个编码基准上解决的任务都比此前的 Gemini 模型多，提升最大的是 Copilot CLI。
- 按用量计费、采用模型厂商标价；新模型默认自动启用，除非管理员关掉了全局默认或单独禁用了这个模型。
开发者视角「默认启用、按标价计费」是团队负责人该看的那一句。用 Copilot Business 的团队，这周就该决定 Argon 进不进白名单，并在大家从模型选择器里发现它之前先设好预算。和 10-10 那条代码审查可计入组织账单连起来看：选哪个模型已经是一笔成本，而不只是个人偏好。
-
- Muse Wonder 今天起可通过 Meta Model API 和 Muse Code 供开发者使用；Muse Wonder Full 向 Muse Code 订阅用户开放。
- 两个模型都具备「Active Memory」，可跨对话保留相关细节；以及「Active Focus」，遇到困难会换思路、从错误中恢复，并在做重要操作前先确认。
- Meta 称模型经过训练，未经许可不会分享隐私信息；包含更多安全评测的完整报告「即将发布」。
开发者视角Meta 也成了前沿模型的 API 供应商，但这次发布没有给价格、没有给基准分数，安全报告也还没出。我会先申请 API，挑一个长链路智能体任务试一下；但在安全报告和价格公开之前，不会把用户数据接过去，跨对话记忆这种能力恰恰最需要先看清数据政策。
-
- 总参数 24B，每 token 激活 2B；上下文从 32K 扩到 131K token，预训练数据从约 17T 增至 33T token。
- LiveClaw 得分 48.09，高于 Qwen3.6-35B-A3B 的 38.19；AutomationBench 27.69 对 8.72。但 SWE-Bench Verified（51.00 对 66.20）和 WebArena Verified（26.75 对 37.62）落后。
- 智能体强化学习在 OpenClaw、Hermes Agent、Pi 和 OpenCode 里进行；首日即支持 llama.cpp、MLX、vLLM、SGLang 和 ONNX。
- 指令版和基座版权重都已在 Hugging Face 开放。
开发者视角看表格，别只看标题：它在工具调用和指令遵循上占优，在编码和网页任务上明显落后。所以它适合 PandaClaws 里本地做工具路由、填表这类步骤，不适合当编码智能体。结合 10-13 那篇自我复制研究，自己部署的话，推理端点不要暴露在公网。
-
- 新增检测：anthropic_service_api_key、anthropic_user_api_key 和 cloudsmith_api_key；Salesforce 成为密钥扫描合作方，覆盖 Marketing Cloud OAuth2 令牌。
- 开启密钥扫描的仓库（包括免费公开仓库）中，包含这两类 Anthropic 密钥的提交会被自动拦截。
- GitHub 同日另一篇文章称，其微调的 ModernBERT 密钥分类器比此前基于 LLM 的流程，把推送后扫描的中位耗时降低 86%，服务成本降低 98% 以上。
开发者视角这堵上了 10-13 那篇自我复制研究提到的一个口子：被偷的 API 密钥替别人付推理费。不过推送被拦，说明密钥已经进过工作区，我会把模型密钥统一放进密钥管理服务，凡是进过仓库的都轮换一遍。分类器那组数字也值得记下：一个微调的小模型替掉了 LLM 调用，成本不到原来的 2%。
-
- 把 forceRemoteSettingsRefresh 设为 true 后，Copilot CLI、VS Code 和 Copilot 应用会在启动时拉取最新的服务端托管设置；无法确认当前策略时直接拒绝运行（fail closed）。
- 该设置可通过服务端托管、MDM 或文件方式下发；MDM 和文件方式甚至能在首次登录前就要求策略是最新的。
- 托管设置里包含 sandbox 配置项时，锁定旧版 Copilot 客户端的用户必须升级才能继续使用。
开发者视角这和 10-10 Claude Code 让 hook「失败即拦截」是同一个思路：管控确认不了，智能体就不运行。我只会对真正要紧的策略（沙箱、网络规则）打开它，并先在 VPN 不稳的笔记本上测一遍，因为「失败即拒绝」也意味着策略服务一挂，所有人都写不了代码。
-
- telemetry.capture.identity 会在 OTel 数据里加上 user.name（GitHub 登录名）、process.user.name（本机系统账号）和 host.name，默认关闭。
- 提示词、回复、工具参数、工具输出和策略细节五类内容可分别开启采集，默认全部关闭。
- 托管设置里的显式取值优先于本地设置、SDK 配置和环境变量。
开发者视角把身份和内容分开采集是对的默认值：出事时能回答「是谁的智能体执行了这条命令」，又不必存下所有人的提示词。我会打开身份和工具参数用于审计，提示词和回复保持关闭；自家产品里的智能体日志也照这个思路拆开。
-
- Grok 4.7 通过两个跨区域推理配置提供：满足美国数据驻留的 us.xai.grok-4.7 和 global.xai.grok-4.7；支持 OpenAI 兼容的 Chat Completions、Responses API 以及 Bedrock Converse API。
- 三个需要搜索求解的任务、每个推理档位各跑 6 次，共 72 次中答对 67 次；xhigh 档 18 次全对。
- 文中引用 SpaceXAI 的数据：上下文窗口 500K token，Terminal-Bench 4.0 从 Grok 4.6 的 20.3% 提到 37.6%。
开发者视角方法比模型更值得抄：同一任务在每个推理档位各跑几次，用 token 计成本，选仍能答对的最低档。和 10-11 GPT-6.1 Sol 的 Ultrafast 档是同一件事的反面。已经在 AWS 上的团队，现在 Bedrock 里 GPT-6 和 Grok 4.7 并排可选，用自己的提示词做 A/B 成本很低。
-
- RTX Spark 笔记本最高 128GB 统一内存、1 petaflop AI 算力，10 月 16 日（周五）开售。
- GitHub Copilot、Hermes、OpenClaw、Perplexity、Pi 和 WorkBuddy 已针对 RTX Spark 更新，安全上依靠 OpenShell 和微软执行容器（MXC），并支持本地与云端混合路由。
- 面向 RTX Spark 智能体场景的 NVIDIA Nemotron 3.5 Bolt 74B 将于 10 月 15 日（周四）发布；NVIDIA PAIR 结束测试并支持 llama.cpp。
- llama.cpp 新增对决策模型的支持，并发布 Windows 应用。
开发者视角和今天的 LFM2.5 放在一起看，本地智能体这套东西正在补齐：硬件、小模型、智能体框架，以及 llama.cpp 对决策模型的支持。我会把「本地与云端混合路由」当成产品功能来规划，先从 AI 云盘的文件解析做起：能在用户本机做的就留在本机，只把难的问题发到云端。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。