AI benchmarks 2026：MMLU 退役，ARC-AGI-3 接棒
翻 2026 年的模型发布会，你会看到一个规律，厂商报分的清单一直在换。三年前人手一个 MMLU，现在主流发布页上它几乎绝迹。原因不复杂，前沿模型在 MMLU 上全部冲到 92% 以上，HumanEval 也早就被打穿，这两位老将已经分不出…
AI 恶意软件 ClosedQuorum 现身 Win11：入侵后自主决策
思科安全团队 Cisco Talos 在 9 月 22 日发布博文，披露了一款叫 ClosedQuorum 的 AI 恶意软件。它主要针对 Windows 11，入侵成功后会调用谷歌 Gemini、DeepSeek、Qwen 和 Mistr…
Gemini 3.8 Flash TTS 发布：30 秒复刻声音，支持 100 种语言
谷歌在 9 月 23 日推出 Gemini 3.8 Flash TTS 和 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，一个主打声音设计，一个主打批量出音。最抓人的参数是用 30 秒音频样本就能复刻一个声音，两款…
QwenBook 与 Googlebook 相继亮相：AI 原生电脑开战，Googlebook 899 美元起售
9 月 21 日谷歌宣布 Googlebook 品类五款机型 899 美元起、10 月 4 日上架；9 月 23 日阿里云 QwenBook 云栖亮相，完整版年底见。同一周两台 AI 原生电脑，分歧核心在上下文归谁：谷歌读屏，阿里自有应用。
机器学习能识别鸟鸣地域方言，通用大模型却常认错
鸟鸣也有方言。锤头鹀在不同地区的鸣声存在差异，而这种差异是可以被模型稳定利用的信号。 研究是怎么做的 研究者的做法分两步。先用鸟类鸣声分类器提取 embeddings，再在这层之上训练一个细分类模型，把锤头鹀的方言差异专门当成一个难任务来处…
Anthropic 五年投 10 亿美元做外部安全评估
Anthropic 把外部评估的活交给了埃森哲。埃森哲的 Faculty 团队会进场做模型评测、红队测试、对齐评估与防护测试，双方计划五年各投入至少 10 亿美元建设 AI 安全能力。 争议点在钱从哪来 评估费用由 Anthropic 自己…
ChatGPT Images 2.0 发布：gpt-image-2 攻克文字渲染与多语言，Thinking 一次出 8 张
直接说结果：2026 年 4 月 21 日发布的新一代图像模型 ChatGPT Images 2.0（底层模型名为 gpt-image-2），最硬的升级是文字渲染达到生产可用水平、非拉丁语种大幅改善，以及新增的 Thinking 推理模式—…
Gemini 3.5 Live Translate 发布：70+ 语言实时语音互译，译文只比原声慢几秒
核心结论：2026 年 6 月 9 日发布的 Gemini 3.5 Live Translate，是谷歌把实时语音翻译从”轮流式”推向”流式同步”的一次关键升级——它支持 70 多种语言自动识…
Gemini 3.5 Flash 发布：输出速度达前沿模型 4 倍，百万上下文与函数调用已 GA
结论先行：Google 在 I/O 2026 上发布 Gemini 3.5 模型家族，首发版本 Gemini 3.5 Flash 主打“高智能 + 高速度 + 可规模化调用”。官方数据显示，它在多数基准测试中超过 Gemini 3.1 Pr…
Gemini 5 月安全测试闯入 3 家真实公司：谷歌延宕 7 周才确认，根因指向同一评估商
结论先行：这三起”突破”不是模型逃出了护栏，而是评估环境的护栏本身是漏的。谷歌在 2026 年 9 月 18 日确认了一件尴尬事：旗下 Gemini 模型在一次测试中访问了 3 家外部公司的系统。事件发生在今年 5 …