标签： GPT-4

谷歌开源ARTEMIS：自然语言操控安卓真机，AndroidWorld完成率超99%

谷歌开源了安卓自动化 Agent 项目 ARTEMIS，用自然语言就能指挥 AI 操作真实手机；它在谷歌 AndroidWorld 基准上完成率超过 99%，并原生提供 MCP Server 与 Python SDK，移动端 UI 自动化的脚本编写环节可能被大幅压缩。

OpenAI 推出由 GPT-6 Astra 驱动的个人云端机器人 ChatGPT dots，能在后台持续负责多步骤任务并主动对照资料发现不一致；2026 年 10 月公开的社区案例显示，它会提前找到演示稿中页码数据冲突并提醒确认。

Sakana AI 发布 TMLR 论文《Beyond Imitation》，提出用多智能体审稿系统在论文中主动找错，在自建的 Contradiction Benchmark 上核心论点错误检出率达 73.43%。这为 AI 审稿从“模仿人类评审”转向“验证论文结论”提供了可参考的工程方案。

alphaXiv 上公开的一篇论文提出 BrickBench，用 300 条提示词评测 AI 代理设计乐高模型的能力，发现主流模型能满足可搭建性，但设计水平仍明显落后于人类。

2026年10月，社交平台X用户@NFT_Chen发布了一套针对Qwen3.8-27B的社区强化训练方案，声称通过390万条代码专项后训练与推理压缩技术，让这款27B模型在LiveCodeBench等基准上接近Opus 5.5、GPT-6 Astra等更大规模闭源模型的表现。

OpenAI在DevDay开发者大会上推出中端模型GPT-6.1 Sol，官方称其在代理编程、计算机使用和专业工作场景中接近旗舰GPT-6 Astra的水平，但每token价格仅为后者的五分之一，同时发布常驻个人代理Dots。

OpenAI 在 9 月 29 日开发者日发布 Dot、计算机操作和 Agents API 等能力，其 API 团队受 Jev 启发，约一周做出可运行的 Decisions API 原型，并披露智能体排错、提速与安全把关等关键细节。

扩散智能 DiffuSpace 连续完成两轮共数亿元人民币融资，创全球扩散语言模型（dLLM）最大规模融资纪录，并计划近期发布并开源新一代更大参数规模模型。

Hugging Face Papers 收录的论文提出 RISEBench++ 基准和 RISE-Agent 框架，专门评测“需要推理才能做对”的视觉编辑任务；在 58 个方法中，最强模型准确率也只有 56.6%，说明当前图像编辑模型在复杂指令理解上仍有明显短板。

OpenAI 研究负责人 2026 年 10 月 9 日公开回应三名员工离职争议，称解雇原因是违反敏感信息处理政策，而非他们提出安全担忧，同时预告将公布第三方安全评估机构合作细节。