科技剪报2026-10-14

科技剪报 · 2026-10-14

整理：henri

本期收录Gemini 4 Argon的团队试用、金融智能体的权限设计、跨周任务和机器人实践，另有AI健康咨询案例、企业投入回报及软件容灾设计。

模型评测

Every的六名成员用一周时间测试Gemini 4 Argon，任务包括编程、写作、设计和知识工作，也尝试用摄像头制作心率测量应用。团队认为模型能力已有明显进步，同时指出桌面应用和执行工具仍影响使用体验。

Latent Space整理OpenAI、Anthropic、Two Sigma和Bloomberg在金融智能体上的做法：让数字来源可追溯，把身份、权限和执行检查放进系统，并只将关键请求交给人工审批。几家的共同问题是如何分配自动执行与人工判断，避免频繁审批使审核流于形式。

a16z讨论能持续数周乃至数月的智能体任务，例如跟进保险理赔、房贷交割和法律案件准备。作者预计，智能体可以连接不同阶段的材料与交接，减少遗漏；如果服务能推动最终成交或赔付，供应商的收费也可能从节省工时转向分享业务成果。

Dyna Robotics首席科学家Jason Ma介绍Dyna-2如何结合未来视频预测与机器人动作学习，目标是在真实环境中持续执行长时间任务。团队以叠餐巾等部署案例说明训练数据、出错恢复和硬件设计的重要性，并称其机器人曾连续工作24小时，叠餐巾成功率达99.4%。

Slow AI讲述一名男子咨询ChatGPT后，用溴化钠替代食盐连续食用三个月，最终因溴中毒出现幻觉并住院的病例。文章从当事人如何理解回答并自行采取行动的过程，讨论AI健康咨询中的风险。

Gary Marcus引用The Information对一项研究的报道，讨论企业投入AI后仍难以确认可观、可衡量的财务回报。他质疑早期关于生产力和经济增长的乐观预期，并将这些预期与目前可记录的收益作比较。

The Pragmatic Engineer摘录Sam Newman的新书，讨论灾难恢复和AI软件的可靠性设计。内容包括备份、故障切换、恢复目标，以及模型供应商停机、模型行为变化和算力短缺时的应对方法；书中也介绍多模型、多供应商与成本监测等安排。