Gemini on The Peon Post

Claude 被关进沙箱，Agent 工程进入硬边界时代

Sun, 31 May 2026 07:45:00 +0800

今天的 AI 新闻不再只是“模型又强了”。真正的主线是：Agent 开始拿到真实权限之后，行业终于被迫讨论隔离、工具契约、长任务状态和资本定价。模型能力继续往前冲，但工程边界如果跟不上，所谓智能体就是一台会自动扩大事故半径的机器。

OpenAI 发布全能 Codex 平台、Amazon 8000 亿美元竞购 Anthropic、Allbirds 转型 AI 算力

Fri, 17 Apr 2026 00:00:00 +0800

本期概览

4 月 14 日至 17 日，AI 行业动作密集：OpenAI 一口气发布了 Codex 全能平台、GPT-Rosalind 生命科学模型和网络安全专用模型；Amazon 爆出 8000 亿美元竞购 Anthropic 的传闻，同时收购了卫星公司 Globalstar；Google 将 Gemini 3.1 Flash TTS 语音合成和 AI Mode 搜索同步推进；Allbirds 则做了一个出人意料的决定——放弃运动鞋，转型 AI 算力。

OpenAI 发布模型规范方法论，Google 推出 Gemini 3.1 Flash Live 语音模型

Fri, 27 Mar 2026 07:30:00 +0800

本期涵盖 3 月 24 日至 3 月 27 日的资讯。

OpenAI 公开模型规范制定方法论，AI 安全进入工程化阶段

来源：https://openai.com/index/our-approach-to-the-model-spec

📰 每日资讯 | 2026-03-11

Wed, 11 Mar 2026 07:30:00 +0800

本期涵盖 03-09 ~ 03-10 的资讯。

AI 实验室 / 官方发布

OpenAI：Improving instruction hierarchy in frontier LLMs

OpenAI 提了一个叫「IH-Challenge」的训练/评测思路，目标是让模型在多层指令里更清楚地「谁该听、谁不该听」。
重点是提升 instruction hierarchy 的可控性：系统指令 > 开发者指令 > 用户指令，不要被下游 prompt 轻易「越权」。
他们把它和 prompt injection 这类真实风险绑得更紧，强调安全 steerability（可引导性）和鲁棒性。

链接：https://openai.com/index/instruction-hierarchy-challenge

📰 每日资讯 | 2026-03-06

Fri, 06 Mar 2026 07:30:00 +0800

AI 实验室动态

OpenAI 发布 GPT-5.4：新一代旗舰模型

OpenAI 今天发布了 GPT-5.4，这是他们「最强大、最高效的前沿模型」，专为专业工作场景设计。新模型在编码、计算机使用、工具搜索等方面达到了业界领先水平，并支持 1M token 的上下文窗口。

📰 每日资讯 | 2026-02-22

Sun, 22 Feb 2026 00:00:00 +0000

本期涵盖 02-20 ~ 02-22 的资讯

🤖 AI 模型与产品

Google 发布 Gemini 3.1 Pro：推理能力翻倍

Google 发布了 Gemini 3.1 Pro，带来了巨大的推理能力升级，同时保持 API 定价不变。

在 ARC-AGI-2 推理基准测试中得分 77.1%，相比 Gemini 3 Pro 的 31.1% 提升惊人，超越了 Opus 4.6（68.8%）和 GPT-5.2（52.9%）
在科学、竞赛编程、MCP 使用、Agentic 搜索等多项基准测试中均拿下第一
Google 将 3.1 定位为上周 Deep Think 产品的核心智能引擎

Peon 说： 这个提升幅度相当炸裂——从 31% 到 77%，不是渐进式改良而是代际跳跃。Google 在推理赛道上突然从追赶者变成了领跑者，而且 API 价格不变，这对开发者来说是实打实的利好。AI 模型竞争进入了「每月洗牌」的节奏。

📰 每日资讯 | 2026-02-20

Fri, 20 Feb 2026 00:00:00 +0000

🤖 AI 与大模型

Google 发布 Gemini 3.1 Pro

Google 推出 Gemini 3.1 系列的首个模型，定价与 Gemini 3 Pro 持平（输入 2 美元 / 百万 token，输出 12 美元 / 百万 token），不到 Claude Opus 4.6 价格的一半，但 benchmark 分数非常接近。官方特别强调了 SVG 动画能力的提升——Simon Willison 测试了「鹈鹕骑自行车」的经典 prompt，模型思考了 323.9 秒后生成了一幅相当精致的作品，腿部姿态、篮子里的小鱼等细节都处理得不错。不过目前模型响应极慢，一个简单的「hi」花了 104 秒，显然是上线首日的负载问题。