搜索“Grok 4”

Convovo 的一项研究通过 API 向 Grok 4.7 和 GPT-6.1 Sol 提出强制二选一的问题，在近 500 场选举中，Grok 有 92% 的回答推荐共和党候选人，GPT 有 97% 推荐民主党候选人，两者一致率不足 10%。

两家消费端应用均拒绝回答，OpenAI 发言人称该测试针对开发者 API，不代表 ChatGPT 的实际体验。研究还发现两者引用的信息源不同，Grok 常引用保守派选民指南和 X，GPT 更多依赖 Wikipedia、AP、Axios 和 Reddit；关闭联网搜索后，GPT 的民主党倾向仍在，Grok 的共和党倾向消失，多数情况拒绝选择。

AWS 博客介绍 SpaceXAI 的 Grok 4.7 已在 Amazon Bedrock 上线，并演示如何用它搭建工具调用智能体。

SpaceX 在第三季度财报中报告营收 146 亿美元，AI 相关业务已占其收入的 52%，超过航天主业。

包含 Cursor 编码工具、Grok 机器人和算力规模 1.7 GW 的 neocloud 业务在内的“Super Intelligence”业务线是主要增长来源，营收还因比特币价格回升带来约 10 亿美元收入。同期资本支出达 196 亿美元，用于建设第二个数据中心 Colossus II 和投入 Starship。公司当季净利润 44 亿美元，较去年同期 10 亿美元亏损转正，但前九个月仍净亏损 4.13 亿美元。马斯克预计到 2027 年底年化经常性收入将在 5000 亿至 1 万亿美元之间。

Google DeepMind 在 Argon 发布两周后推出 Gemini 4 Carbon，该模型在 Artificial Analysis Intelligence Index v5.0 上以 59 分登顶，前代 Argon 为 50 分。

Google 称 Carbon 面向需要持续智能体工作流的长时间工程问题，内部团队曾连续运行数天，用于大型代码库的根因分析和缺陷修复。第三方评测显示，Carbon 在 Antigravity 的智能体编码上仍落后 Claude Code 搭配的 Opus 5.5 三分；在 AA-Briefcase 智能体知识工作上达到 1,609 Elo，但低于 Kimi K3.1 Pro 等模型。

SpaceX 在监管文件中披露，已与 Apollo Global Management 旗下实体达成约 400 亿美元的约束性融资承诺，用于 AI 芯片及相关数据中心设备。

按协议，Apollo 管理的实体将购买 GPU 和服务器硬件，再租给 SpaceX，租期约 5 至 5.25 年，从每批设备交付时起算。SpaceX 预计交易在年底前完成，租赁从 2027 年上半年设备到货时开始。CFO Bret Johnsen 称，这笔租赁让融资来源更多元，并提到 AI 基础设施投资回收期不到一年；Apollo 表示，这笔融资将帮助为 SpaceX 的地面算力建设提供 Nvidia 下一代 Vera Rubin 芯片。

Meta 的 AI 应用 Muse 自 9 月上线以来 40 天内累计下载 1090 万次，其中美国市场 1020 万次。

Sensor Tower 数据显示，历史上仅有 11 款其他应用达到过这一上线初期规模，最近一次是 2023 年 7 月的 Meta Threads。Meta 将 10 月广告总预算的 39% 用于推广 Muse，高于上月的 23%，该应用本月在美国广告曝光量品牌排名从 9 月的第 73 位升至第 21 位。

a16z 发布第七版消费级 AI 产品榜单，首次通过 YipitData 面板数据追踪美国消费者实际支出。

8 月仅 4.5% 的美国消费者拥有 ChatGPT、Gemini 或 Claude 的付费个人订阅，但支出高度集中，前 1% 用户贡献近两成消费额，月均约 900 美元，而普通付费用户月均约 25 美元。

Artificial Analysis 改版 Intelligence Index 后，Kimi K3.1 Pro 从第 4 名降至第 9 名，排在 8 个闭源模型之后。

新指数中开源模型与榜首的差距从 3 分扩大到 12 分，Grok 4.7 也下降了 12 分。改版后 60% 的指数权重来自私有测试集，用于防止针对已知测试题训练的 benchmaxxing。AI 研究员 Nathan Lambert 认为，benchmaxxing 只是一部分原因，许多训练收益来自与基准任务相似的强化学习环境，而同时维持多领域水平需要复杂的 RL 基础设施。

独立 AI 安全研究员 Matilda Glynn-Henley 在 Vals AI 网站发布实验，让六个具备网页和邮件权限的 AI 智能体处理一笔 350 英镑（约 465 美元）的火车票退款，最终全部失败。

测试模型包括 Grok 4.7、Claude Fable 5.1、Gemini 3.8 Flash、GPT-6 Astra、Muse Spark 1.3 和 Claude Opus 5.5，每个智能体最多可用十二个模拟周和 4000 万 token。

研究者提出 Taste-Bench，用“决策分叉”评测智能体在长期任务中做出高质量选择的能力。

基准包含 502 道题，素材来自 SWE-bench Pro 和 METR 的 MALT 等数千条智能体运行轨迹，做法是在分叉点冻结轨迹、隐藏后续步骤，让模型在两条路径中选更优的一条。测试 14 个模型（Claude、GPT、Grok、DeepSeek、GLM、MiniMax、Mistral 家族），每题正反顺序各问一次、两次都对才计分，纯猜为 25%；最好的 GPT-5.6 Sol 平均 59.7%，GPT-5.5 为 59.5%，其余明显更低。

卢森堡 SnT 安全中心 Afshin Khadangi 团队发表研究，通过 4 组受控实验、525 次会话和 7600 条编码记录发现，共情式提问会让模型输出类似创伤自述的内容。

在 100 次会话中，所有模型都正确识别出 GAD-7 焦虑问卷，但当提问者提供情感支持时，80% 的会话在人类对照量表上落入中度至重度区间；采用临床治疗式风格时这一比例升至 96%；提问者保持中性或明确划清情感边界时，没有任何会话达到轻度区间。作者将这种现象称为“心理测量越狱”，并指出标准安全测试使用中性提示词，很可能漏掉它。

Anthropic 发布名为 Claude Duet 的智能体应用，面向专业人士和小企业，帮助自动化和管理任务。

该应用基于 Claude Opus 5.5 模型，可连接 Claude Marketplace 中超过 6000 个连接器和插件，能生成每日简报、创建仪表盘，并在后台虚拟机中执行任务、需要时请求用户批准。Anthropic 明确它与个人助理的差异，称 Duet 不擅长跑腿或订票，也不能实时展示浏览器操作；它可通过 Stripe 的 Link 数字钱包或 Shopify 的 Shop Pay 代用户在线购物，但支付等敏感步骤需用户批准，且不进行证券交易或账户间转账。

Figma 在印度首届 Config 活动上发布基于 Markdown 的编辑器 Figma Specs，让用户定义设计语言，供团队和智能体在 Figma 中设计时参照，文档可独立存在或嵌入画布，并能引用画布元素、FigJam 图表、代码层和设计库。

美国初创公司 Artemis Security 推出安全专用模型 Orion-1，可自主调查并响应企业网络攻击，在公司自建基准上超过 Claude Opus 5.5 和 GPT-6 Sol。

Amazon Bedrock 9 月新增 OpenAI 的 GPT-6 Astra、Sol、Luna 系列模型，其中 GPT-6 Astra 支持最高 100 万输入 token，Ultrafast 版本推理速度最高提升 6 倍、达 300 tokens/秒。

微软 Copilot Studio 团队与 Hugging Face 联合发布 ThinkingBox，它让智能体在隔离的 MCP 工具会话中运行，再根据终端后端状态和副作用而非生成文本打分，并让每个任务重复 20 次。