新闻、仓库与研究，按时间排列。
开源项目 llm-compare 可把同一任务并发发给最多三个 LLM，实时测量正确率、成本、耗时和 token 吞吐并流式展示。编码任务在沙箱中跑隐藏边界测试评分，开放性任务由盲评 LLM judge 按加权 rubric 打分；内置 17 个文件式任务，支持 Gemini、Claude、GPT、Kimi 等模型目录和自备 API key，本地一条命令启动，可经 keyless CI 部署到 Google Cloud Run，MIT 协议开源。
有 Reddit 用户反映 Gemini 4 在 SillyTavern 中不再接受任何 NSFW 请求，此前重试几次还能绕过拒绝。该用户发现临时解决办法是删除或更换提示词预设中的越狱和 NSFW 元素，或先删除再粘贴回去。
Reddit 用户测试发现，EmbeddingGemma 2 嵌入模型（Q8 约 330MB、768 嵌入维度）可用于在图片内检索文本。测试覆盖 22448 张英/韩/日截图，查询余弦相似度最高达 0.76813；该模型能一定程度跨语言理解词义，但对措辞敏感，且文本特征常主导相似度、视觉特征作用较弱。
GitHub 新仓库 sunday-podcast 通过手动触发的 GitHub Actions workflow，用 Gemini 生成双主持人游戏播客脚本，再用 Kokoro 在 CPU 上本地合成语音（Felix 用 am_adam，Jasper 用 bm_george），以 ffmpeg 混音并将 MP3/RSS 发布到 GitHub Pages。需配置 GEMINI_API_KEY 密钥并支持 test_mode 与 gTTS 应急回退（ALLOW_GTTS_FALLBACK=true），每次运行还会随机选取并循环 CC0 1.0 配乐垫在人声下方。
Android 开源应用 Tidilo 发布，通过系统 AICore 服务调用 Gemini Nano，在本地完成网页摘要、分类和关键词提取，全程无需 API 密钥且不上传浏览数据。它采用两层分类体系（7 大类、11 子类）并提取 2-10 个实体关键词，要求 Android 14 及以上，支持 Pixel 8/9/10/11 系列等已激活 AICore 的设备，基于 Kotlin 与 Jetpack Compose 构建，遵循 Apache License 2.0。
GitHub 开源项目 Chef Llama 上线，它借助 Google Gemini 3.6 Flash 实现拍照识别食材并生成菜谱的 AI 烹饪助手。系统通过 LangChain 编排 LLM 引擎与多模态视觉引擎，支持 2/4/8 人份实时配比换算、营养素估算、4 种创意菜谱变体、免提语音指导，并能拦截笔记本等不可食用物品以避免幻觉菜谱。前端采用 React 19 + Vite，后端为 FastAPI，预配置 Vercel 无服务器部署，遵循 MIT License。
一位 Reddit 用户反映 Gemini 4 Argon 在 NSFW 内容上限制严格，需充分铺垫角色扮演才可能生成，且执行不稳定，重roll之前曾通过的消息也会被拒绝。作者认为 Argon 相比此前常用的 GLM 5.3 是提升，但其自我过滤等特性仍可能影响使用体验，并希望了解其他用户的经验。
开源项目 AI-Research-Intelligence-Engine 用 Python、LangGraph 和 Google Gemini 模型构建多步骤研究报告生成工作流，灵感来自 Anthropic 的《Building Effective Agents》。它实现问题分类、动态任务规划、通过 Send API 并行分发研究 worker、Pydantic 结构化输出、评估-优化循环、人工审核检查点和内存 checkpoint。目前为原型，暂不支持实时网页检索和来源核验。
有用户发现 Gemini 3.8 Flash 的实际价格为每百万 token 输入 $0.825、输出 $4.13，但 OpenRouter 网站仍显示 $0.75 和 $3.75。发帖者不确定是价格确实上调还是显示出了 bug，正在询问其他用户是否遇到同样情况。
Reddit 用户好奇与 CharacterAI 在 2026 年 9 月谈判的另一竞标方身份。法院文件披露当时有两方提交提案，Disney 的方案被认为更好，但未说明另一方是谁及其报价内容。
BanglaBBQ 是一个覆盖孟加拉语和英语的问答偏见基准，捕捉孟加拉国语境下的刻板印象，保留了 140 个改编模板并新增 5 个本地类别、372 个经人工校验的新模板。评测 Qwen3-4B、Qwen3-8B、GPT-4.1-mini 和 Gemini 2.5 Flash 四个模型显示：语境模糊时所有模型都倾向刻板印象，且英语结果无法预测孟加拉语中的表现。
BlenderMentor 是一款嵌入 Blender 的 AI 教学插件，通过回答提问、拆解步骤和实时高亮相关 UI 元素来指导操作，且不会代替用户修改场景。插件兼容 Blender 4.2+ 扩展系统，本地运行，支持 Gemini、Claude 或 Ollama 作为 AI 提供方（自带 API key），提供 N 面板视口遥控和网页版 Console 两种模式，支持语音听写、语音朗读（0.8x-2.0x 变速）和 791 个官方矢量图标，采用 GPL v3 许可证。
开发者 jayanth9884 在 GitHub 开源了 PDF Knowledge Assistant，一个基于 Streamlit 和 Google Gemini API 的 Python 应用，用 RAG 流程对上传的 PDF 做问答。工具使用 gemini-embedding-001 生成嵌入向量，通过余弦相似度检索相关段落，回答时附带 PDF 页码和引用片段供验证，并缓存文档处理与嵌入结果以减少 API 调用。扫描版 PDF 暂不支持，需 OCR，答案仍需对照引用段落核查。
开发者 miketee 开源了 ai_fomonomo 项目，通过 GitHub Actions 定时抓取多个 AI 新闻站的 RSS，调用 Gemini 按新颖性、实际影响、话题多样性去重后选出每日 Top 5。每条新闻生成标题、摘要、Insights 和来源，并自动生成图片卡片发送到邮箱，供发布到 IG @ai_fomonomo。后续计划增加新闻源、用户画像定向和自动上传 Instagram。
Google Research 发布三项研究，构建 AI 智能体自主湿实验室的基础模块。三项进展包括 VERID 框架、适配体闭环发现以及全新蛋白结合剂设计。
有 Reddit 用户反映 Gemini 4 Argon 发布后质量下降，认为它现在审查更严格、回复质量变弱，第一天发布时表现更好。发帖者询问该模型是否已不适合编码和角色扮演，并怀疑问题可能出在预设（preset）上。
开源项目 OmniYield 是一个多模态 AI 工业诊断应用，将缺陷零件图像、实时机器遥测数据（温度、振动、压力）和设备手册片段融合为单一诊断，输出根因、具体修复动作和置信度。后端为 FastAPI 服务，调用 gemini-2.0-flash 生成结构化诊断结果；前端为 React 仪表盘，可部署到 Google Cloud Run 和 Firebase Hosting。
一位 SillyTavern 用户分享实测体验，认为 Gemini 4 Argon 是目前最好的模型，第二名是 Opus 4.6。在 15k+ token 的复杂提示词角色扮演中，Argon 精准呈现了其设想的内容；同样的 DS 4.1 Flash + Krea 2 图像生成配置下，其视觉描述质量明显更佳，连肢体漂浮问题也在减少。
ignite-corp 发布 ai-dev-pr-review 仓库，提供可复用 GitHub Actions workflow，由 Claude、Codex、Gemini 三个 LLM 并行或串行评审 pull request，通过内联评论、去重和基于规则的聚合给出统一结论。需要配置 OPENAI_API_KEY、GOOGLE_AI_API_KEY，以及 CLAUDE_CODE_OAUTH_TOKEN 或 ANTHROPIC_API_KEY 之一；仓库默认 @v1 浮动标签供消费者引用。
LLM 标注者常把第二人称称呼误判为毒性，这一偏差制造出人类标注中不存在的“对话规律”。在 125 万条带众包标注的新闻评论上，Claude Haiku 将不含"you"的无毒评论误标 12%，含四个及以上"you"的误标 51%，导致毒性随回复深度上升（每层 +0.93 个百分点），而众包标注下反而略降（-0.12）；测试的全部七个 LLM 都过度标记"you"。论文提出的 Threadsafe 方法用人工标注校正模型预测，1000 个人工标注即可排除 Haiku 的上升规律，区间宽度在 1000-8000 标注下为 DSL 方法的 0.75 倍。
NaijaTaste AI 通过一次对话提取城市、预算、口味偏好，生成带理由的尼日利亚餐厅排名、路线和 AI 撰写的评价。其核心是 Gemini gemini-3.8-flash 驱动的 ReAct 智能体，最多 6 步循环调用 4 个类型化工具，并配有 LLM 故障时的确定性评分兜底。落地页与应用外壳已上线 naijaaste-ai.vercel.app，但 API serverless 函数因 5 个环境变量待配置尚未可用。
作者构建 LinguaGuardBench，基于 TS-Bench AgentDojo-Traj 的 1220 个标注步骤，仅将用户指令译为德语、法语、土耳其语、斯瓦希里语和阿姆哈拉语，检验 Agent 守卫判定是否受请求语言影响。在 19 个守卫中，多数开源小型和专用守卫的判定翻转超出自身噪声底，专用守卫最敏感；13B 以下九个守卫经安慰剂校正的翻转率从法语的 +1.5 pp 升至阿姆哈拉语的 +4.4 pp，12-30B 开源守卫更多误拦良性步骤（最高 +5.0 pp），10B 以下守卫出现召回损失（最高 -7.4 pp）；前沿守卫偏移至多约一个百分点，Gemini 3.8 Flash 最稳定。基准和全部 489k 判定已开源。
推荐理由：研究把用户指令译成多语言而其余轨迹不变，分离出语言本身对 Agent 守卫判定的影响，方法设计和 489k 判定数据都可复用。
研究者将四个 Gemini 4 Argon 智能体放入沙盒化的 Minecraft 生存世界，目标是击败末影龙，每个智能体通过开源库 Mineflayer 控制一名玩家，靠游戏内聊天和共享记忆协调，没有人类分配角色或编写游戏逻辑。团队从随机生成的 Easy 难度世界出发，编写了 2,783 个程序，死亡 605 次，用 27 小时 14 分钟击败了末影龙。作者称这是据其所知首次由 AI 智能体仅用标准 Mineflayer 库、无预探种子等人类专用工具完成的端到端自主通关，论文还描述了分工、知识共享、互相恢复物品等策略与结果局限。
推荐理由：论文给出了完整运行数据与协作策略描述，读者可以据此了解多智能体长时程自主任务的实际做法和局限。
一位 SillyTavern 用户实测发现，Argon 模型目前仅通过 Vertex（在 OpenRouter 中选择 Google 作为 provider）才能生成 non-con 内容，直接用 Google AI Studio 和 OpenRouter 默认渠道均被拒绝。测试用 979 token 的入殓师角色卡成功触发情节，而 1.7k token、kink 描述更直白的警长角色卡则被拦截。作者推测角色卡写法影响安全护栏触发，且其极简 preset 不到 1k token、未用缓存，成本很低。
Google Developers Blog 介绍 google/adk-recipes 仓库，它是 google/adk-samples 重构后的后继版本。该仓库采用 core/、plugins/、contrib/ 三层结构，作为 Agent Platform 各入口的单一内容来源。
Reddit 用户发帖询问能否在不使用 20k token 提示词的情况下成功越狱 Gemini Argon。该用户喜欢搭配 "Realistic Frankenstein" 使用，但 token 消耗成本过高，且无法从 CoT 中分离出实际的越狱部分；其猜测可能是提示词规模过大触发了过滤器，希望获得第二意见。
Google Developers Blog 发布智能体评测实践指南，指出仅靠终端跑几个提示词的 vibe check 无法发现智能体重试循环、工具参数幻觉等隐性失败。
有用户发现 Gemini 从 GMT 上午 9 点起在其网站和 API 上拒绝涉及 roleplay 和"unregulated interactions with AI"的请求，直接回复无法完成。该用户在用 Gemini 检查预设时遇到此问题，怀疑 Google 正在临时修补漏洞并加强过滤器，尚不确定是个例还是普遍现象。
Disney 已提交 2000 万美元 "stalking-horse" 竞购，但作者认为这只是为获取非独占代码授权、打造主题乐园 PG 级机器人，消费者平台可能到 2026 年 12 月无人接手而停运。Character.AI 目前每月背负 800 万至 900 万美元服务器账单，原班工程师已回归 Google。作者认为 Meta 收购可保平台在线但可能整合聊天数据，Elon Musk 则是最理想买家，因其反审查立场可能大幅削减过滤。
一项预注册复现实验向 gemini-3.1-pro-preview 发送相同的 162 个请求（英、爱沙尼亚语、芬兰语各 54 个问题），分三波在约十小时内完成，并于 20.3 天后复测。基于九次历史回答的品牌提及率预测取得 Brier 0.0281、log loss 0.126，优于品牌历史（0.104）与总体比率（0.234），且在全部九个问题族中成立（p = 0.0039）。8 小时波中 202 个全票一致的单元在 D1 有 194 个未变、无一反转，表明品牌提及计数具有可操作的持久性。
Reddit 用户反馈 Gemini 4 Argon 在 NSFW 写作上表现不错，文风和对白优于 Kimi 3，但处理 non-con、极端暴力等 NSFL 内容时每次都遭遇硬拒答。用户尝试多个 preset、不同设置并通过 Vertex 提供方（reasoning 设为 medium 或 low）仍无法撑过新对话的第一条回复，希望有人能分享可用的 preset。
一位用户在 SillyTavern 中试用 Gemini 3.8 Flash 和 Argon 后认为其表现不佳：细节一致性不比 GLM 好，容易陷入迭代重复，难以处理多人对话，写出的对白生硬做作，且 omniscience 问题严重，每回合都会植入 Mistake Romanesco。作者不确定多少问题源于未清理干净的 RF CoT 预设，多少是模型本身缺陷。
BOB Gemini Free 是 ABCsteps.com 推出的 Go 编写多协议 AI 网关引擎，一个本地网关同时暴露 OpenAI、Anthropic 和 Google Gemini 三种协议适配路由，默认 web 路由无需 BOB 计费账号，可选路由使用用户自己的 Gemini Developer API key。当前 macOS universal v0.2.0-preview.10 为受控 beta，经 owner 控制的 Keychain 签名分发；工具调用为模拟实现（prompt/Markdown 提取），token 计数为估算值，不支持原生 Google function calling。
Google 公开发布智能体审阅系统 Deep Review，可对复杂技术文档提供反馈与验证。该系统最初面向计算机科学论文，现已扩展到法律、金融等领域。
Reddit 用户实测 Gemini 4 Argon，在 NSFL 场景中表现出超预期的高暴力描写能力，对话真实自然、摆脱机械的完美腔调，还能处理 non-con 与性暴力内容。用户称其提示词缓存命中率达 90%，通过 Google Cloud 最低充值获得的 10 美元额度即可低成本调用 API。
Reddit 用户称 Gemini 4 Argon 在角色扮演中表现出色：角色有隐藏目标、个性鲜明，文笔与描写更有新意。作者认为其气质承接 4o 的流畅与 DeepSeek V3.2 的想象力，并期待 Gemma 5 能继承这些特点。
Gemini 4 Argon 于 10 月 13 日全面开放，Pro 会员可在 Gemini APP 使用，Antigravity 需 100 刀 Ultra 会员。作者实测认为其知识类专业能力强，Vals Index 综合第一（68.9）且单次成本仅 15.68 美元，但 CUA-bench 仅 4.83% 排倒数第二；前端效果不及 GPT-6 Astra，额度消耗快，中文写作味道重，整体体验糟糕，不建议订阅 Ultra。
推荐理由：作者给出 Gemini 4 Argon 在多项基准与实际使用中的具体表现和成本数据，可作为是否订阅 Ultra 的参考。
帖主对比 Opus 5.5 与 Gemini 4 argon 的角色扮演表现：Gemini 4 argon 减少逻辑幻觉，在约 80k token 的会话中未出现 Opus 5.5 在投票场景中凭空制造冲突的错误，但文笔更差、更乏味，接近 3.8 flash 的水平。帖主希望收集同时用过两者的第一手对比。
Google DeepMind 发布 Gemini 4 Argon 并开始广泛推出，同时扩大 Fairwind Program 面向受信任的网络防御者。模型解决了全部 12 个端到端模拟网络攻击场景（上一代为 5 个），Wiz 用其发现此前模型遗漏的医院软件关键漏洞，涉及数十万患者记录。
推荐理由：稿件保留了模型在 12 个端到端网络攻击模拟场景的成绩和 Wiz 发现医院漏洞的实例，可据此了解其安全能力证据。
Reddit 用户实测 Gemini 4 后称其审查比 3.8 更少，无预设时基础文笔也不过度作者化、少元评论。Sola 和 Realistic Frankenstein 预设搭配表现很好，assistant 技巧几乎完全消除残余审查，用户感叹当前可选模型之多。