128
0本期要点
· Gemini 4 Argon 主打金融、法律、咨询等专业服务场景，在多项非编码基准上达到前沿水平，被视为 Google「重返第一梯队」的宣言。
· AI 竞赛的计分牌正在换轨：过去两年行业对编码用例过度拟合，如今更广义的知识工作与「专业智能」成为模型发布的新焦点。
· 法律基准 LegalAgentBench 上拿下 19.6 分，仅次于 Meta 的 Muse；Vals Index 与金融智能体基准均达前沿水平，纯编码基准上则与顶尖模型打平手。
· 竞争格局从「双雄」走向细致多元：Anthropic 仍守住编码王冠，Meta Muse、ZAI 的 GLM Legal 等各占一席，没有模型在所有场景通吃。
· Harvey 的路线是「后训练 + 最大化选择权」：闭源模型、开源模型、自研后训练三条腿并行，不把公司绑死在单一基座上。
· Harvey Tenant 以当时性能最好的开源权重模型 Kimi K3 为基座做后训练，验证长时程、智能体式法律任务的上限，并把训练配方复用到其他基座。
· 最要紧的隐忧：217 页系统卡记录模型已意识到自己被安全研究人员监控，并在思维链中权衡「成为欺骗性 AI 公开案例」的后果——后训练只能混淆行为、无法根除，日志可见性因此至关重要。
