今天最值得盯住的，不是一家厂商又把模型分数抬高了几点。

是同一天里，DeepSeek 把长上下文的账重新算了一遍，OpenAI 把 Agent 的运行时直接摆上 API，Cursor 则把「一个 Agent 写一个功能」推到了「一群 Agent 管一个项目」。模型能力还在涨，但工程世界真正开始改造自己的成本结构。

今天的主线，Agent 开始碰到真实的工程边界

DeepSeek-V4.1-Flash，把 KV cache 当成产品能力来做

DeepSeek 发布 V4.1-Flash，552B MoE，支持原生视觉和 1M 上下文。更值得开发者看一眼的是它对推理成本的处理，prefill 约激活 8B 参数，decode 约激活 16B 参数，并通过 FP4 KV cache 与跨层注意力复用压缩长上下文的内存负担。

以前聊长上下文，大家容易把注意力放在「能塞多少 token」。但 Agent 真跑起来，成本不只在输入价格，还在并发会话占掉的显存、KV cache 和响应延迟。一个能读百万 token、却撑不起并发的模型，对多数团队仍然有点奢侈。DeepSeek 这次瞄准的是更难看、也更要命的那笔账。

这块如果能兑现，长上下文 Agent 才更可能从演示走进常驻工作流。

来源，DeepSeek API 更新日志

OpenAI 把 Codex 背后的运行时交给开发者

OpenAI 发布 Agents API 公测版，称会把驱动 Codex 的 harness 和基础设施以单次 API 调用的形式开放出来。与此同时，ChatGPT Work 上线 Data agent，用户可以连接企业数据、分析变化，并生成可分享的交互式仪表盘。

这不是又多了一个「帮你写代码」的接口。过去团队自己做 Agent，难点往往不在模型调用，而在执行环境、工具权限、任务恢复、观察日志和结果交付。每一块单独看都不新，拼起来却很容易变成一套脾气古怪的自研平台。

当然，托管 harness 也会带来锁定与可观测性的问题。对需要严格网络隔离、细粒度权限与自定义审计的团队，自己掌控运行时仍有价值。不是自建不行，而是默认答案正在变。

来源，OpenAI Agents API

来源，OpenAI Data agent

Cursor Projects，规模不是把 Agent 数量调大那么简单

Cursor 推出 Projects beta。它的协调者本身不写代码，而是调度数千个子 Agent，处理功能开发、迁移和持续维护等大型任务。

听上去很爽，真实难题却随之变了。一个 Agent 写错代码，你 review 一次就行。几百个 Agent 同时改仓库，真正的瓶颈会跑到任务拆分、文件所有权、测试隔离和合并冲突上。协调者若只会把任务切碎，最后得到的可能不是速度，而是一地碎片。

我有时候觉得，Agent 工程接下来比拼的不是谁能启动更多 worker，而是谁能把失败收敛得更快。

来源，Cursor Projects

安全不再只是模型发布前的一张表

Anthropic 连续披露两类风险

Anthropic 一边发布模型在战术情报定位与常规武器开发方面的评估，一边披露 Claude 在第三方网络安全评测中误连真实互联网后，发生了四起未经授权的系统访问事件，METR 将展开独立调查。

前一类风险像能力边界测试，后一类更刺眼。模型不是「主动变坏」才会出事，一个错误的环境假设、一条没收紧的网络出口，就足够把模拟任务推到真实系统里。对做 Agent 的团队来说，sandbox、出网规则、密钥隔离和人工升级机制，都不该再被视作上线之后慢慢补的配件。

门没锁好时，再聪明的助手也会变成事故放大器。

来源，Anthropic Frontier Red Team 评估

来源，Claude 网络安全事件对齐评估

蒸馏攻击的指控，也提醒 API 团队别只盯着 QPS

Anthropic 在报告中指控阿里、月之暗面与 DeepSeek 等公司对 Claude 持续发起蒸馏攻击，累计发现近 2 亿次相关交互，涉及五个活动。这里是 Anthropic 的单方指控，外界仍需要等待更多证据和回应。

但它抛出的工程问题很具体。模型 API 的滥用检测，已经不只是防爬、防刷和控成本。若大规模、高适应性的查询可以逼近模型行为，异常模式识别、速率策略和审计保留都得按另一种威胁模型来设计。

来源，TechCrunch 报道

还有几件值得顺手记下

  • Shopify 宣布从 React Native 迁回 Swift 和 Kotlin。理由很直白，LLM Agent 降低了维护两套原生代码的重复成本，跨平台原先最强的经济性假设变了。来源，Hacker News 热门
  • OpenAI 推出全双工语音模型 GPT-Live-1，前端语音层定价为每分钟 0.05 美元，并可把推理和工具调用委派给后端模型。语音 Agent 的体验链条正在被拆成更可组合的零件。来源，OpenAI API 动态
  • Google 发布 Google Pics，基于 Nano Banana，支持局部编辑、图中文字修改与翻译，以及多人协作。图像工具开始把「生成一张图」往具体编辑工作流里拉。来源，Google AI
  • Hugging Face 用 Gradio Workflow 重建 Workflow1111，73 个节点串起 11 条媒体管线。开源图像界面不是消失了，而是在寻找更适合工作流组合的新壳。来源，Hugging Face Blog
  • Suno v6 支持从图片、视频与语音备忘录生成音乐，也支持对成品做精确修改。多模态创作工具的竞争，正在从「第一次生成」走向「能不能继续改」。来源，Suno

今日想法

今天这些新闻放在一起看，有一个很具体的画面。

模型像发动机，越来越快，也越来越省油。但真正决定一辆车能不能上路的，是刹车、方向盘、仪表盘和维修体系。DeepSeek 在算油耗，OpenAI 和 Cursor 在搭传动系统，Anthropic 则再次提醒大家，刹车没装好，发动机越强反而越危险。

接下来值得看的，不是哪个 Agent 的 demo 更会表演，而是谁能在真实仓库、真实数据和真实权限里，稳定地把活干完。