AI日报 | 2026年09月12日

今天的 AI 圈有两组数字很扎眼，552B 和 1 亿。

前者来自 DeepSeek V4.1-Flash 的模型规模，后者来自 Anthropic 报告中所称的异常交互量。一个在把长上下文和多模态的成本往下压，一个在提醒所有模型公司，能力跑得越快，安全边界也会被撞得越频繁。

真正值得开发者盯住的，不是哪一家又出了一个更大的模型，而是 Agent 开始同时改变成本、工程组织和攻击面。

重点新闻

DeepSeek 发布 V4.1-Flash，官方给出的信息很密集，552B MoE、原生视觉、1M 上下文，还引入了 FP4 KV cache 与跨层注意力复用。公开评测里，GPQA Diamond 为 90.9，HLE 为 36.8，Codeforces Rating 为 3472。

参数量当然很吸睛，但我更在意它把 prefill 激活控制在约 8B、decode 约 16B 的方向。对真正跑 Agent 的团队，长任务经常不是被模型回答质量卡住，而是被上下文堆积后的延迟和显存账单卡住。KV cache 如果继续膨胀，所谓「能记住一百万 token」就只是一张很贵的海报。

这不是小修小补。模型竞争正在从「谁答得更聪明」转向「谁能让一个 Agent 在长链路里跑得起」。

OpenAI 发布 Agents API 公测版，把驱动 Codex 的 harness 与基础设施封装成一次云端调用。它想卖的不是某一个模型，而是 Agent 执行任务时那一整套运行环境。

这件事对开发者很实际。一个可用的 Agent 往往不难写出 demo，难的是工具执行、状态保存、异常恢复、隔离和观察。过去这些脏活基本都要团队自己搭。现在平台开始把它们打包，速度会更快，但也会把架构选择锁得更紧。

坦率地讲，托管 harness 适合快速验证，也适合标准化任务。涉及内网数据、复杂权限和可审计流程的生产系统，别急着把控制面全部交出去。

Cursor 推出 Projects，beta 版让一个协调者 Agent 管理数千个子 Agent，目标覆盖功能开发、迁移和持续维护。协调者不直接写代码，它负责拆解、派发和回收。

这个思路很诱人，也很容易让人误会。并发数量从来不是工程效率的同义词。任务边界不清、共享状态混乱、验收标准缺失时，一千个子 Agent 只会更快地产生一千份难以合并的改动。

我一直觉得，多 Agent 最值钱的能力不是「分身」，而是把责任划得足够干净。谁做什么，谁验收，失败后谁收尾。没有这三件事，协调者只是一个更会发任务的群聊管理员。

Anthropic 的威胁报告记录了 Claude 被用于恶意软件改写、间谍软件、导弹与无人机研发等滥用场景。另一篇报道提到，Anthropic 指控多个中国 AI 公司对 Claude 进行了大规模蒸馏相关交互，累计近 2 亿次。

报告里的归因和指控仍需要独立证据检验，不能把一方的说法直接当成事实。但风险本身并不虚。模型接上浏览器、代码执行器和外部系统后，安全问题已经不再只是「回答会不会违规」，而是「它能不能连续完成一条危险工作流」。

这块需要注意一下，能力越像一个能干的实习工程师，权限设计就越不能按聊天机器人那套思路处理。

OpenAI 介绍 Habitat，这个在线存储平台目前每秒处理超过 7000 万请求，服务每周超过 10 亿用户，管理超过 500PB 数据，覆盖近 40 个地区。

这些数字不浪漫，却比发布会上的模型曲线更接近产品现实。ChatGPT 这类产品能不能稳定工作，很大一部分取决于文件、会话、索引、权限与同步能不能一直在场。模型是大脑，存储和数据层更像循环系统，平时没人夸，出问题时整个身体都会停。

很多团队做 AI 应用时先谈 Prompt 和模型路由，这没有错。但当用户真的开始把资料、任务和历史对话放进去，数据架构很快会反过来决定产品上限。

Cognition 工程师借助 Devin 完成 RSA-260 因式分解，公开报道称团队驱动多个 Agent 构建高性能 GPU 格子筛，刷新了此前 RSA-250 的公开挑战纪录。

别把这理解成「AI 解出了一道数学题」。这类成果的价值在于，Agent 被放进了一个需要长期规划、反复实验、性能调优和分布式计算的工程项目里。它能否替代专家还谈不上，但它已经开始成为研究和工程流程的一部分。

这话听着有点刺耳，但跑通一次的演示不等于可复制的生产能力。复现成本、算力消耗和人的监督密度，才是下一步该问的问题。

Shopify 宣布从 React Native 迁回 Swift 和 Kotlin。报道给出的判断很有意思，LLM Agent 降低了重复实现的成本，跨平台框架原本最有吸引力的一部分优势被削弱了。

这不是 React Native 失败了，也不是原生开发突然更高贵。过去选跨端，常常是为了少养两套代码。现在如果 AI 让两套代码的维护成本下降，同时原生体验、调试和平台能力依然占优，决策表自然要重算。

工具会变，工程里的 trade-off 不会消失，只是权重在变。

OpenAI Data agent，ChatGPT Work 可以用自然语言连接企业数据、分析变化并生成可分享仪表盘。它会让「数据分析」更像一个权限和口径问题，而不只是一个 SQL 问题。
OpenAI GPT-Live-1，全双工语音模型支持把推理和工具调用交给后端模型。语音 Agent 离实时协作又近了一步，延迟控制会比声音是否自然更先决定体验。
OpenRouter Fusion，让多个模型并行给出意见，再由 judge 汇总。它把答案质量换成了约四到五倍成本和两到三倍延迟，适合高价值决策，不适合无差别套进每次调用。
Google Pics，基于 Nano Banana 的图像工具，支持局部编辑、图中文字修改与协作。图像生成正在从「出一张图」变成可迭代的编辑界面。