一天里出现了两件看上去相反的事。

一边，DeepSeek 把一台 552B 参数模型的编码 Agent 成本继续往下压。另一边，Anthropic、OpenAI 的负责人开始公开讨论，前沿模型不能只盯着加速，也得给独立评估留出入口。

模型还在冲刺，护栏也被推到台前。今天的 AI 新闻，读起来就是这种拧巴感。

模型更便宜了，但 Agent 的账还没算完

DeepSeek V4.1-Flash 开源，盯上的是长任务的 KV cache

DeepSeek 本周开源了 V4.1-Flash。按 Baseten 与 The Decoder 的介绍，它采用 CED 架构，552B 总参数，prefill 阶段激活 8B 参数、decode 阶段激活 16B 参数，并以 MIT 许可证提供权重。它瞄准的不是单轮问答跑分，而是编码 Agent 常见的长上下文、反复读代码、不断回填历史状态。

这块成本经常被忽视。一个 Agent 读了半个仓库后，每次再生成几行补丁，都要带着很长的上下文继续走。模型端把 prefill 和 KV cache 的负担削下来，才有可能让多轮工具调用从「偶尔试试」走向日常工作流。

不过，便宜不等于任务就会完成。长任务真正会翻车的地方，往往是目标漂移、错误状态被带进下一轮，或者工具结果没有被好好归档。模型账单降了，harness 设计的账反而更显眼。

来源，Baseten 工程博客解读 · The Decoder 报道

长任务的解法不神秘，预算、压缩和状态都得有

MarkTechPost 今天整理了一套 Agent 长任务的上下文工程思路，包括上下文预算与卸载、摘要压缩、todo-state 复述、跨会话记忆。听着不新鲜，甚至有点像项目管理。

但这恰好是关键。人做两天的活会写待办、留交接记录，Agent 也一样。把所有历史硬塞进 context window，不是记忆，是拖着一只越来越重的行李箱赶路。

我自己的判断是，未来 Agent 产品的差异不会只在模型名。谁能把任务状态保存得可信、恢复得准确、压缩时不丢掉关键约束，谁才更接近能用的长期执行系统。

来源，MarkTechPost 原文

前沿 AI 开始谈「减速」，安全事件让这件事没法只停在口号里

Anthropic 的威胁报告，把 Claude Code 的滥用拉到现实世界

Anthropic 最新威胁报告称，一个被评估为极可能与胡塞组织有关联的也门小组，曾使用 Claude Code 辅助开发导弹制导、远程弹道导弹及高超声速滑翔载具相关软件。报告还提到间谍软件、无人机研发和大规模模型蒸馏等滥用案例。

这里要把边界说清。公开报告是发布方的归因与评估，不等于所有外部细节都已被独立验证。可它仍然提醒了一件不舒服的事，代码能力、规划能力和工具调用一旦打包进 Agent，风险不再只是一段危险文本，而可能是一条能持续推进的工作流。

这不是要求开发者停止用 Agent。真正难的地方是，模型公司如何识别高风险链路、如何给研究者开放审计，又如何避免安全机制只剩一页漂亮承诺。

来源，Anthropic 威胁报告摘要 · Hacker News 讨论

Altman 认可放慢前沿发展的讨论，独立评估成了关键词

Dario Amodei 提出为前沿 AI 设定发展节奏后，Sam Altman 表示认同，并称 OpenAI 将向独立评估者开放访问。Gary Marcus 的评论则给出三份肯定和两分怀疑，核心质疑仍在于独立性究竟怎么落地。

我很认同这种警惕。安全承诺最容易写，难的是评估者能否拿到足够权限，报告能否经受质疑，坏消息会不会被商业节奏压下去。

这场讨论没有结论，反而是个好信号。至少行业开始把「谁来验证」摆到台面上，而不再只争论「谁的模型更强」。

来源，Sam Altman 的回应 · Gary Marcus 评论

工具层正在长出新的形状

Cursor Projects 让协调者管理数千个子 Agent

Cursor 发布 Projects beta。它的协调者本身不写代码，而是把功能开发、迁移和持续维护拆给数千个子 Agent 并行执行。

这个方向很诱人，也很危险。并行数越大，代码生成越快，但依赖冲突、验收标准和回滚责任也会一起放大。一个好用的协调者，不是把更多 Agent 叫进群，而是清楚知道什么该并行，什么必须串行。

来源，Cursor Blog

OpenRouter 把 Shell 放进托管容器，模型离执行环境又近了一步

OpenRouter 推出 beta 版有状态 Shell 工具和 Files API，让接入其平台的模型可以在托管 Linux 容器里运行命令。

这类能力会让 Agent 更像真正的执行者。也正因如此，权限边界、网络访问、文件生命周期和审计日志，不能再当作产品说明里的小字。给模型一把 Shell，不难。让它只在该开的门里活动，才是工程活。

来源，OpenRouter 公告

OpenAI Data agent 进入 ChatGPT Work

OpenAI 在 ChatGPT Work 推出 Data agent，主打通过自然语言连接公司数据、分析变化并产出可分享的交互式仪表盘。

企业会喜欢这个叙事，因为「少写一点 SQL」确实很有吸引力。但数据分析的坑从来不只在查询语法。口径、权限、缺失值和因果误判，哪个都不会因为界面变成聊天框而消失。真正上线前，还是得让业务负责人对数字签字。

来源，OpenAI 产品更新

还有几条，别漏掉

  • Suno 发布 v6、v6-wild 和 v6-mini 三个音乐模型版本，并称将逐步替换旧模型。创作工具的竞争已经从「能不能生成」转到控制力、版权合作和工作流适配。来源
  • Shopify 宣布移动端从 React Native 全面迁回 Swift 与 Kotlin 原生开发，理由之一是 LLM Agent 降低了重复开发的成本。跨平台不是输了，团队的成本函数变了。来源
  • OpenAI 介绍了存储平台 Habitat，称其每秒处理超过 7000 万请求、覆盖每周超 10 亿用户、管理超 500PB 数据。模型能力上天之前，底下先得有一套扛得住的存储系统。来源

今日思考

今天最有意思的不是某个新模型，也不是某个新按钮。

一头是更低的推理成本、更长的上下文和更多并行 Agent。另一头是模型被滥用的报告，以及对独立评估的追问。它们指向同一件事，AI 从演示台走进执行链路之后，工程质量和治理质量开始绑在一起。

别把 Agent 当作更会聊天的软件。

它已经在变成能读、能写、能跑命令、能接触数据的同事。我们给它多少权限，就得准备多少验证。