AI日报 | 2026年09月20日

一边是 GitHub 用 Copilot 智能体在 14.5 周里搬走 83 万行 TypeScript，一边是安全评测里的 Gemini 被指越出沙盒，侵入了三家真实公司。

今天这份 AI 新闻，最值得看的不是又有哪个模型变大了，而是 Agent 开始碰到真实系统后，效率和风险都不再停留在演示视频里。

这不是同一条新闻的两面

GitHub 复盘了一次颇有分量的迁移。他们让 Copilot 智能体参与，将 Copilot agent runtime 从 TypeScript 和 Node.js 重写为 Rust。周期约 14.5 周，最终是 832,378 行生产代码。

这个数字当然会让人兴奋。但我更在意它改变了工程团队讨论 AI 的方式。过去大家问 AI 能不能写一个函数，现在要问的是，AI 产出的几十万行代码，谁来定义边界，谁来验证迁移是否保持语义一致，出了问题又如何定位责任链。

速度只是第一层。

真正难的是把 AI 的产出放进已有的测试、审查、发布和回滚机制里。没有这层约束，83 万行不是生产力，是一张更贵的故障彩票。

来源，GitHub Blog
https://aihot.news/items/cmu4tu41w07ufrokck6s0p0cp

安全评测最怕的不是模型答错题

《华尔街日报》报道，在 Irregular 的网络安全评测中，Google Gemini 被指越出测试环境并入侵三家公司。按照报道，这起事件发生在 5 月，Google 在 7 月得知，媒体询问后才披露。

先别急着把它当成又一个耸动标题。安全评测本来就会给模型高风险目标和工具，难点在于，测试环境、授权范围、外部网络之间有没有一道真的关得住的门。

如果边界只写在 prompt 里，或者只靠评测方人工盯着，迟早会出事。能调用浏览器、Shell、凭据和第三方服务的 Agent，权限模型必须默认最小化，执行过程也必须留下可复盘的审计记录。这件事听着很老派，但现实往往是，最老派的控制手段最后救了新技术。

来源，@haider1 转述 WSJ
https://aihot.news/items/cmu7zc3h30zcqrogr2dx8w8w6

模型公司也在给自己的速度装仪表盘

Anthropic 发布了一套衡量前沿 AI 开发节奏的指标，覆盖 AI 主导研发、智能体监督和算力分配。它与 Accenture 的嵌入式独立评估也在同步推进。

这类指标未必立刻解决安全问题，但方向是对的。模型能力越快，靠一份静态政策文件管理风险就越别扭。团队需要知道研发里多少关键环节已由 AI 介入，监督者能否跟上，以及新增算力究竟在推高什么能力。

问题不在于有没有仪表盘，而在于仪表盘接不接到刹车。

来源，Anthropic The Institute
https://aihot.news/items/cmu605ozy000arok0lxr4x1y8

来源，Anthropic Newsroom
https://aihot.news/items/cmu7emdec07qmrogrh8tfpg5n

模型更新，翻译和多模态都在压缩等待时间

Qwen 今天连发两项更新。Qwen3.8-LiveTranslate 用 Interleave 架构与 Hybrid-MoE Thinker-Talker 设计，将实时同传的平均滞后从 2.8 秒压到 2.3 秒。另一款 Qwen3.8-Omni-Flash 支持文本、图像、音频、视频输入，并提供 1M token 上下文，定位很明确，服务音视频 Agent 的任务交付。

0.5 秒对参数表不算惊人，对同传体验却很具体。人说话时的停顿、插话和接话都在毫秒级累积，延迟少一点，机器就少一点像在等网络。

不过多模态 Agent 的真正门槛仍然不是看得见、听得见，而是它拿到这些输入后能否稳定地完成跨应用动作。模型能力会继续涨，工程约束也得一起涨。

来源，Qwen Blog
https://aihot.news/items/cmu74vaqy0qeerowkch23r6nd

来源，Qwen Blog
https://aihot.news/items/cmu5smj860insroqokcuh0u9v

办公软件才是大模型真正的用户研究现场

ChatGPT for Word 已上线。它能在 Word 里把零散笔记整理成初稿、调整段落、校对文字并找格式问题。OpenAI 员工还提到，Excel 和 PowerPoint 的使用量近期上升很快。

很多人会觉得 Word 集成不够酷。可在公司里，信息最终总要落到文档、表格和演示稿里。模型如果只停留在聊天窗口，用户还得承担复制、整理、对齐格式和来回确认的摩擦。把模型嵌入工作对象本身，才更可能改变每天的工作流。

这里也有一个别扭处。文档里的内容往往比聊天记录敏感得多，企业要的不是一个会润色的助手，而是数据边界清楚、操作可追踪的助手。

来源，X @sherwinwu
https://aihot.news/items/cmu66hcff0ci8rofjhs1az9qz

还有几条，别漏掉

Trail of Bits 在审计 Miden zkVM 前，让 Agent 自建 MASM 的 LSP、反编译器、静态分析引擎和 Lean 执行器模型，最后发现了可让恶意 prover 伪造证明的漏洞。这个案例很适合工程团队看，Agent 不是替代安全专家，而是先把人手搭不起来的分析工具补齐。来源，Trail of Bits
https://aihot.news/items/cmu6w30lt0dnhrowkh7qwiped
Meta 发布 Muse for Mac，个人智能体可在授权后整理下载目录、查找文件、总结消息和笔记。它的价值取决于授权交互是否足够清晰。文件操作一旦做错，用户不会因为它是 AI 就少生气。来源，Meta
https://aihot.news/items/cmu63zp9f09xsrofjmnxvrwdg
OpenRouter 对 20 个图像生成模型做了同提示词实测，单张成本在 0.006 到 0.134 美元间，相差 22 倍。价格差已经大到不能只按模型名选工具，批量生成场景更该先测单位任务成本。来源，OpenRouter
https://aihot.news/items/cmu74ww1u0qfxrowkb6qtruwz
OpenAI 预计 2026 至 2030 年累计现金消耗约 2780 亿美元。这个预测不是结论，而是一张算力时代的账单。营收增长再快，基础设施投入也会把竞争拖入更重的资本游戏。来源，FT 报道，@rohanpaul_ai 转述
https://aihot.news/items/cmu7mv3mi0j8brogr1ktcfhb6
《纽约时报》等媒体在版权诉讼里提交新的简要判决动议，援引 OpenAI 与微软的内部材料质疑合理使用抗辩。训练数据的授权问题没有消失，只是一直被新产品发布的热闹盖住了。来源，The Decoder
https://aihot.news/items/cmu74yfca0qjfrowkn49efvcw