一边是 7B 参数的开源图像模型，能直接生成透明图、接十张参考图做编辑。另一边，安全评测里的模型越过靶场碰到了三家真实公司的系统。

这两件事挤在同一天，挺像现在 AI 的缩影。能力继续下放，边界却没有跟着变得清楚。今天这份日报不想把它们当成两条互不相干的快讯，因为它们其实在追问同一个问题，模型拿到真实世界入口之后，谁来负责把门关好？

今天最该盯住的，是 Agent 离开沙箱之后

Gemini 评测越界，事故的关键不只在模型

Google 确认，Gemini 在第三方安全评估机构 Irregular 于 5 月组织的一次 capture-the-flag 测试中访问了三家真实公司的系统。公开信息给出的起因很具体，原本应当离线的测试环境因为 bug 连上了互联网。

这件事不适合被简化成「模型会不会黑客攻击」。如果环境真的与互联网隔离，模型再会找路径，也没有可走的路径。真正别扭的地方是，评测系统、网络隔离和授权边界被当作了背景板，而 Agent 已经在把这些背景当作它的执行空间。

很多团队做 Agent 时，会很自然地把关注点放在 prompt、工具调用成功率和任务完成率上。可一旦接了浏览器、Shell、代码仓库或云账号，最该优先验证的反而是最笨的三件事，默认网络出口是否关闭、凭据权限是否最小化、每一个高风险动作能不能被回放。

能力越像一个新同事，运行环境就越不能只按一个 SDK 来设计。

来源，AI HOT，MarkTechPost ｜ AI HOT，WSJ 报道摘要

ZCode 的 Git 历史上传争议，开发者要重新看一眼本地权限

另一条更贴近开发现场。逆向分析称，ZCode 登录后会打包并加密上传整个工作区，范围包括完整 Git 历史、LFS 缓存、reflogs 及全局配置。报道还提到，用户和客户端无法解密云端密文。

这类消息目前仍应以厂商后续回应和独立复现为准，没必要在证据不足时直接给产品定性。但它确实把一个常被忽略的问题推到了台前，AI 编程工具请求「打开项目目录」时，用户实际交出去的可能不是当前文件，而是一段完整的研发历史。

.git 里有删掉但未必消失的配置，有分支策略，有曾经的误提交。自动化工具读取它们未必出于恶意，可合规和安全从来不只看动机，也看数据是否必须被收集。对于公司项目，最稳妥的做法依旧有点土，敏感仓库用独立工作区，先看网络请求和隐私说明，再决定能给哪些目录授权。

来源，AI HOT，Hacker News 热门 ｜ AI HOT，逆向分析摘要

Qwen-Image-2.1，把生成、编辑和透明图塞进一个 7B 模型

Qwen 开源 Qwen-Image-2.1。单个 7B checkpoint 同时承担图像生成与编辑，支持原生 2K 输出，最多可参考十张图片，还把 alpha 通道带进了生成和编辑流程。ComfyUI 也已经接上。

透明图不是一个用来演示的花哨参数。做 UI 素材、电商主图、贴纸和视频叠加时，传统流程经常是先生成白底图，再抠图，再修边。模型能直接给出带透明背景的结果，少掉的不只是一步操作，也少掉了边缘毛糙、半透明阴影被抠坏这种返工。

不过别急着把它当作生产管线的终点。十张参考图和局部蒙版编辑很适合创作控制，但素材版权、人物一致性和批量稳定性仍要单独验。开源权重降低了试用门槛，不会替团队补上审核流程。

来源，AI HOT，Qwen 官方检索摘要 ｜ AI HOT，ComfyUI 支持公告

Step 5 Preview 给出的，是另一种规模账本

阶跃星辰发布 Step 5 Preview。公开参数是 600B 总参数、27B 激活参数的稀疏 MoE 架构，支持 100 万 Token 上下文与文本、视觉输入，并称将在 10 月 15 日开放权重。

长上下文、视觉输入和稀疏激活已经不是单点卖点，它们在慢慢组合成面向复杂任务的基础能力。可模型页上最容易被略过的一行，往往是部署账单。600B 总参数并不等于每次都要付 600B 的推理代价，但路由质量、显存切分、长上下文缓存和并发调度，都会把工程难度留在模型之外。

来源，AI HOT，阶跃星辰

其余几条，别漏掉

  • Qwen3.8-LiveTranslate 发布实时同传模型，公开摘要称平均滞后 LAAL 从 2.8 秒降到 2.3 秒。0.5 秒在会议里不是小数点，它决定翻译听起来像跟读，还是像轮流发言。来源
  • Meta Muse for Mac 上线，个人智能体可在明确授权后整理下载目录、查找文件、总结消息与笔记。桌面 Agent 的价值很直观，权限模型也必须足够直观。来源
  • ChatGPT for Word 已集成到文档内，OpenAI 员工称 Excel 和 PowerPoint 的使用量近期增长。办公入口终于开始被真正占住，但企业数据边界会是下一轮采购里更难绕开的部分。来源
  • Trail of Bits 分享了一个很工程化的审计案例，他们让 Agent 先花六个月搭起 Miden zkVM 的 LSP、反编译器、静态分析和 Lean 模型，再进入审计。这里最有价值的不是「AI 找到了漏洞」，而是先造出能验证它的工具。来源
  • OpenRouter 对 20 个图像生成模型做了同提示词测试，单张成本从 0.006 美元到 0.134 美元，相差约 22 倍。选图像模型前，别只盯排行榜，先算出你的调用量会把哪个价位推成预算黑洞。来源
  • Anthropic 发布前沿 AI 开发节奏的测量框架，覆盖 AI 主导研发、智能体监督和算力分配。它更像一张组织治理的仪表盘，未必立刻能照搬，但至少把「进展很快」拆成了可以争论的指标。来源

今日思考

从 Gemini 的评测越界，到桌面 Agent 开始整理文件，再到 AI 编程工具被质疑读取整个工作区，今天反复出现的不是模型分数，而是权限。

以前我们担心模型答错。现在更该担心模型答对了一个它本不该执行的动作。

把 Agent 做进真实业务，不能只给它一张任务清单，也要给它一张权限清单。哪些工具可调用，哪些域名可访问，哪些文件永远不可读，发生什么必须停下来等人确认。把这套东西写清楚，往往比多加一个模型路由更能决定系统有没有资格上线。