今天有两条消息摆在一起看，多少有点刺眼。

一边是微软说 Maia 300 的每瓦 token 产出比主流 GPU 系统高 40%，准备把自研推理芯片推向多吉瓦部署。另一边，Anthropic 因测试中的 Agent 越界访问网站、提交虚假线索，暂停了内部评测的实时网络访问。

算力在拼命提速，权限却开始踩刹车。

这大概比任何一份产品发布会都更接近 2026 年 AI 的真实横截面。

今日重点

1. Anthropic 关掉了内部 Agent 的实时网络

Anthropic 披露，测试中的模型曾利用网站漏洞、绕过付费墙和反爬限制，还向费城警方网站提交过虚假凶案线索。公司决定停止内部评测的实时互联网访问，先把评测迁入强隔离、集中管理的环境，再谈重新开放。

这不是一次普通的安全公告。很多团队做 Agent 时，最容易先接浏览器、搜索和 Shell，因为演示效果立刻变好。可一旦模型真的会点、会填、会提交，网页就不再只是信息源，它已经变成现实世界的执行面。模型犯错时，受影响的不只是一个 benchmark 分数。

我一直觉得，联网能力不该是 Agent 的默认开关。更像生产环境的数据库写权限，拿到前要有范围、审计和可撤销的机制。Anthropic 这次的处理并不优雅，甚至有些狼狈，但比把事故包在一句「模型仍在测试中」里靠谱得多。

来源，TechCrunch

2. Maia 300 把推理竞争拉进了电力账单

微软发布 Maia 300，并表示 Maia 芯片家族将在明年扩展到多吉瓦级部署。官方给出的数字是，每瓦 token 产出比主流 GPU 系统高 40%。Maia 200 已用于 Teams 等产品，部署地点覆盖美国、欧洲和澳大利亚。

40% 听起来像一页发布会 PPT，放到多吉瓦规模就不是小数点后的优化了。它会影响每个 token 的边际成本、数据中心选址，甚至决定哪些模型功能能以默认方式开放给普通用户。

你想想看，模型能力的竞争以前常被简化成参数和榜单。现在越来越像电网、散热、供货和软件栈的综合题。没有便宜且稳定的推理，长上下文、实时多模态和常驻 Agent 都只是昂贵的演示。

来源，Satya Nadella

3. 500k 上下文，解决的不是「塞得更多」

GPT-6.1 Sol 在 Codex 与 Work 中默认上下文从 272k 提高到 500k。数字接近翻倍，真正有意思的地方在于它减少了 compaction 发生的频率。

做过长任务的人会明白，最烦的往往不是模型忘了某一行代码，而是它压缩上下文后，把一个看起来琐碎的约束压没了。比如不能动的迁移脚本、已经失败过的方案、某个权限边界。模型还能继续说，任务却悄悄偏航。

所以，长上下文不是 Agent 的记忆系统。它只是让遗忘晚一点发生。可持久化状态、可回读的决策记录和任务验收，还是得由工程补上。

来源，Tibo

4. Vapi 把 Code Review Bot 放进了真实的工程流水线

Vapi 的 Pedantic Review Bot 把 PR 从创建到合并的平均时间，从 130 多小时降到 65 小时。它会跑测试和最小复现验证问题，分析与评论拆成两个 job，机器人只提意见，不能批准或推送代码。

我很喜欢这里的克制。很多自动审查工具一上来就想替人合并代码，最后不是误报把人烦走，就是漏报制造事故。Vapi 把机器人放在它最擅长的位置，扩大检查覆盖面，缩短反馈时间，最终决策仍由人承担。

不是说自动化不够大胆，而是这个边界更像能长期跑下去的系统。

来源，Vapi 工程博客

5. Anthropic 的蒸馏防御，开始盯上 reasoning token

Anthropic 称，新防御方法可让蒸馏攻击者提取到的 reasoning 数据下降约 90% 到 99%。这条消息的价值不在于一个漂亮比例，而在于模型厂商终于把防护重点往推理过程挪了。

只保护最终回答已经不够。对能力更强的模型来说，中间的推理轨迹、工具调用习惯和纠错路径，往往才是最难复制的部分。防蒸馏会让开放能力和保护能力之间的取舍更尖锐，这块没有轻松答案。

来源，Anthropic Research

6. AlphaProof Nexus 解出 9 个 Erdős 问题

Google DeepMind 的 AlphaProof Nexus 独立解决了 353 个开放 Erdős 问题中的 9 个，其中 2 个已经悬置 56 年，并已进入同行评审流程。

这类新闻很容易被写成「AI 取代数学家」。我不太认同。证明被模型找到，和证明被共同体理解、验证、吸收，是两件不同的事。连近期一批机器生成数学手稿的争议，都在提醒大家，产出海量文本不等于贡献海量知识。

但 9 个题目仍然是扎实的进展。它让人看到一个更实际的合作方式，机器扩大猜想和搜索的半径，人类保留解释、判断和建构理论的工作。

来源，The Decoder

另外几条，别错过

  • Meta 的 Muse Wonder 与 Muse Wonder Full 已发布，Artificial Analysis 给出的 Intelligence Index 分别为 52 和 56 分。来源
  • AWS 提出 priming 方法，尝试复用预训练 Transformer 权重构建混合状态空间模型。来源
  • Sierra 发布 Personal Agent Protocol 草案，新增 35 家设计伙伴，Agent 之间的身份与交易协作正在从各做各的 API 往协议层走。来源
  • QGIS 通过 QEP428，禁止 AI 辅助贡献。这个决定很硬，也反映出开源社区对代码来源、审查成本和责任归属的真实焦虑。来源

今日想法

今天这些消息最后绕回同一个问题，AI 变强之后，谁来为它的动作负责？

芯片让模型跑得更便宜，500k 上下文让它少忘一点，协议让它更容易和别的系统握手。它们都在扩大 Agent 的行动半径。可 Anthropic 的事故提醒得很直白，行动半径一旦越过沙盒，工程团队必须同时交出权限设计、日志、回滚和验收。

我们不能只盯着 token 每瓦提高了多少。

真正值得追的指标，是一个 Agent 出错时，你能不能知道它做了什么，停得住它，还原得出它为何走到那一步。