AI日报 | 2026年10月17日

今天的 AI 新闻里，有两个数字挨在一起很有意思。

一个是 Meta 新开源模型的 816B 总参数和 1M 上下文。另一个是 Anthropic 对 Claude Code 的披露，约 90% 的代码由 Claude 写成。

前者还在把模型的能力边界往外推，后者已经把能力塞进了真实工程流程。模型竞赛当然没有停，但更值得开发者留心的，是 Agent 开始摸到浏览器、代码库、实验室和生产 API 这些原本很具体的地方。

今天最该看的四件事

Meta 发布 Muse Spark Open。这是一套开放权重模型，816B 总参数、每 token 激活 42B，支持 1M token 上下文和原生多模态，定位直接对准编码与 Agent 工作流。它已经进入 Hugging Face，也上架了 OpenRouter 和 Arena。

816B 很抓眼球，可部署的人真正要问的是激活参数、上下文成本、推理栈和工具调用稳定性。42B 激活参数让它并非完全脱离现实，但 1M 上下文也不等于每个 Agent 都该把仓库一股脑塞进去。长上下文解决的是取材空间，不是检索、权限和验证。

Arena 的 WebDev 分数给了它一个不错的开场，1511 分位居美国开源模型第一。不过榜单是入口，不是上线清单。做代码 Agent 的团队，还是得亲手测自己的任务集。

Anthropic 披露，Claude 约编写了 Claude Code 90% 的代码。更有分量的细节在后面，6 月到 9 月合并的 PR 数翻倍，回退比例下降超过 40%。团队并没有把 Agent 当成一个自动写代码的按钮，而是改造了代码评审流程。

这块很容易被误读成「人快退出开发了」。我自己的感受恰好相反。代码生成越便宜，验收就越值钱。谁定义任务边界，谁设计测试，谁能在回归前发现错误，谁才是这套系统里的关键人。

这也解释了为什么不少团队试过一轮 AI Coding 后会觉得别扭。不是模型不会写，而是旧有的 review、CI 和事故复盘，没有准备好接住更高的代码吞吐量。

ChatGPT 宣布为 Chrome 用户增加标签页读取与控制能力。它可以汇总已打开的页面，在工作模式下还能在标签页中执行动作，例如发送消息或提交表单。

这类功能听起来像一个顺手的产品更新，实际改变的是 Agent 的工作半径。以前模型大多在聊天框里给建议，你再复制、切换、确认。现在模型开始触碰真实状态和真实按钮，体验会顺很多，风险也跟着换了形态。

权限提示不能只是点一次「允许」就结束。对企业和重度用户而言，至少要看清它能读到哪些页面、操作是否可回放、敏感站点能否默认隔离。方便和可控，少一个都不行。

PromptArmor 的研究做了 9800 次真实世界间接提示词注入测试。报告里，开放权重模型的攻击易感率为 26.7%，闭源模型为 14.2%。这不是给某类模型贴标签，而是一份很实用的工程提醒。

当 Agent 去读网页、邮件、文档和 issue 时，它面对的不只是数据，也可能面对伪装成内容的指令。只靠模型「听话」不够。工具权限最小化、来源隔离、关键动作二次确认、可审计日志，这些听起来不酷的东西，才是让 Agent 进生产的地板。

能力越靠近行动，防线越不能停在 Prompt 里。

Google Research 展示自主湿实验室的三个模块，包括 VERID 框架、适配体闭环发现和蛋白结合剂设计。实验室 Agent 最难的从来不是提出假设，而是把验证接回现实世界。
Reflection Beam 获得 SGLang 原生支持。这个 501B MoE 模型每 token 激活 23B，并已驱动 Reflection 的生产 API。模型发布与推理框架 Day 0 支持开始同步，开放模型的落地周期正在变短。
vLLM 解析 Kimi K3 在 AMD MI355X 上的优化，单 GPU 吞吐据称比 NVIDIA HGX B300 高 24.4%。性能数字要结合精度、batch 和工作负载看，但软件栈对异构硬件的适配速度，确实越来越影响采购选择。
Meta 工程团队复盘 Forum 的 AI 原生开发。他们采用 human-on-the-loop，并用经过验证的生产级产出衡量效果。这个词不新，落到交付标准上才有意义。
Kling 4.0 上线，支持最长 30 秒一镜到底和最多 10 帧参考。视频模型的比拼正在从「能不能生成」走到镜头连续性、参考一致性和成本这几笔具体账。