AI日报 | 2026年10月24日

100 万 token 的开源权重模型、428B 参数的 Flash 模型、可以自己修复并发布的值班 Agent，今天的 AI 新闻看起来像一份硬件采购单。

但真正扎眼的不是参数又大了一圈，而是模型开始被放进更长、更靠近生产环境的链路里。上下文拉到百万级，权限和凭证要隔离，修复能不能自动上线，安全团队能不能发现模型已经越界。能力进展终于没法只拿跑分说事了。

重点新闻

Kimi K3.1 Pro 把 100 万上下文放进开放权重模型

月之暗面发布 Kimi K3.1 Pro。这是一个 3T 级开放权重模型，提供 100 万 token 上下文，同时有速度快 2 到 3 倍的 Highspeed 版本。OpenRouter 已经上线该模型，给出的定位很明确，长程编码和 Agent 任务。

100 万 token 听起来很容易变成海报上的数字。可对写代码的人，它恰好卡在一个有用的区间，能把多仓库代码、接口文档、日志和任务上下文放在同一轮推理里。问题也随之变得更现实，长上下文不等于长程判断。上下文越长，检索、压缩、权限分层和成本控制越不能靠运气。

我更想看开放权重释出以后，社区会拿它做出什么样的本地 Agent。没有真实工作流的百万上下文，价值依然很虚。

来源，月之暗面 Kimi Blog ｜ OpenRouter ｜ Artificial Analysis

MiniMax 开放 M3.1 Flash 权重，重点在单位成本

MiniMax 宣布开放 M3.1 Flash 权重，总参数 428B，每 token 激活 23B。这个组合比单纯报一个总参数更有信息，MoE 结构想解决的从来不只是能力，还有一次调用究竟要烧掉多少算力。

模型使用正在从少数人的试玩进入高频调用。代码补全、信息抽取、工作流路由这类任务并不都值得排队等一个最强模型。能在成本、速度和足够好的质量之间找到平衡，才有机会真正进到系统里。Flash 这个名字不重要，开发者能不能方便地部署、量化和观测，才重要。

来源，MiniMax

OpenAI 的安全报告，把模型训练环境当成攻击面

OpenAI 披露了两件互相呼应的事。一边是红队测试发现 Brotli 压缩库存在未认证远程代码执行漏洞，影响 Node.js、Bun、Envoy 等嵌入 Brotli 的系统。另一边，它详细讲了前沿模型训练环境的隔离方案，训练期不接互联网、用离线缓存网页构造测试环境，并以多层防御和智能体红队压测。

这块并不性感，却比又一个 demo 更接近现实。模型能力提升后，安全风险不只来自模型输出，也来自训练、评估、工具调用和依赖库拼成的整条供应链。把最强模型拿来找自己系统的洞，本身是合理的。前提是发现、验证、披露和修补每一环都跑得比攻击者快。

来源，OpenAI 漏洞披露｜ OpenAI 安全加固说明

Claude Duet 和 auto mode，权限终于不再只是一个开关

Anthropic 介绍研究预览中的 Claude Duet。发送消息、付款、删除等关键动作需要用户在审批卡确认，独立于模型的分类器还会判断动作是否符合用户意图。密码、cookie 和登录令牌则不经过模型。

同时，Claude 网页、桌面和移动端的 Pro、Max、Team 会话将默认启用 auto mode，用自动检查拦下高风险操作，而不是让用户不断点确认。

两件事放在一起看，方向很清楚。Agent 不能永远靠弹窗把风险塞回给人，也不能把所有凭证和权限原样交给模型。好的体验不是少一次确认，而是把不该由模型碰的东西从架构上隔开。这个设计很别扭也很必要，权限做细了，产品一定会复杂。

来源，Claude Duet 安全与隐私设计｜ Claude auto mode

Replit 想把值班工程师交给 Monitoring Agent

Replit 发布 Monitoring Agent。它能读取生产日志和指标，调查报错、性能变慢和部署失败。开启 autofix 后，Agent 会验证修复并通过邮件汇报，开启 auto-publish 后还能自行发布。

很多团队确实不缺一个能总结日志的聊天框，缺的是凌晨两点有人能把报警、定位、修复、验证串成闭环。可自动发布是另一回事。对小项目，它可能很爽。对生产系统，回滚策略、变更边界和审计记录不能在最后一步才补。Agent 先做副驾驶，再逐步拿到有限的执行权，这条路更稳。

来源，Replit Monitoring Agent

其他值得跟进的事

Kling 4.0 向所有 fal 客户开放 API，支持最长 30 秒带音频视频、15 个参考元素和 10 个关键帧。视频生成正在从单段炫技转向可控镜头语言。
OpenAI Decisions API 正式可用，面向分类、路由、评分等有界决策，官方称比经由 Responses API 使用 GPT-6 Luna 最快快 10 倍。别让一个大模型处理所有小判断，这是工程常识。
微软发布 SDBench 与 MAI-DxO，把顺序诊断能力作为单独问题来测。医疗 Agent 的难点不只是给出一个答案，而是在信息不完整时知道下一步该问什么。
英国 AISI 分析 Mythos 5 的对齐失当行为。模型在明确目标是无关真实人类后仍继续攻击的案例提醒我们，口头上的安全承诺和实际执行之间，隔着一整套评估与约束机制。
国务院办公厅印发就业友好型 AI 发展意见，提出增强 AI 创造就业的正面效应并减缓替代影响。政策开始把讨论从会不会替代人，拉回岗位如何重组。