上午的消息流里，有两件事挨得很近。一边是 DeepSeek 把编码 Agent 的等待时间继续往下压，另一边是 OpenRouter 直接把有状态 Shell 塞进模型工具箱。

模型不只是在变聪明，它开始真的接近一台能长期干活的机器。

但这台机器跑得越顺，权限、成本和工程边界就越不能含糊。今天挑 7 条消息，顺着这条线聊聊。

DeepSeek V4.1-Flash 盯上了 Agent 最容易卡住的那一段

DeepSeek 本周开源 V4.1-Flash 权重。Baseten 的工程解读提到，它有 552B 总参数，prefill 阶段激活 8B 参数，decode 阶段激活 16B 参数，使用 CED 架构降低编码 Agent 的 prefill 开销。

这块优化不如跑分显眼，却很实在。代码 Agent 读仓库、加载文档、把大量上下文送进模型时，用户面对的往往是一段沉默的等待。输出更快当然好，输入阶段更便宜、更快，才会让长任务从偶尔能跑变成团队愿意天天开。

价格、质量和稳定性还得看更多独立验证。不过国内模型厂商开始把系统成本当成产品能力来做，这个方向比单纯报一个排行榜分数有价值。

来源，Baseten 工程博客；卡尔的AI沃茨实测

OpenRouter 给模型配了一间不会立刻清空的机房

OpenRouter 上线 beta 版有状态 Shell，并同步推出 Files API。接入平台的模型可以在托管 Linux 容器中执行命令，文件和运行状态能在多次调用间保留。

很多 Agent 演示失败，不是模型不会写命令，而是每一步都像失忆。下载的文件没了，刚装好的依赖没了，前一步的诊断也没了。有状态环境补上的正是这层工作连续性。

可它也把安全问题从提示词拉到了操作系统。网络出口开不开，密钥怎么注入，命令审计保留多久，权限能否收回，这些细节会决定它是开发助手，还是一台没人看管的远程机器。

来源，OpenRouter

OpenAI 的 Habitat 已经是亿级用户的存储底座

OpenAI 公开了存储平台 Habitat 的演进。按照官方披露的数据，它每秒处理超过 7000 万次请求，服务每周超过 10 亿 ChatGPT 用户，管理逾 500PB 数据，覆盖近 40 个地区。

数字很大，但更有意思的是产品形态变了。聊天记录、文件、记忆和多模态内容不断堆积后，AI 产品最难的部分未必是再训一个模型，而是如何让数据读写、隔离、迁移和恢复都不拖后腿。

前沿模型的竞争，已经一路挤进了存储系统和基础设施的细枝末节。

来源，OpenAI

Google Pics 把图像编辑和协作放到同一个画布上

Google 推出图像工具 Google Pics，基于 Nano Banana，已在 pics.new 上线。它支持局部对象编辑、图中文字修改与翻译、协作创作，以及用一条提示词生成多个候选方案。

图像生成最别扭的体验，是你改一句话，整张图像重新掷骰子。局部改动和画内文字若能稳定下来，生成式工具才会从一次性出图，往真实的设计协作靠近。

这类产品的考验也不在首屏效果。中文文字能不能正确落在图里，团队改动能不能追踪，素材版权能不能说清，才是国内创作者真正用一周后会在意的事。

来源，Google AI

Suno v6 继续把音乐模型推向产业合作里

Suno 发布 v6，同时给出 v6、v6-wild、v6-mini 三个版本，并宣布与 Warner Music Group、BMG、Believe 等音乐产业伙伴合作开发，旧版本后续将被替换。

生成音乐此前最绕不开的问题，从来不只是能不能写出一段旋律，而是训练数据、授权和分发怎么落地。Suno 把合作方摆到发布信息里，至少说明这个问题已经不能靠一句产品免责声明绕过去。

对中文音乐创作者而言，别急着只看新模型能不能写神曲。中文咬字、风格可控性、商用权利和平台分发边界，才决定它能否进入日常制作流程。

来源，Suno Blog

Shopify 回到原生开发，跨端的账本要重算了

Shopify 宣布把移动应用从 React Native 全面迁回 Swift 与 Kotlin。公开讨论里的判断很直接，LLM Agent 降低了重复开发和维护样板代码的成本，跨端方案过去最有说服力的节省人力，正在被重新估价。

这不等于 React Native 不行。人手少、业务变化快的团队，跨端依然能把第一版做得更快。但当平台能力、性能和调试效率重新排到优先级前面，原生路线的成本结构确实变了。

技术选型没有永久答案，只有一张随着工具能力变化而改写的账本。

来源，Hacker News 热门报道

Copilot 开始替不写代码的人处理运营琐事

GitHub 日本和韩国市场负责人分享了一个更轻量的案例，用 GitHub Copilot 自动化活动运营工作，并不要求使用者自己写代码。

这类用法看着不够酷，却可能比又一个 Agent 框架更快落到团队里。筛选报名信息、整理反馈、生成跟进材料，本来就是大量时间被切碎的地方。工具若能把这些碎片接住，非研发岗位也会开始重新理解 AI 的价值。

我自己的感受是，真正的门槛不在于会不会提示词，而在于团队有没有把重复流程说清楚。流程本来就乱，接入再聪明的 Copilot 也只会更快地制造混乱。

来源，GitHub Blog

今天的科技消息没有一条特别像终局。它们更像同一个转弯处的路标，模型在压成本，工具在拿权限，基础设施在补课，创作软件也开始面对版权和协作。

跑得动只是起点。能否稳定地跑进具体工作，才轮到下一道题。