上午这波消息里，最扎眼的不是又多了一个大模型，而是两组数字挤在了一起。

一边是 DeepSeek-V4.1-Flash 以更低的推理开销冲向编码 Agent。另一边，硅基流动把一个 770B、1M 上下文的开源模型摆到国内开发者面前。模型能力仍在涨，但争夺点已经越来越像一件工程问题，谁能把能力、速度和账单同时压进可用区间。

今天的中文科技圈，也在围着这件事转。

DeepSeek-V4.1-Flash 把成本问题摆到台前

DeepSeek 本周开源 V4.1-Flash 权重。Baseten 的工程解读提到，它采用 CED 架构，552B 总参数下，prefill 激活 8B、decode 激活 16B，目标很明确，降低编码 Agent 在长上下文里的 prefill 成本。

这不是一个只靠榜单讲故事的版本。Fireworks 给出的 DeepSWE 结果里，max 档 pass@1 为 74.34%，单任务成本 0.43 美元。Agent Arena 的数据则显示，它在开源模型中排到第三，中位每任务成本 0.07 美元。

数字当然要谨慎看，不同评测设置不能直接当成采购报价单。但方向很清楚，编码 Agent 最容易把钱花在反复读仓库、补上下文和重试上。模型若能在 prefill 上省下来，才有机会从演示走进持续运行的工作流。

硅基流动上线 Hy4 preview，开源模型开始卷长上下文

硅基流动宣布上线开源模型 Hy4 preview。公开信息显示，它有 770B 总参数、49B 激活参数和 1M 上下文，采用 Apache 2.0 协议，面向编码、分析和研究任务。

1M 上下文很容易成为发布会上的大数字。真正麻烦的地方在于，长上下文不等于长任务完成率。检索策略、状态压缩、工具调用后的结果筛选，少一环都可能让 Agent 在任务后半程忘记自己在做什么。

不过对国内开发者而言，开源权重加上平台可用性，至少把试错门槛拉低了一截。你可以先验证任务链路，再决定要不要把它放进生产环境，而不是一开始就把平台锁死。

小红书开源 Iris，Search Agent 进入模型竞争

小红书 AllSpark 团队发布并开源 Search Agent 模型 Iris，提供 35B 和 397B 两个版本，权重和评测代码已公开，训练数据与配方仍待后续公布。

搜索型 Agent 和聊天模型不是一回事。它要在信息不完整、网页噪声很大时决定查什么、信什么、什么时候停止。把这类能力做成可复现的开源项目，比单纯给一个搜索 Demo 更有价值。

当然，训练数据和配方还没到位，外部复现还缺关键拼图。先把它看成一个值得跟踪的起点，比急着给它下结论更合适。

中国模型公司的数据边界，开始被摆到台面上

Anthropic 在一份威胁报告中称，发现针对 Claude 的大规模蒸馏活动，并点名涉及阿里、月之暗面与 DeepSeek 等公司。报道提到，Anthropic 统计到近两亿次相关交互，涉及五个活动。

这是单方报告中的指控，不应替代独立调查或相关公司的回应。但它把一个常被行业含糊带过的问题拉回了现实，模型能力竞争越激烈，合成数据、模型输出和服务接口的边界就越难靠默认共识维持。

对国内团队来说，这件事不只是公关风险。数据来源留痕、供应商权限和批量调用异常检测，都会变成工程治理的一部分。

英伟达考虑参与 Anthropic IPO，算力与资本继续互相加杠杆

据路透社消息，英伟达正洽谈作为基石投资者参与 Anthropic IPO，投资额最高可能达到 100 亿美元。报道同时提到，Anthropic 拟融资最多 1000 亿美元，估值或达约 2 万亿美元。

这类交易还没落定，但已经能看出 AI 基础设施生意的别扭之处。芯片公司投资模型公司，模型公司采购芯片，云厂商再提供算力和分发。产业链里的钱绕了一圈，需求与估值就更难拆开看。

国内算力和模型创业团队要面对的，恰好是同一个问题。没有稳定的真实使用量，参数规模和融资新闻都撑不了太久。

Apple 的新版 Siri，终于开始碰系统操作

Apple 发布新一代 Apple Intelligence，并推出重构后的 Siri 测试版。按照 Apple 的说法，新版 Siri 支持个人语境理解、屏幕感知、系统级应用操作和跨设备对话，先以英文测试版随 2027 系统更新推出。

Siri 多年来被用户吐槽的，不是它不会回答问题，而是它回答之后常常什么也没做。把屏幕理解和系统操作接进来，才是在把语音助手从问答框变成行动入口。

这条路也最容易踩坑。权限、误操作、跨 App 上下文和隐私都不会因为模型更聪明而自动解决。苹果选择测试版先跑，反而是一个克制的动作。

CI 被 Agent 写代码推到新压力区间

Anthropic 工程团队披露，团队季度交付代码量达到 2021 至 2025 年均值的 8 倍，其中 80% 由 Claude 编写，六个月内 CI 任务增长 25 倍。为应对压力，他们重构了测试影响分析服务。

这组数据比任何生成代码的演示都更有意思。写代码变快之后，测试、构建、排队和失败定位会立刻成为新的瓶颈。AI 没有消灭工程成本，它只是把成本从编辑器推到了 CI。

你如果正在给团队引入 Agent 编码，这件事值得提前做。别只盯着接受率，也要盯住每次提交带来的测试面积、队列时间和失败归因。否则速度会先让人兴奋，再把人堵在流水线门口。

今天可以带走的三件事

模型发布仍然密集，但真正的分界线已经不是能不能生成，而是能否把一次复杂任务稳定地跑完。

国内团队接下来值得盯住的，不是又多大的参数，而是三个更朴素的指标，长任务成本、可验证的数据边界、以及 CI 能不能承接 Agent 带来的提交洪峰。

大模型的比赛还在加速。工程系统得先学会不掉队。