Step 5 把 600B 参数、27B 激活和 100 万 Token 上下文摆到台面上，另一边，开发者又在讨论一款 AI 编程应用会不会把整个 Git 历史打包带走。

今天的中文科技圈很像两张并排的账单。一张写着模型能力继续冲高，另一张写着权限、数据和成本不能再被当成附注。下面挑八条值得留意的消息。

阶跃星辰预告 Step 5，开源节点落在 10 月中旬

阶跃星辰发布 Step 5 Preview。官方给出的配置是稀疏 MoE，总参数量 600B、激活参数 27B，支持文本与视觉输入，以及 100 万 Token 上下文。权重计划在 10 月 15 日开放。

大数字当然容易抓眼球，但这次更该盯住两个东西。一个是激活参数，决定一次推理实际要付出的算力账。另一个是权重是否按期开放，国产模型若能把长上下文和多模态能力以可部署的方式交到开发者手上，竞争才算真的落到工程现场。

来源，公众号「阶跃星辰（Step）」

查看原文

Qwen 把实时同传的等待时间再压了半秒

Qwen 发布 Qwen3.8-LiveTranslate，采用 Interleave 架构和 Hybrid-MoE Thinker-Talker 设计，官方称平均滞后 LAAL 从上一代的 2.8 秒降到 2.3 秒。

半秒听上去不惊人，放到会议同传里却很具体。人说完一句话，翻译晚半拍还能跟上。拖到两三秒，交流节奏就开始散。实时语音产品最后拼的往往不是单点翻译分数，而是延迟、打断恢复和多人场景下的稳定性。

来源，Qwen Blog Retrieval

查看原文

Qwen3.8-Omni-Flash 继续往音视频 Agent 靠

同一天，Qwen 还发布了原生全模态模型 Qwen3.8-Omni-Flash。它支持文本、图像、音频、视频输入，并提供 100 万 Token 上下文窗口。官方称其在 29 项评测上的平均成绩较上一代提升超过 25%。

模型把四种输入接到一起，不等于产品就自然成立。真正难的是让 Agent 在一段视频、一串语音和一份文档之间保持任务上下文，不把用户变成负责复制粘贴的调度员。Qwen 这次强调音视频 Agent 任务交付，方向是对的，实际工作流还要等开发者把它拉进生产环境再看。

来源，Qwen Blog Retrieval

查看原文

ZCode 的上传争议，比功能清单更该被问清楚

开发者 ferstar 的逆向分析称，Z.ai 的 AI 编程桌面应用 ZCode 在登录后会静默打包工作区并加密上传至阿里云 OSS，范围据称包含完整 Git 历史、LFS 缓存、reflogs 和全局配置。报道提到，单次加密快照可以达到数百 MB。

这件事不能只停在情绪上。AI 编程工具需要上下文，这是事实。可上下文要收集什么、何时上传、保留多久、用户能否看见并撤回，必须被明白地告知。尤其是 .git 里常常躺着被删掉的密钥、旧配置和业务线索，它不是一个可以轻描淡写的目录。

给国产开发者工具提个很朴素的标准，权限解释要先于登录按钮，数据范围要先于「智能」二字。

来源，Hacker News 热门（buzzing.cc 中文翻译）

查看原文

Unsloth 把本地训练的门槛继续往下拉

Unsloth 宣布推出 Docker 镜像与 Unsloth Desktop，称可以在本地训练和运行 500 多个模型，并提供 GUI 与 Notebook 工作流，覆盖 NVIDIA 和 AMD 硬件。

本地模型从来不只是隐私叙事。它也让团队能在有限预算里反复试验数据、LoRA 和推理参数，不必每一次验证都等远端队列。不过「无需配置」通常只是把配置藏起来了。驱动版本、显存、量化选择和数据许可，依旧会在真正开跑时找上门。

来源，@UnslothAI

查看原文

ChatGPT 进 Word，AI 的主战场仍是办公桌面

OpenAI 宣布 ChatGPT for Word 上线，可在文档内把粗略笔记整理成初稿、调整段落、校对和检查格式。OpenAI 员工也提到，Excel 与 PowerPoint 的使用量近期增长明显。

很多人一想到 AI 就想到聊天窗口，但实际工作不会整齐地躺在一个对话框里。它藏在 Word 的修订、Excel 的公式、PPT 的图表和会议前十分钟的慌乱里。模型进入这些工具以后，关键问题会从「会不会写」变成「改了哪里，谁来负责」。可追溯的修改记录，比一键生成更有价值。

来源，X，Sherwin Wu（@sherwinwu）

查看原文

Meta Muse for Mac，个人 Agent 开始摸到操作系统

Meta 推出 Muse for Mac。官方称，这个个人智能体可在用户明确授权后整理下载目录、查找文件、汇总消息和笔记。

这类能力看起来很日常，却比做一张漂亮图片更接近 Agent 的硬仗。因为它碰的是真实文件、真实账户和真实误操作。用户需要的不是一个会点鼠标的演示，而是清晰的预览、最小权限、可撤销动作和审计记录。没有这些，越能干反而越让人不敢交出去。

来源，@AIatMeta

查看原文

Jev 只做判断，给高频 AI 任务换了一种成本算法

TypeSafe AI 发布 Jev，定位是只处理高频决策的大模型，不做对话和长文本生成，只输出判断。报道给出的数据是，它的速度可比传统大模型快 20 到 200 倍，价格为每百万 Token 0.042 美元，输出 Token 免费。相关实测中，它在预筛任务的准确性排第二，成本更低。

这个思路挺值得国内做 Agent 的团队琢磨。不是每个节点都要一个无所不知的模型。分类、路由、风控预筛、置信度判断，很多任务只要一个可靠的「是或否」。把它们从大模型主链路里拆出来，成本和响应时间都可能好看不少。

来源，公众号「数字生命卡兹克」

查看原文

今天留下的一条线

模型继续变大，也继续钻进文件夹、会议和办公软件。能把能力做出来是一回事，能把授权、数据边界和成本一起做明白，是另一回事。

前者让人惊叹，后者才让人敢用。