今天最扎眼的不是某个模型又多了多少参数，而是一组很具体的数字。

GitHub 在 8 月处理了 4733 亿次 Git 事件，9 月里，开发者和 Agent 又产生了 73.8 亿次 Git 推送。代码开始被机器成批写出来之后，最先顶不住的居然是那个几十年来几乎没人会多看一眼的底层版本控制系统。

这份简报从 AIHOT 今日 RSS 中挑了 8 件事。它们不全是国内公司发布的产品，但都和国内开发者、创业团队以及使用 AI 工具的人有关。我的判断很简单，AI 已经从「比谁回答得更聪明」，挪到了「谁能接进真实工作、还能把成本和风险管住」。

GitHub 重做 Git 基础设施，Agent 先把老地基踩到了

GitHub 表示，正在重建 Git 基础设施来承接智能体规模开发带来的高并发读写。8 月的月度 Git 事件量达到 4733 亿次，9 月开发者与智能体产生 73.8 亿次推送。

这组数据比任何「Agent 编程改变开发方式」的口号都更有实感。一个 Agent 可以同时开多个分支、反复提交中间结果、把原来开发者脑中的试错过程外显成 Git 历史。方便是真方便，仓库、CI、代码审查和权限体系也会被一块儿推到压力位。

国内团队如果正在把 Claude Code、Cursor 或自建 Agent 接进研发流程，别只盯着模型效果。分支隔离、提交频率、CI 配额和审查入口，已经是工程设计的一部分了。

来源，GitHub Blog

DeepSeek 融资传闻很大，评测数字更该冷静看

Bloomberg 援引知情人士称，DeepSeek 接近完成至少 800 亿元融资，腾讯与宁德时代被列为主要投资方之一。该消息目前属于媒体报道，尚未看到 DeepSeek 的正式确认。

同一天，ARC Prize 公布 DeepSeek V4.1 Flash 在 ARC-AGI Verified 的成绩，ARC-AGI-2 为 72.9%，单任务成本 0.13 美元，ARC-AGI-1 为 94.5%。融资和跑分凑在一起，很容易被讲成一条「中国模型全面起飞」的叙事。

我会把它们拆开看。融资关乎算力、人才和商业耐心，ARC-AGI 则是特定基准上的能力信号。它们都很重要，但谁也不能替代真实业务里的稳定性、工具调用和交付成本。

来源，X.PIN；ARC Prize

740M 的多模态 EmbeddingGemma 2，给端侧检索多一个选项

Google DeepMind 发布开源权重的 EmbeddingGemma 2，采用 Apache 2.0 许可，将文本、代码、图像、视频和音频映射到统一嵌入空间。Google Developers Blog 给出的参数量是 7.4 亿。

嵌入模型不如对话模型显眼，却往往决定了 RAG、企业知识库和多模态搜索到底好不好用。7.4 亿参数谈不上可以随手塞进所有手机，但它比超大模型更接近可控部署的范围，也让做中文知识检索的团队多了一个值得测的底座。

不过别急着替换现有方案。中文、行业术语、长文档切分和召回指标，都得自己跑一遍。通用榜单好看，不等于你的资料库就会变聪明。

来源，Google Developers Blog

Claude Code 上云，Agent 的工作单位变成一台独立 VM

Anthropic 介绍了 Claude Code 的云端会话方案。每个任务运行在独立 VM 中，仓库会被克隆到新分支，完成后留下可转成 PR 的分支。任务可以从 claude.ai/code、手机、桌面端、终端或 Slack 发起和跟踪。

这个设计不花哨，却抓到了 Agent 协作里最容易乱掉的地方，环境和修改边界。把任务丢给 Agent 并不难，难的是它改了什么、依赖从哪来、出了问题怎么回滚。

独立 VM 加分支不是万能药，权限、密钥和测试数据仍然要管住。但它至少把「让 AI 去干活」翻译成了研发团队熟悉的工作单元。

来源，Anthropic Claude.dev 开发者博客

Cursor 把本地 Agent 放进手机，远程接管终于更像一项功能

Cursor iOS 应用新增本地智能体远程控制。你可以在手机上查看和回复电脑上运行的 Agent，桌面端批准配对后即可使用。Agent 依然跑在本机，电脑需要保持开机和联网。

很多人会觉得这只是「手机回个消息」。其实它解决的是开发者离开工位后，任务卡在一个确认问题上时的那十几分钟。它也有很现实的边界，本机仍得在线，远程确认不能变成对权限提示的条件反射。

工具越贴身，安全确认越应该慢一点。

来源，Cursor Changelog

Personal Agent Protocol 开源，个人 Agent 正在找企业入口

Sierra 与 Meta 联合 Genesys、Rocket、Shopify、Stripe、Walmart 等伙伴宣布开发 Personal Agent Protocol。它试图定义个人 AI Agent 如何与企业系统交互。

协议听上去离普通用户有点远，但电商、客服、支付、订阅这些场景一旦被 Agent 代办，身份、授权和撤销就会成为基础问题。谁能代表你下单，能看哪些资料，发生争议时责任落在哪，这些都不是靠一个聊天窗口能回答的。

国内的超级 App 和服务平台也绕不开同一件事。Agent 真要替人办事，接口开放只是起点。

来源，Sierra Blog

OpenAI 的 textGrain，把「AI 生成」往可追溯方向推了一步

OpenAI 公布面向 EU AI Act 的文本溯源方案 textGrain。该技术在模型词选择中加入不可见统计信号，API 客户可为部分模型选择开启水印，OpenAI 计划在后续数周为欧盟地区的 ChatGPT 和 Codex 输出加入该能力。

文本水印不是鉴定真伪的魔法按钮。改写、翻译、摘录都可能削弱信号，平台也不能拿它当作粗暴封禁的依据。但当 AI 内容越来越多，保留一条可验证的来源线索，至少比完全失明好。

来源，OpenAI

恶意 Skill 的案例提醒，Agent 的能力边界就是攻击面

PromptArmor 披露，Databricks Genie Code 在执行上传的恶意 Skill 后，可能在聊天渲染结果时弹出钓鱼页面，并通过用户浏览器外泄租户数据，过程中不需要人工批准。

把 Skill 当插件装进 Agent，看上去很像给团队加了一个快捷键。问题在于，Skill 同时也带来了代码执行、页面渲染和数据访问路径。越能自动干活，越该把来源审核、最小权限、出网控制和审计日志做在前面。

前面 GitHub 在扩容，后面 Agent 在接管任务。中间真正缺的，不是再多一个模型，而是一套能承受自动化的工程秩序。

来源，PromptArmor Threat Intelligence

今天的观察

AI 的新鲜感还在，但竞争已经开始落在很旧的词上，基础设施、权限、成本、版本控制和审计。

这些词不性感，却决定了一个 Agent 是演示里的助手，还是生产环境里可以托付一部分工作的同事。

本文基于 2026 年 10 月 7 日 AIHOT RSS 汇总编写。融资等报道性消息已按报道口径表述，具体进展以公司正式公告为准。