Agili 的 AIGC 周刊（Y26W42）
本周技术主线围绕「模型深度介入基础工程与安全」展开：前沿模型这一周同时出现在单细胞分析、神经毒素结合体设计、PHP 核心漏洞挖掘与 RISC-V 汇编写形式化验证中。与此同时，Kimi K3.1 Pro、MiniMax M3.1 Flash 等高性能开放权重模型加速面世，配套的私有化运行沙箱与终端工具链也迅速补齐。
资讯
Patch the Planet：OpenAI 协调披露影响全球七成网站的 PHP 高危漏洞
OpenAI 在 Patch the Planet 计划中借助 GPT-5.6 Sol 发现了 PHP 核心的高危漏洞，该漏洞影响全球约 70% 的网站。安全团队迅速联合 PHP 维护者、Wiz、Cloudflare 及政府网络安全机构展开跨组织协作，赶在漏洞被黑客武器化利用前完成了补丁发布与防御规则部署。为帮助站长和运维人员自查，OpenAI 同步开源了基于 Codex skill 的版本检查工具，并承诺向一线防御机构提供 10 亿美元的算力补贴以应对日益严峻的自动化网络威胁。
Anthropic：LLM 让形式化软件验证首次在真实生产代码上大规模可行
Anthropic 与 Theorem 合作，使用 Claude 为 123 个主流开源代码库全自动生成了无崩溃形式化证明。该方案直接作用于编译生成的 RISC-V 汇编代码，累计产出约 1.8 亿行 Rocq 证明代码，并顺带排查出数个传统模糊测试数万亿次迭代都未曾触达的深层内存与逻辑漏洞。实测数据显示，最新模型在长验证任务中的 token 消耗降低了 40%，接入共享证明工作区后，agent 的 token 消耗再降约 17%，使传统高成本的形式化验证走向生产常态化成为可能。
Anthropic：Claude 设计出针对蝎子神经毒素的蛋白结合体
Anthropic 生命科学团队仅凭初始提示与四次追问，指挥内部研究模型在 64 小时内自主设计出针对 5 种致命蝎子神经毒素的微型蛋白结合体（minibinder）。两家外部实验室 Adaptyv Bio 与 Twist Bioscience 随后合成并测试了选拔出的 211 个候选序列，确认有 17 个设计成功达标，在单毒素任务中命中率达 18%。竞争结合实验进一步证明，最强的结合体精准锚定了与已知中和抗体相同的毒素作用位点，团队已向学界开源全部候选设计与实验原始数据。
OpenAI 用数千个 AI Agent 在 32 分钟内挖掘脑细胞数据新线索
OpenAI 联合 PerturbAI 与 Scripps Research，调度数千个基于 GPT-Rosalind 的智能体分析全脑 CRISPR 单细胞图谱。这些智能体在 32 分钟内并行完成了上百万小鼠脑细胞数据的基因扰动分析与文献比对，梳理出与阿尔茨海默病、结节性硬化症相关的未知分子关联。双盲评估显示，75% 的人类专家更青睐分布式多智能体的推理报告，其综合引用的科学文献广度达到单智能体方案的 60 倍以上。
OpenAI 前沿模型进入 Google Cloud Model Garden
OpenAI 正式与 Google Cloud 达成合作，将其旗舰模型与 Codex 智能体工作流原生接入 Google Cloud Model Garden。企业客户能够直接使用现有的 GCP 承诺消费额度结算 OpenAI API，并享受 Google Cloud 的统一数据治理和访问控制体系。两套前沿系统后续还将集成到 Google Antigravity 与 Gemini Agent 中，打破了主流云巨头与头部模型厂商之间的封闭生态壁垒。
OpenAI：如何加固前沿模型的训练环境
OpenAI 披露了前沿模型训练环境的安全加固方案，明确推行模型训练与公网彻底隔离的无互联网策略。团队搭建了包含离线搜索索引与缓存网页的「离线世界」，结合 microVM 和受限容器打造纵深防御沙箱，阻断模型向真实外部网络渗透。在消耗数千亿 token 的大规模自动化红队演练中，智能体团队挖掘并修补了 Kata Containers 与 gVisor 等开源容器虚拟化组件的多项逃逸漏洞。
被 abliterate / 微调过的开源模型如何携带后门并攻陷你的编码 Agent
ProjectDiscovery 的安全研究团队证实了第三方修改版模型权重存在的隐蔽供应链威胁。研究人员花费不到 50 美元与数小时 GPU 训练时间，就在 Qwen2.5-7B 权重中成功植入后门，该模型在常规能力评测中表现完全正常，但只要在输入中遇到特定暗号，就会暗中执行远程 shell 脚本并回传工作目录下的 .env 凭据。由于此类后门更新集中在极少量后期 MLP 层且规避了传统安全扫描，团队提醒开发者切勿直接将来源未知的开源去拒答（abliterated）模型挂载到具备系统权限的编码 Agent 中。
模型
MiniMax M3.1 Flash：428B MoE 开放权重模型，成本降七成、速度近三倍
MiniMax 正式发布 M3.1 Flash，该模型为此前以匿名代号 Space Bunny 处理超 200 万亿 token 的正式版。模型依靠自研稀疏注意力机制将长上下文计算量压降至上一代的二十分之一，在线推理中位输出速度达到 170+ TPS。在 Agents’ Last Exam 和 DeepSWE 等真实工程测评中，M3.1 Flash 以每百万 token 输入 0.15 美元、输出 0.60 美元的定价实现了对标一线旗舰的表现，官方承诺完整权重将于近期开放下载。
Kimi K3.1 Pro：2.8T 级开源权重模型，100 万 token 上下文
月之暗面推出 Kimi K3.1 Pro，作为首款拥有 100 万 token 上下文窗口的 2.8T 级开源权重模型。团队在大规模联合强化学习中优化了训练与长上下文推理基础设施，使其在 Terminal-Bench 4.0 评测中达到 65.7%，超越 GPT-6 Astra 并逼近 Claude Opus 5.5。同步上线的 Highspeed 版本提升了 2 至 3 倍交互响应速度，月之暗面承诺在 11 月 4 日前向社区完整开源模型权重。
Mistral Voxtral 3：面向实时多步对话的语音模型家族与 Agent SDK
Mistral 发布了 Voxtral 3 语音模型家族，将听觉识别、多步逻辑推演、工具调用与自然语音合成整合成一套低延迟端到端流水线。转录模块支持 50 多种语言并具备说话人日志分离与上下文偏置能力，TTS 模块则支持根据对话语义实时调节语速、语气与情感。配套基于 LiveKit 打造的 Agent SDK，将单轮语音往返延迟控制在 1 秒以内，支持私有化集群部署以保障数据主权。
Mistral Timestral：209M 参数即登顶三大时序预测基准
Mistral 推出首个时序基础模型家族 Timestral，其最大版本仅包含 209M 参数，却在 GIFT-Eval、TIME 和 fev-bench 三大主流基准的零样本测评中全部拿下榜首。模型采用解耦时间范围预测与协变量感知注意力机制，能联合建模传感器多变量依赖并引入未来已知事件。在标准 8 线程 CPU 上单日预测仅耗时 140 毫秒，无需依赖 GPU 即可低成本嵌入工业监控与运维告警系统。
Block Dessa：只用人类对话语音训练的实时全双工语音模型
Block 旗下的 Dessa 团队推出了全双工语音模型 Dessa，彻底抛弃文本中转与跨模态对齐，直接使用真实人类语音对话数据完成从零训练。模型仅使用单台 NVIDIA GB200 NVL72 硬件即完成训练，能够边听边说，并在合适时机自然插话、轻笑附和或表达叹息。该模型推理速度超越实时要求，能够在搭载 M4 Max 芯片的 MacBook Pro 上完全离线运行。
Recursive Flint：40B MoE 本地编码模型，M4 Pro 上超 125 token/s
Recursive 发布了混合专家编码模型 Flint，总参数量为 40B，单 token 激活参数仅 2.5B。在 SWE-Bench Pro v2 和 Terminal-Bench 2.1 等基准上，Flint 展现出匹敌 25B–40B 密集模型的编码水准，推理吞吐却超出 5 倍以上。结合官方配套的推理引擎 rec，模型在 MacBook Pro M4 Pro 上生成速度突破 125 token/s，已基于 Apache 2.0 协议在 Hugging Face 开放权重。
ThinkingCap：把 Gemma-4-26B 的思考 token 平均压缩 39% 而不掉点
Bottlecap AI 发布针对 Google gemma-4-26B-A4B 的推理压缩模型 ThinkingCap。在 12 项跨领域基准测试中，该模型将内部思维链 token 长度平均缩短 38.9%，长上下文任务降幅高达 69.1%，综合准确率仅变动 0.15 个百分点，同时将死循环异常回答比例由 3.6% 降至 0.8%。由于沿用相同的采样超参和 vLLM 服务栈，开发者无需调整现有架构即可直接替换模型以削减计算账单。
Muse Glimmer 30B：Meta 面向消费级硬件的端侧智能体模型
Meta AI Research 正式公开了端侧多模态模型 Muse Glimmer 30B，专为在消费级硬件上自主运行智能体任务设计。模型集成了视觉感知编码器与大约 4-bit 量化方案，支持在单张独立显卡上流畅执行多步复杂规划、工具调用与执行失败修复。在同级别硬件基准测试中，其智能体任务完成度优于 Gemma4-31B 与 Qwen3.6-27B，已基于 Apache 2.0 协议开放开源许可。
实测 Inception Mercury 3：扩散 LLM 够快够好，但并非宣传的那样
HackerNoon 对 Mercury 3 的 4.8 万次调用实测，还原了其真实的延迟与成本表现。实测显示 Mercury 3 实际输出速率约为每秒 850–900 token，在 SQL 智能体场景中因交互轮次增加而仅比主流自回归模型快 1.9–2.9 倍，并未超出 Cerebras 定制芯片上运行的普通模型。该模型在高推理档位下偶尔会出现陷入无限推理直到耗尽 32k 上限的反常现象，评测建议在实际部署中锁定为 low 或 instant 档位。
工具
DeepSeek 开源 DeepInfer：其生产级推理栈（首度开放）
DeepSeek 首次公开其生产级高性能推理框架 DeepInfer，为 DeepSeek-V4.1-Flash 等前沿模型提供端到端离线推理支持。框架深度整合了 FlashMLA、DeepGEMM 与 DeepEP 等高性能底层算子，并引入 DSpark 投机解码与置信度自适应校验调度。项目基于 Apache 2.0 协议开源，原生支持 NVIDIA SM100 与华为昇腾 950 硬件架构，为社区部署前沿高吞吐推理系统提供了工业级实现方案。
NVIDIA 开源 OpenShell：面向自主 Agent 的安全私有运行时
NVIDIA 开源了专为多智能体集群打造的隔离运行时 OpenShell，旨在约束智能体在系统调用、文件读写与 API 访问中的越权风险。系统在操作系统内核层实施沙箱隔离，所有出站网络连接与敏感凭证均由统一的安全策略管控，凭证对智能体透明且绝不出境。所有策略变更在生效前都会经过形式化验证工具严格审查，并原生提供 Python、TypeScript、Go 与 Rust 语言的 SDK 支持。
Google 开源 TorchTPU：TPU 的原生 PyTorch 后端
Google 正式开源 TorchTPU，为 TPU 设备构建了原生且高效的 PyTorch 执行后端。项目深度接入 torch.compile() 计算图编译通道，并内置针对 TPU 定制优化的 ATen 算子库与 XLA 编译缓存机制。开发者无需重构现有 PyTorch 训练与推理代码，即可直接在 TPU 上使用数据并行与张量并行扩展 Llama、Qwen 等主流模型。
OpenAI 发布官方命令行工具 OpenAI CLI
OpenAI 开源了官方命令行客户端 OpenAI CLI，帮助开发者在终端或 shell 脚本中直接调度图像生成、文件管理与批量异步处理任务。工具支持纯文本与结构化 JSONL 输出，便于与 jq 等工具串联以搭建自动化数据管道。官方同时划分了工具边界：常规 API 交互与运维脚本推荐使用 openai 命令，而面向代码库上下文的智能体修改则交给 codex 处理。
Claude Duet：Anthropic 的常驻个人 Agent（研究预览）
Anthropic 开启常驻个人智能体 Claude Duet 的研究预览，作为独立的跨平台应用运行在专属云端虚拟机上。Duet 以 Claude Opus 5.5 为底层推理内核，能主动归纳日程、追踪应用消息并在用户离线时持续执行排期或报表生成等任务。系统内置严格的安全过滤与凭证隔离，所有发信、支付或删改操作在执行前均需得到用户的实时确认。
Omnara：开源的托管式 Agent 平台
Omnara 是一款基于 Apache 2.0 协议开源的智能体托管平台，可作为商业托管服务的多模型自部署平替方案。开发者通过统一 API 即可将任意底层模型部署在自建机器或 11 家主流沙箱云中，支持跨会话记忆存储与多智能体子任务派生。系统原生打通了 Slack、GitHub 等渠道，并将完整的交互历史留存在用户自己的 PostgreSQL 中，确保了业务数据的自主掌控。
CowAgent：47.5k stars 的开源超级 AI 助手与 Agent Harness
在 GitHub 积累了 47.5k stars 的开源项目 CowAgent，提供了支持全天候持续运行的综合超级助手底座。框架内置三层记忆架构、自动 Markdown 知识图谱以及原生 MCP 协议支持，具备自我复盘进化与技能热装配能力。单个智能体可通过一行安装命令快速上线，并能无缝打通微信、飞书、钉钉等国内主流办公渠道进行协同工作。
DeepSeek 上线 Search 与 Fetch API：每千次成功请求 0.75 美元
DeepSeek 正式推出面向智能体和 RAG 场景的 Search 与 Fetch API，采用按成功请求计费的透明模式。Search 接口提供带有相关性重排分与权威度等级的结构化检索结果，Fetch 接口则直接将网页清洗为 Markdown 格式正文返回。每千次有效请求仅收费 0.75 美元，超时或空响应完全免收费用，大幅降低了开发者为模型添加实时联网检索能力的门槛。
JetBrains 开源 Agentic IDE「ThinkRail」
JetBrains InnovationHub 开源了智能体驱动型 IDE ThinkRail，彻底重塑了多智能体并行编程的工作空间管理。系统将每个独立的智能体编程会话限制在专属的 git worktree 中，避免修改直接污染主分支。项目还引入与代码共同版本化的 spec 规范图谱，使智能体能够跨上下文准确捕捉并持续维护项目架构意图。
Corgi：面向编码 Agent 的终端复用器
Corgi 是一款专门面向 AI 编码智能体打造的终端复用器，继承了类似 tmux 的常驻会话模式与操作习惯。工具能直观汇总多个并发智能体的执行状态、token 消耗速率与硬件显存占用，并提供全局快捷键供开发者快速介入待审批步骤。其内置的多 worktree 文件比对视图，让开发者在一处即可掌控整个智能体工作流的产出变化。
Handwired：把普通 JavaScript 直接转成神经网络
Handwired 是一项将传统 JavaScript 控制流直接编译为人工神经网络的实验性工具。它通过巧妙地将条件分支映射为 ReLU 激活函数差值与加权求和，无需经过任何梯度训练即可实现 100% 精确的程序逻辑执行。编译后的网络完全可微，能在浏览器 WebGPU 上并行运行，项目不仅演示了运行迷你桌面系统，还展现了直接在编译权重上继续训练的独特潜力。
Sphinx：推送代码前先让 Agent 向你提问的 Git hook
开源 Git 钩子工具 Sphinx 践行了「可以外包思考，但不能外包理解」的工程原则。在开发者或编码智能体向受保护分支推送代码时，独立审阅模型会强制拦截并针对 diff 中的边界异常与错误处理发起追问。只有开发者准确作答证明真正理解了代码变更，系统才会放行推送，有效防止了盲目合入 AI 生成代码带来的潜在隐患。
用 45k 封安然邮件让 AI 写出每个事实都带引用的公司 Wiki
this+that 团队利用智能体处理了安然公司公开的 4.5 万封内部邮件，全自动梳理出包含 214 个实体页面的企业动态知识大脑。系统生成的 4.9 万条事实均带有确切日期与原始邮件出处，并在时间流逝或事实失效时自动标记「过期」。双模型交叉审计结果表明，93% 的事实获得了原始邮件的精准支持，且抽样 500 条事实中关键错误率为零，展示了高可信企业知识库的自动化构建路径。
KillSwitch：一门刻意让 LLM 无法使用的编程语言
开发者 Dominik Picheta 设计并实现了实验性编程语言 KillSwitch，旨在探测大语言模型究竟是在推理还是仅仅回忆训练数据。该语言在规范中刻意设置误导性描述、强制字符计数规则，并将对抗性提示短语定义为语法关键字，以此全面干扰模型的上下文理解。实测排行榜显示，即便是表现最好的 Claude Opus 5 也仅获得 66.8 分，为考察模型真正的程序逻辑推演能力提供了反直觉的压力测试场。
结束语
从微观的生物分子设计到宏观的基础软件漏洞治理，AI 正直接参与系统攻防与数学证明。随着 Kimi K3.1 Pro 与 MiniMax M3.1 Flash 陆续开放权重下载，下周值得重点关注这些开源大模型在私有化部署与端侧环境中的落地表现。