Let's Make AGI Real

本周的模型应用向接近真实生产环境更近了一步：开放模型开始在笔记本电脑上承担复杂任务，智能体运行框架被拆成插件，代码托管与团队沟通工具为智能体重做界面，前沿实验室则因为网络安全风险放慢训练。
模型依旧是引擎，但产品差距越来越多地出现在引擎之外：如何选择模型，怎样保存上下文，工具权限给到哪里，失败后能否回放，以及人类在什么位置批准最终动作。
本周最值得关注的，是很多公司都开始把 AI 做成一套可持续运行、可检查、可接管的系统。

一、Qwen3.8 把“可在本地运行”推向复杂任务

阿里发布 Qwen3.8-27B。这是一款 270 亿参数的原生多模态稠密模型，采用 Apache 2.0 许可，支持图像和视频输入。官方称，模型量化后可以在笔记本电脑上运行，原生上下文为 26.2 万 token，并可扩展到 100 万 token。它的目标不止是聊天，还包括编码、研究、专业工作和长时智能体任务。

更值得注意的是旗舰权重开放。Qwen3.8-2.4T-A95B 总参数达到 2.4 万亿，每次激活 950 亿参数，官方将其描述为首次把 Qwen-Max 级能力开放下载。厂商自报榜单需要谨慎看待，但开放权重本身会直接降低企业试验、微调和私有部署的门槛。

本地模型过去常被理解为云端模型的便宜替代品。现在它开始承担更敏感也更持久的工作：读取本地文件、分析长视频、调用工具、维护私人知识库。只要能力达到可用线，数据不必离开设备、推理成本可预测、系统可离线运行，就会成为明确优势。

洞察与点评： 本地模型不需要在所有基准上夺冠。它只要在一台可负担的机器上，稳定完成大多数日常步骤，就足以改变智能体的成本结构。

二、DeepSeek Harness 把智能体“底盘”全部拆成插件

DeepSeek Harness 进入开发者预览，并同步开放源代码。它没有再发布一个新聊天框，而是提供智能体运行所需的底盘：模型、工具、技能、会话、沙箱、存储、循环、调度和界面都做成可替换插件。开发者可以换掉其中一个部件，不必修改整个框架。

系统还把运行轨迹写进只追加的会话日志。提示词、推理、工具调用、结果、子智能体调度和上下文注入都能检查；恢复、分叉、搜索与回放建立在同一条事件流上。对长期任务而言，这比“模型回答得像不像人”更关键，因为系统终于可以解释自己做过什么。

同一时期公布的 AutoDesign 研究给出另一种思路：不重训模型，让元级优化器根据多轮结果改进外部 harness。在论文海报生成任务上，学习后的 DesignHarness 将七组配置的平均分从 54.99 提高到 67.39。实验范围有限，尚不能外推到所有任务，但它证明了一件事：围绕模型的工作流本身可以被优化，甚至递归改进。

重要警示： harness 越可组合，权限边界越不能含糊。插件可以带来工具，也可能带来网络访问、凭据和持久化能力。安装来源、默认权限、日志范围与撤销机制，必须成为框架的一等功能。

三、模型路由开始取代“一模型包办全部”

模型价格表正在失去一部分解释力。一次调用便宜，不代表一项任务便宜；一个模型榜单领先，也不代表它适合做流程中的每一步。真实成本还包括规划次数、重试、工具调用、延迟和人工复核。

因此，越来越多系统采用分层路由：强模型负责理解目标、制定计划与最终验收；便宜模型负责搜索、分类、格式转换和重复执行；本地模型处理隐私数据；专门模型接管视觉、语音或代码。复杂流程甚至会在同一项任务中多次切换模型。

这种设计把采购问题变成架构问题。企业需要知道的不再只是“哪个模型最强”，而是“怎样的模型组合能以最低返工率交付”。路由器、缓存、结果评分和降级策略随之变成新的基础设施。

洞察与点评： 下一轮价格战不会只发生在 token 单价上。真正有竞争力的产品，会把昂贵模型留给少数关键判断，把其余步骤交给更合适的执行者。

四、OpenAI 暂停部分训练，网络安全能力越过新门槛

8 月 18 日，OpenAI 公布前沿模型研发节奏调整。公司称，即将推出的 Astra 可能达到其准备框架中的“关键网络安全能力”阈值，加上此前与 Hugging Face 相关的安全事件，促使团队暂时放慢扩展速度。最新部署模型的强化学习训练曾暂停两周，最大规模的前沿强化学习运行仍处于暂停状态。

调整不是笼统的“安全审查”。官方列出的措施包括更强的工作负载隔离、网络隔离、减少常驻权限、持续安全测试，以及对工具调用进行分级监控。对于 Sol 级及以上模型，涉及工具的强化学习训练和评测都必须进入新监控体系；Astra 的工具调用推理也被纳入。官方估算，监控额外消耗约为被监控推理算力的 20%。

这说明安全成本已经从发布前的一次评测，进入训练和推理的持续账单。模型越能使用代码、浏览器和网络，实验环境就越接近一套真实的高风险生产系统。沙箱、告警与人工停机不再是附加项。

重要警示： “暂停新模型”是过度简化。实际情况是部分前沿训练和高风险工作负载暂停或迁移，较小规模训练与评估仍在继续。准确区分范围，比制造神秘感更重要。

五、Computer History 让 AI 开始记住电脑上的工作过程

ChatGPT 桌面端推出 Computer History。功能会把获准应用和网站里的交互事件整理成时间线与本地记忆，让 ChatGPT 和 Codex 回答“我休息前做到哪里了”，或识别重复流程并建议生成技能和自动化。

官方文档强调，这项功能默认关闭，目前面向 macOS 上的 Pro、Business 和 Enterprise 用户；企业工作区还需要管理员明确授权。用户可以选择哪些应用和网站参与，随时暂停、查看或删除历史。系统不把截图写入历史，不录制音频，也不包括浏览器无痕模式活动。

这类产品的价值很直接：AI 不再只看用户主动粘贴的一段文字，而是理解工作在多个应用之间怎样连续发生。风险同样直接。点击、输入、切换应用和辅助功能暴露的上下文，足以拼出高度详细的行为画像。

洞察与点评： 长期记忆会让助手真正有用，也会把隐私控制从“是否保存聊天”扩展到“是否记录工作过程”。默认关闭、应用白名单、本地存储与清晰删除能力，决定用户敢不敢打开它。

六、Cursor 与 Slack 把代码工作流改造成“人机共事”

Cursor 推出 Origin 代码托管早期测试，向付费用户逐步开放仓库、拉取请求、代码浏览与 GitHub 同步。由 Cursor 托管的仓库可以直接创建；从 GitHub 同步的仓库仍以 GitHub 为事实源，评论和回复双向同步。代理可以在浏览代码时回答问题、修改分支、更新拉取请求。

Salesforce 则推出 Slack Code，把编码智能体带进专门的 code channel。产品经理、设计师和工程师能在同一个频道查看对话、代码差异、预览与审批。智能体并不一定在 Slack 内部运行，而是调用现有的 Claude Code、ChatGPT、GitHub Copilot、Vercel 等伙伴工具，再把过程集中到团队可见的空间。

两项产品都在处理同一个旧问题：个人与智能体之间的工作很快，但团队看不见。任务背景散落在聊天、仓库、工单和终端里，评审只能在最后追赶。把代理活动放到共享空间，能减少上下文丢失，也方便人在关键节点暂停、改向或拒绝合并。

洞察与点评： 智能体进入企业后，最稀缺的不是再多一个会写代码的窗口，而是共同可见的过程。团队需要看到它为何修改、改了什么、谁批准上线。

七、Etched 获得 7 亿美元，专用推理芯片进入交付检验

专用推理芯片公司 Etched 宣布以 210 亿美元估值融资 7 亿美元，Jane Street 领投。更重要的进展是，公司已经把首套机架交付给 Jane Street 数据中心。对一家挑战通用 GPU 的初创公司来说，第一套可运行机架比路线图更有说服力。

Etched 的押注是，为 Transformer 推理定制芯片、机架和软件，以高吞吐与低延迟争取在线推理市场。公司称将扩大工厂、供应链、集群软件和内核优化能力。所有性能和规模承诺仍需由真实负载、稳定性、功耗和持续交付检验。

这笔融资也解释了为什么“每项任务的成本”突然成为产品核心。智能体会持续调用模型，推理从偶发请求变成长期负载。只要需求足够稳定，专用硬件就有机会用效率换取市场，但也必须承担架构快速变化的风险。

洞察与点评： 资本已经为专用芯片买单，客户接下来要看交付。AI 硬件竞争从演示片走进机房，胜负会由可用率、电力、软件兼容与供货速度决定。

八、3D、机器人与音乐生成都在争夺“可用资产”

Tripo P2.0 预览把图片或文字生成的 3D 模型推向可导出、可打印、可进入 Blender 和 Unreal Engine 的资产。演示仍能看到人物纹理和细节不稳定，但它已经跨过“只能转圈观看”的阶段，开始触碰游戏、打印和预演流程。

机器人领域对 VLA，也就是视觉—语言—动作模型的关注继续升温。这类模型把摄像头观察、自然语言指令和机器人状态转成控制动作，希望替代大量脆弱的任务专用管线。它距离通用机器人仍远，却提供了一条更统一的训练与部署路线。

音乐方面，阿里上线 HappyShrimp 1.0 测试版。用户可以用一句情绪、故事或风格描述生成完整歌曲，也可以提供歌词，让系统完成作曲、编曲和演唱。产品支持人声歌曲与纯音乐，并尝试把段落结构、配器与情绪曲线变成可控参数。

洞察与点评： 生成内容真正进入生产，不靠一次惊艳，而靠导出格式、结构保持、后续编辑和版本管理。可用资产比漂亮样片更难，也更有商业价值。

九、可见水印可以关闭，内容可信度不能只靠一个标记

生成媒体越来越像专业资产，平台却在调整可见标记。Gemini 允许用户关闭部分 AI 图像、视频和音乐上的可见水印，同时保留不可见的 SynthID。支持者认为这方便正式创作，反对者担心普通用户更难一眼识别合成内容。

水印本来就不是万能答案。可见标记能被裁剪，不可见标记可能在压缩、转码或重制中受损，元数据也可能被剥离。更稳妥的做法是把生成记录、签名元数据、平台检测、传播标签和申诉机制组合起来。

同一周，网页 AI 作者身份比例研究引发讨论，但公开报道使用的是统计检测方法，并不能精确判断每一篇文章由谁写成。把宏观估计当作单篇内容的鉴定工具，会制造新的误伤。

重要警示： 内容检测只能给出证据，不应自动变成定罪。平台需要说明置信度、保存原始凭证，并允许创作者申诉；否则“检测 AI”本身会成为不透明的黑箱。

十、本周结论：工作流正在成为新的产品边界

把本周消息放在一起，AI 竞争的重心已经很清楚。Qwen3.8 降低本地运行门槛，DeepSeek Harness 把智能体底盘开放成插件，OpenAI 因网络安全风险暂停部分高强度训练，Cursor 与 Slack 把代理带进团队协作，Computer History 则让助手开始理解跨应用的工作过程。

这些变化并非让模型本身变得不重要。恰恰相反，模型的竞争仍然在继续，十万亿参数的天花板也已经被捅破。但下层的应用也在全面开花。模型能力越强，围绕它的系统越需要成熟。编排决定成本，记忆决定连续性，权限决定风险，日志决定可追责性，人工批准决定自动化能走多远。

接下来几个月，行业会继续发布更强的模型。但以下四个朴素问题也将很快得到突破和普及，即：任务怎样拆，数据存在哪里，谁能看到过程，出错后如何恢复。

大模型开始众神归位，稳居引擎舱。竞争火花四溅的，出现在前台和工作流。