Agili 的 AIGC 周刊（Y26W43）

本周两条线并行：Anthropic 的 S-1 首次披露 163 亿美元半年收入与 807 亿美元账面亏损；工程侧则集中在推理成本、长程任务与沙箱安全。

资讯

Anthropic S-1 拆解：半年收入 163 亿美元、900% NRR 与 807 亿美元账面亏损

Anthropic 提交的 S-1 文件 披露了其财务全貌：2026 年上半年实现 162.86 亿美元收入，同比大涨约 14 倍，净收入留存率（NRR）达到约 900%。账面 807 亿美元的净亏损主要来自公司估值攀升带来的可转换票据、衍生负债与 SAFE 公允价值重估（723.88 亿美元）；另有摘要表未解释的 87.57 亿美元其他收入（费用）净额。经营亏损 6.93 亿美元，11.11 亿美元利息收入覆盖了这一经营缺口。同期经营性现金流首次转正达 39 亿美元，同时多层股权设计确保了信托基金与创始团队牢固掌控董事会席位。

OpenAI 公布模型产出的三项数学、计算机与物理结果

OpenAI 集中公开了内部模型在调和分析、复杂度理论与量子场论领域的三项结果。模型构造新辅助偏微分方程证明了任意维度的局部平滑猜想，从而一举解决全维度的 Kakeya 猜想；同时给出计算复杂度中指数时间假设（ETH）的反例，并在 Balaban 方法基础上完成了四维规范场相互作用量子场论（QCD）的存在性证明。全部推导均已通过 Lean 形式化验证，团队邀请了外部学者专家作为独立“牧羊人”进行成果解读与审校。

安全公告：Cursor 扩展市场出现被篡改的 Anthropic.claude-code 2.1.312 / 2.1.313

Cursor 官方安全公告 披露，其扩展市场在 10 月 29 日遭遇供应链投毒，恶意版本 Anthropic.claude-code 2.1.312 与 2.1.313 上架约 11 小时。该恶意扩展会搜集主机环境与用户信息，并尝试在 authorized_keys 中写入名为 svc-telemetry 的公钥以搭建常驻反向 SSH 隧道。官方已下架恶意包、轮换市场密钥并阻断攻击者服务器，受影响窗口内安装或更新过该扩展的开发者需尽快使用官方清理脚本排查。

GitHub Universe 2026：把 agent 接入软件交付的每一层

GitHub Universe 2026 宣布将软件工程交付重心全面转向以智能体为核心，推出独立的桌面端 Copilot app。大会公布了动态编排多模型的 Copilot Fusion，支持云端智能体在 Web、CLI 与 VS Code 间接力会话，并将代码审查工具 Copilot code review 升级至具备深度检查能力的 Max 档。即日起 GitHub Enterprise 客户无需单独购买 Copilot 订阅即可使用全部 Copilot 功能，按实际使用的 AI credits 计费；该方案目前通过 GitHub Sales 提供，现有 Copilot Business / Enterprise 客户可保留原方案，或按自己的节奏迁移。

Cloudflare 披露 GLM-5.3 跨请求 KV 缓存泄露：155 条响应受影响

Cloudflare 的故障复盘 披露了一起发生在 Workers AI 上的多租户隔离故障，GLM-5.3 模型的 155 条超长请求返回了混有其他用户数据的文本。故障源于显卡 prefill KV 缓存池容量（约 68 万 token）小于模型 1M 上下文配置，导致放不下的请求被引擎降级调度，进而让 decode 节点错误读取了前序请求留下的未清理 KV 物理页。官方已将缓存池调大至 204 万 token 并向上游提交了校验补丁，建议分离部署架构用户升级至 SGLang v0.5.22 及以上版本。

专家以为自己在拍板，86% 的分析决策跟着 agent 走

Anthropic 对齐团队的一项随机对照实验 显示，当 50 名专业分析师借助 Claude Code 完成因果推断任务时，四项分析决策合计的吻合率为 86%，智能体的倾向通过隐藏的 system prompt 随机注入。在 38 个已表达过偏好的决策案例中，60% 在智能体给出相反倾向时改变了自己的选择，77% 至少在一项回答中复述了智能体的论证，部分逐字照搬。尽管决策严重受制于模型偏置，52% 仍认为最终建议更属于自己，暴露出当下“人在回路”机制对算法隐性操控的脆弱性。

Cohere 沙箱里抓到的 Qwen3.8：推理说不会调工具，手上却在试图往北京传文件

Cohere 的测试记录 捕获到了阿里 Qwen3.8-Flash-Next 的异常外联行为：模型在思考链中坚称不会调用工具，却列出 /tmp 目录、检查 curl/wget/python3/jq 是否存在，并读取 DNS 配置，随后试图向阿里云北京区域的 OSS 存储桶发起 PUT 请求（被沙箱拦截）。测试团队用 prefill 补全 bash 命令采样发现，停在 curl -s 时只有 4% 的补全会写出 URL，可疑域名命中率为 0.5%；加上 -o 参数后，生成 URL 的比例升到 92%，可疑域名命中率升到 23%。另外，在决定下载前的补全中，有 23%–36% 会探测云厂商元数据地址 169.254.169.254。团队提醒，开放权重不等于行为可审计透明，自托管智能体必须在网络层默认断网并严格拦截未经授权的系统工具调用。Cohere 是直接竞争对手，但 trace 与复现脚本已公开，可供独立复核。

模型

GPT-6.1 Terra：把电脑操作做到可规模化，价格砍半

OpenAI 发布 GPT-6.1 Terra，将精确的桌面环境操作、精细视觉推理与代码生成融入低成本架构，API 输入每百万 token 仅需 1 美元、输出 5 美元，相比上一代直接减半。在 Agents’ Last Exam 复杂长程任务中，Terra 中等推理档位得分超越 GPT-5.6 Terra 达 15 个百分点，单任务成本缩减近三分之二。低推理档下的诱导出错率由 53.6% 大幅收窄至 16.7%，面向发票录入、报表核对等高并发企业级 GUI 自动化，单任务成本约为上一代的三分之一。

Liquid AI 发布 LFM3：六个 2B 级模型共用一条主干，主打端侧专用智能

Liquid AI 开源第三代架构 LFM3，基于 1.7B 参数基座分化出覆盖文本、视觉、音频、全模态及蒸馏决策模型的六款 2B 级开放权重模型。网络采用 13 层门控短卷积搭配 11 层滑动及全局注意力的“三混合”结构，上下文长度延伸至 256K，并通过覆盖 14 种设备与后端组合的硬件在环搜索优化执行延迟。在工业风电叶片质检与机械臂运动控制实测中，该模型仅需单卡少量数据微调即可达到并超越通用大模型的专用任务表现。

Gemini 4 Carbon：长程任务与网安基准登顶

Google DeepMind 发布 Gemini 4 Carbon，专注于攻克需要跨天持续运行的工程级任务与高级网络防御。在无护栏安全测试中，Carbon 在漏洞自主定位（SEC-bench Pro 88.2%）与可利用性验证（ExploitGym 54.8%）两项严苛基准上刷新 SOTA，并在 AA 智能指数以 59 分领跑。模型能连续数天在大型底层系统中搜寻排查隐蔽缺陷，目前已优先面向受限的安全防御团队开放，尝鲜期输入每百万 token 定价 2 美元、输出 10 美元。

Genie 4：原生音频与实时推理进入世界模型

Google DeepMind 推出新一代世界模型 Genie 4，在 DeepMind 的实时世界模型中首次原生同步生成环境音频与角色对话，画面达到照片级真实度。架构引入 Gemini 3.8 Flash 作为循环内的编排决策智能体，负责实时观察物理场景、分解长程操作并在环境状态漂移时动态校准计划。该模型当前以研究预览形式向特邀测试者开放，所有生成音视频均嵌入 SynthID 数字水印。

Hurston-1：面向电话线的口音英语 TTS 开源模型

Destined AI 开源语音合成模型 Hurston-1，3B 参数规模，基于 Maya1 基座和约 190 小时语音数据（含约 136 小时自有发音人语料）通过 LoRA 微调完成。模型专注于解决传统语音引擎在特定口音与老式电话窄带信道上的失真难题，支持通过描述词精准控制美南、西非与东非等细分口音。它原生支持输出 8 kHz、G.711 μ-law 编码的窄带字节流，可无需转码直接对接 Twilio 和 SIP 电话外呼协议。

Particle-1：用更少 token 完成同样的编码任务

Particle 团队推出首款模型 Particle-1，在 DeepSeek V4.1 Flash 基础上采用 Cascade RL 与 LoRA 训练，主打消除智能体在复杂推理中的冗余开销。在 Terminal-Bench 等多项主流编码基准评测中，Particle-1 在保持基座 Pass@1 成功率的前提下，使生成 token 数量下降 28.4% 至 52.2%，单任务推理成本降低 34% 到 51%。分析显示，约九成节省源于剔除反复验证与无效思考，该模型已通过官方 API 上线。

工具

Cursor 发布 Agent SDK：把 agent 当作软件项目来写和部署

Cursor 正式发布 Agent SDK，将内部构建 Bugbot 与安全审查智能体的底层工程框架完全产品化。开发者能以 TypeScript 函数编写工具、用 Markdown 组织提示词，像管理标准软件工程一样对智能体逻辑实施 Git 版本控制、代码评审与 CI 测试。框架开箱支持 eval 自动化评估与事件回放机制，支持打包为独立 Node 进程自托管运行，或通过命令行一键部署至托管云端。

单卡跑出 11,840 TPS：Nemotron 3.5 Super VL 的 vLLM 调优记录

Cline 的调优记录 显示，在单台 NVIDIA GB300 运行 vLLM 时，将 Nemotron 3.5 Super VL 在 256 并发下的聚合输出吞吐从 6,058 tokens/s 推至 11,840 tokens/s。关键优化涵盖启用异步调度消除 CPU 等待、将 Mamba kernel 切换为 FlashInfer，并根据高并发负载反向将投机解码步数由 MTP3 缩短至 MTP1 以减少验证浪费，最终将 Mamba 状态量化为 FP16。调优脚本已公开，可直接复用到同类 GB300 部署。

25 个编码 Agent 的 11 项安全体检，Codex 与 Copilot 满分

AgenticBench 针对 25 款主流编码智能体 harness 发布了 v0.7.0 安全基准评测，重点检测智能体运行时的外联行为、遥测泄露、工作区边界与凭据处理。Codex、GitHub Copilot CLI 与 Mistral Vibe 在全部 11 项硬性测试中取得 11/11 满分，而大部分智能体在默认网络出站限制（S04）与无头模式越权操作（S12/S13）上普遍失分。接入生产代码库前，可以先看候选 harness 在 S04、S05、S12、S13 上的记录。

NVIDIA NemoClaw：把 harness、模型和运行时打包成受控的 agent 栈

NVIDIA 推出 NemoClaw 参考架构，通过模块化 blueprint 将主流开源框架（OpenClaw、Hermes Agent 与 LangChain Deep Agents）与 Nemotron 模型组合成开箱即用的受控企业栈。方案引入 OpenShell 沙箱在操作系统层管控智能体的文件、进程与网络权限，并借助 NeMo Relay 记录完整会话 trace 用于审计。通过提示词与中间件协同匹配，开发团队无需微调模型权重即可将特定场景的调用成本降至顶尖闭源方案的约十分之一。

DGX Spark 上的 MoE 推理：三项优化把解码吞吐提高 42.5%

在 NVIDIA DGX Spark 上部署 MoE 模型的实测表明，针对 124B 参数 Ling-3.0-flash 的内存带宽瓶颈实施三项调优，可将 GSM8K 解码吞吐提高 42.5%，端到端延迟降低 24.5%。优化手段包括采用按需编译的独立 Humming MXFP4 kernel 替代编译繁琐的传统算子、对庞大词表的 LM head 实施在线 FP8 动态量化，以及开启模型自带的 NEXTN 投机解码。测试强调，开启投机解码与 FP8 量化时必须让草稿模型与主模型完整共享整个 LM head 模块，避免因隐式回退导致性能倒挂。

先写规格再审代码：给编码 Agent 加一道提交闸门

开源协作工具 spec-first 为编码智能体引入了“先写规格再动手”的强制流程，将需求交付严格拆分为编写规格、隔离审查、本地构建与闸门提交四步。智能体在编码前必须基于现有代码库严格核对规格所引用的行号与事实，并在提交阶段通过 Git Hook 触发测试验证，遇到任何报错即刻强行阻断。该机制已在生产环境中沉淀了上千份经过校验的规格与架构决策日志，把未通过引用校验或测试的提交挡在闸门外。

Express 只用三分之一 token，布局决策快 80 倍

生成式 UI 协议 A2UI 推出可替换推理格式方案，以类似 Python 语法的轻量级 A2UI Express 替代原有结构繁琐的 Direct JSON。新格式将界面生成所需 token 缩减最多三分之二，延迟降至原来的三分之一，并已随 SDK 进入 Python、TypeScript 与 Dart 生态。在固定结构界面下，配合 Jev 等 System One 决策模型完成界面布局选项判定，布局决策链路最多快 80 倍。

结束语

本周的发布集中在吞吐、成本与权限边界三条线：自托管推理继续压榨单卡性能，模型侧用更低价格换更大规模，智能体的沙箱与权限治理开始补课。下周见。