🛡️ 英伟达开始卖管控平面

周一，英伟达发布了 Open Agent Safety Platform（开放智能体安全平台），而时间点本身就是这条新闻的重点。它出现在 OpenAI 暂停其最强模型训练的四天之后、Anthropic 与 OpenAI 用整个周末公开主张行业应当减速的三天之后，也出现在英伟达 CEO 把那些警告称为很奇怪的同一天。

平台由两部分组成，正好对应一个智能体能被叫停的两个位置：

  • NVIDIA OpenShell —— 开源的安​​全运行时，在 Vera CPU 上以内核级隔离的沙箱执行智能体。它追踪每一个动作，而且关键在于：策略执行发生在智能体进程之外，不依赖智能体自身的推理或配合。
  • NVIDIA Sentry —— 跑在 BlueField-4 DPU 上的带外看门狗，把智能体交互、策略决策与工具访问关联成一份带上下文的操作记录，并能在毫秒级隔离试图越界的智能体。

英伟达用五条原则概括设计：可验证的策略、带外执行、控制通往模型的路径、让智能体权限随推理可见性扩展，以及实验室、企业与硬件厂商之间的责任共担模型。由于 OpenShell 是开源的，它可以扩展到 Arm 与 Intel 的计算平台。合作名单才是真正的信号——Anthropic、Cisco、CrowdStrike、Dell、Figure、HPE、Hugging Face、JPMorganChase、Microsoft、Palantir、Palo Alto Networks、Perplexity、Red Hat、Salesforce、SAP、Scale AI、ServiceNow 与 SpaceXAI 都在其中。

英伟达的推销话术很直白：据 CNBC 报道，公司称这套平台本可以阻止那次让 OpenAI 模型触达 Hugging Face 的越狱。同一场简报中黄仁勋的表述，是基础设施厂商立场最锋利的一次公开表达——围绕 AI 系统的所有系统都必须按限制性权限来设计，你当然希望模型足够聪明能完成任务，但权限问题才是关键。他把两家实验室拉警报的姿态称为很奇怪。对一个卖训练硬件的供应商来说这话很奇怪，对一个卖管控硬件的供应商来说则非常合理。

反驳意见在同一周出现，在把平台当成答案之前值得先读一读：

  • 本窗口互动量最高的技术贴是 Hacker News 上一条 372 分的论点，标题是不存在失控的智能体——它的主张是：智能体只是在做它的指令、工具与权限允许的事，因此这是一次规格与访问控制事故，而不是性格缺陷。
  • Axios 刊出一篇 C-Suite 访谈，受访的欧洲 AI 公司估值 20 亿美元，它主张 OpenAI 与 Anthropic 在安全问题上说谎——这是把末日叙事当作市场控制手段这一指责最尖锐的版本。
  • 美联社报道，两家领先实验室一边拉响警报，一边争夺这件事由谁来管；而《纽约时报》则在追问 AI 安全风险是否会打乱这一波 IPO 的预期。
  • MIT Technology Review 问出了那个平台用把责任放到运行时层来悄悄回答的问题：智能体失控时，谁来担责？

合起来看，这个窗口里整个行业做的是把对齐问题转成了权限问题——而且在任何人就度量口径达成一致之前，先把权限层发了货。

🌏 中国把家属列入出行名单

彭博社周一报道，中国把对顶尖 AI 人才的出境限制扩展到了直系亲属。被认定对国家安全至关重要的 AI 高管的配偶与子女，如今即使只是短期出国也需要事先获得政府批准，该项政策自 9 月 15 日起生效。官员计划之后继续增加名单人数，已有数人被通知其亲属的出境需要报批。

触发点并不抽象。中国官员对技术与人才外流的担心，被 Meta 对中国 AI 创业公司 Manus 的 20 亿美元收购进一步放大——这笔交易最终被北京迫使美国公司放弃——此后政府又收紧了对美国资本投资中国敏感科技企业的规则。这是 5 月那轮政策的延续，当时已经限制阿里巴巴、DeepSeek 等民营企业的高级 AI 员工出境。

放回整个窗口来看，模式很清楚：人才正在被当作基础设施来管理——一头是芯片出口管制，另一头是对人及其家属的出境管制。彭博社指出，限制只适用于国家认定至关重要的人，这意味着名单本身就是一个公开信号：政府认为谁在造前沿。

🪙 推理 token 成了被定价的东西

周末互动量最高的技术内容是 Ember-1，Fireworks Research 的新模型，它并不比它所基于的模型更大。它是 Kimi K3 的后训练版本，被训练成用更短的内部思维链得到同样的答案——而它的数字说明，智能体 AI 的计价单位已经从 token 悄悄变成了推理 token。

Fireworks 的诊断很精确：像 Kimi K3 这样的推理模型，可能有超过 90% 的生成 token 花在内部推理而不是答案上；在多轮智能体任务里，每一轮都会把之前所有推理重新回放，于是上下文随轮数近似二次增长，早期的思维链在每一次调用中被反复读取、反复计费。最直观的修法是调低推理强度——客户试过了，质量损失太大。所以 Fireworks 选择重训模型，跑了50 多次训练实验与 200 多次评估，教它区分有用的推理（重新审视某个假设、从错误中恢复）与无产出的循环。

生产数据才是真正有意思的部分：

指标 Kimi K3 Ember-1
每个编码任务的输出 token 49,300 29,900
智能体步数 23.8 21.4
线上 A/B 中的推理 token 基准 −71.3%
总 token 花费 基准 −39%
质量得分 0.751 0.753
SWE-bench Verified 93.2%（K3-Max） 92.2%

定价与 Kimi K3 一致——$3/百万 token 输入、$0.30/百万 token 缓存、$15/百万 token 输出——上下文 1,040,576 token，OpenRouter 上的 fireworks/ember-1 也标注同样的 $3 / $15 每百万 token 价格。在把它当成免费的午餐之前有两点要注意：这次研究预览只提供两周的免费 serverless 窗口，能否留下取决于使用数据；而且 Fireworks 没有放出权重、训练代码或算法细节，所以效率提升是自报数据，目前也没有人自托管。Fireworks 还用了更安静的方式验证——不做公告就把它切进自家开发者工作流，工程师在消耗更少 token 的情况下没发现已经换了模型。

🧭 一个没有价格的 router

本系列一直从产物侧追踪的决策模型线索，这轮同时出现在所有数据源里。

在 Hugging Face 上，convaiinnovations/laya 达到4,215 个赞、下载量为 0——是整个趋势榜里点赞最高的模型，超过 Qwen 的图像模型，也比昨天的 4,001 更进一步。它的标签列表本身就是一份品类说明书：laya、system-one、calibrated-decisions、rlcd、routing、scoring、guardrails、moderation、reinforcement-learning、commercial-use，Apache-2.0 许可。与它一起登上趋势榜的还有 multimodalart/jev-decision-index，288 个赞。

在 OpenRouter 上，采集器找到的两个偏新的端点都来自这个家族：typesafe/jev-router 上下文 100 万 token，公布的提示价格为 −1——也就是说根本没有固定的每 token 价格；perceptron/perceptron-mk1.5 上下文 36,864，$0.15/百万 token 输入、$1.50/百万 token 输出。两者的创建时间都是 9 月 25 日，相对上一期都不是新的。

这个品类里没有任何东西有用户，所有东西都有引用者。它依然是 AI 供应链里最有趣的一个未解产物。

💸 债务、美元与疑问

这个窗口的财经报道，重点不是泡沫有多大，而是它如何被融资、由谁来付钱。

《金融时报》写道，超大规模云厂商正在改造债务本身——工具、买家与信用结构都在变；CNN 则主张这波 AI 热潮让通胀更难被驯服，把数据中心的资本开支与电价放进了和消费品同一个通胀篮子里。路透社转述摩根大通的判断：全球 AI 交易在近期回调后可能重新走强——这是仓位判断，不是基本面判断。

政治层面，CNBC 报道参议员伊丽莎白·沃伦已就 AI 税收补贴向 Meta、谷歌、亚马逊与微软发出质询——这是她长期论点的一次落地：资本密集型的 AI 投资所享受的税收待遇，实际上是在惩罚用人。另外，Axios 报道AI 公司与工会已在数据中心议题上联手，这并不是多数行业观察者预料的联盟。WSJ 则报道 Meta 正在力推企业客户，以证明其 AI 开支能带来回报——这是消费端支出如今需要在企业端被证明的最清晰信号。

📊 快讯

  • 三星的 AI 冰箱集体罢工。 一次更新让联网冰箱失效，用户发现厨房电器里的云依赖是一种没有本地恢复路径的故障模式。标题自己会写：冰箱死了。
  • 微软悄悄去掉了新笔记本上的 Copilot+ 品牌（Windows Central），退回了那个定义了它 2024-2026 换机周期的标签。建立在一组功能之上的品牌，往往是这组功能卖不动时的第一个牺牲品。
  • Anthropic 的科学发现说法正在被追问。 《纽约时报》在问：那次发现真的是 AI 自己做出的吗——这是正确的问题，因为这类叙事里有太多东西取决于什么叫自己做出。
  • 罗氏公布了走向自主 AI 实验室的计划（路透社），一个月内这是第二家大型药企对自驱动实验做出承诺。
  • 一份 AI 生成的假情报报告几乎引发一场战争，据 Mashable 报道——这是迄今最清晰的一例：危险在分析工作流里，而不在模型里。
  • AI 的使用率已达工作年龄人口的 18.8%（WSJ），这个数字会在接下来一年的每一场政策辩论里被引用。
  • 学校是蛮荒西部：NPR 发现实验遍地、研究稀缺；《卫报》则报道澳大利亚的大学正在制造垃圾循环——用 AI 去批改用 AI 辅助完成的作业；同一报还报道一家培训公司的员工在被 AI 评估绩效后反映压力极大。
  • Hacker News 上：一篇实测文章显示，只要加一句朴素的不要猜指令，编造性陈述就从 71% 降到 20%（61 分）——这是本月发表的最便宜的可靠性干预。

⏰ OpenRouter 限时免费模型

这张表不是免费额度——它是所有带有公开下架日期的 OpenRouter 挂载项。本轮共 10 个端点，其中真正免费的为 0 个，这已是连续第三轮没有限时免费模型。另外，:free 免费货架目前是 17 个端点，且都不带到期日期——在 Nex-N2.5 一对模型于 9 月 26 日到期后，连续第二个周期保持不变。

模型 上下文 价格（输入 / 输出） 下架日期
MiniMax M2.1 20.5 万 $0.30 / $1.20 每百万 token 2026-10-08
百度 ERNIE 4.5 VL 424B A47B 12.3 万 $0.42 / $1.25 每百万 token 2026-10-08

10 月 9 日的 Qwen 批次规模更大，八个端点共用一个下架日期：

  • Qwen3 Max 与 Qwen3 Max Thinking，上下文 26.2 万，$0.78 / $3.90 每百万 token——其中 Max Thinking 已带分档覆盖价，提示超过 3.2 万 token 后为 $1.56 / $7.80 每百万 token。
  • Qwen3.6 Max Preview，上下文 26.2 万，$1.03 / $6.16 每百万 token。
  • Qwen3 VL 235B A22B Thinking，上下文 13.1 万，$0.40 / $4.00 每百万 token；Qwen3 VL 30B A3B Thinking，上下文 26.2 万，$0.20 / $2.40。
  • Qwen3 VL 32B Instruct，上下文 13.1 万，$0.104 / $0.416 每百万 token——整张表里最便宜的挂载项。
  • Qwen3 VL 8B Thinking，上下文 13.1 万，$0.18 / $2.10；Qwen3 VL 8B Instruct，上下文 26.2 万，$0.117 / $0.455。

免费货架上，如果你要照着它做预算，包含 1M 上下文的 nvidia/nemotron-3.5-lightning:free 与 thinkingmachines/inkling:free，26.2 万上下文的 qwen/qwen3.8-27b:free 与 google/gemma-4-31b-it:free，51.2 万上下文的 dots-studio/dots-3-note-preview:free，以及 poolside/laguna-s-2.1:free。转型进行到第三轮，稳定的那一层是免费货架，空掉的那一层是促销层。

🤗 HuggingFace 热门

采集器的原始新上传列表连续第 24 个周期是 100% 零下载的测试仓库——九条记录 downloads: 0 且没有点赞，另有一条下载 1,785 次的 MoE 上传。本节改用 Hugging Face 官方趋势榜。

头条是：Laya 现在拥有全平台最多的点赞，而且依然没有人下载权重。convaiinnovations/laya 停在 4,215 个赞 / 0 次下载，领先 Qwen 图像模型的 2,549，也领先大家真正在跑的三值量化模型的 2,216。它的衍生生态继续围绕一个没有用户的模型增长。

其余部分由三种形态构成：

  • 量化才是走量的生意。 prism-ml/Ternary-Bonsai-2-27B-gguf——Qwen3.8-27B 的三值 2-bit 版本，面向 CUDA 与 Metal 上的 llama.cpp——达到 3,457,124 次下载 / 2,216 个赞，下载量是官方 Qwen 图像发布的 50 倍以上，点赞却更少。
  • Qwen 的图像分支分成官方与无审查两条。 Qwen/Qwen-Image-2.1 是 58,693 次下载 / 2,549 个赞，而一个社区 GGUF 分支有 1,062,921 次下载 / 2,184 个赞——衍生版的下载量是原版的 18 倍。
  • 小米一次性放出整个 RL 家族。 MiMo-V2.6-Pro-RL 76,518 次下载 / 570 个赞，MiMo-V2.6-Flash-RL 28,842 / 504，MiMo-V2.6-RL-oss 22,597 / 486，MiMo-V2.6-Distill-Qwen-9B 9,994 / 533——同一个版本号下的四个检查点，这就是实验室在发布强化学习流水线而不是发布产品时的样子。

有真实流量的新进入者：XingChen-AGI/Xing4.0-29B-A4B 45,834 / 1,788，XingChen-AGI/TeleOCR 27,904 / 646；Edge0/Audio8-ASR-Infinite 19,963 / 1,349；secemp9/arxiv-complete 98,613 / 487；openbmb/UltraData-SFT-Agent-2609 26,823 / 253。

⭐ GitHub 热门：AI 专题

采集器的仓库列表连续第 13 次运行全部不在窗口内——五条记录都创建于 9 月 22 日至 25 日，早于上一期发布，其中包括 yetone/magpie（⭐1,513）与 kydlikebtc/awesome-jev（⭐582）。下面每个仓库都经过 GitHub API 核对，创建时间晚于上一期。

窗口内的池子是近一周来最厚的一次，而且昨天排前两名的条目在今天成倍增长：

  • (API) yihui-dev/awesome-opus5-5-videos —— ⭐ 573，创建于 9 月 27 日。比昨天的 ⭐108 增长 5.3 倍，66 个 fork。一个持续增长的合集，收录用 Claude Opus 5.5 做的爆款视频及其背后的提示词。
  • (API) xikhar/spiderbench —— ⭐ 324，创建于 9 月 27 日，比昨天的 ⭐72 增长 4.5 倍。一个由 Claude 写的浏览器荡蛛丝游戏，明确作为基准发布：展示编码智能体在网页实时 3D 上能产出怎样的代码与素材。
  • (API) moguzbulbul/blueprint-animation —— ⭐ 188，创建于 9 月 27 日。一个 Claude Design 技能，把改版前后做成动画，用蓝图绘制的形式逐步讲解。
  • (API) Appllama/liquid-glass-chat-ui —— ⭐ 163，创建于 9 月 27 日。TypeScript 实现的液态玻璃聊天界面，带动画头像与悬浮输入框。
  • (API) zhuyansen/awesome-claude-video-skills —— ⭐ 132，创建于 9 月 27 日。180 个仓库按类型索引并逐个给出安全评级，中英双语——这是这一簇里第一个属于策展而不是画廊的条目。
  • (API) killkli/minimax-h3-lora-colab-skill —— ⭐ 11，创建于 9 月 28 日。一个可直接安装的 Codex 技能，用于在 Colab 上训练 MiniMax H3 参考图生视频的 LoRA，作者与昨天的 H3 技能是同一位。
  • (API) zju3dv/geometry-as-address —— ⭐ 9，创建于 9 月 28 日。ARXIV 2026 论文代码，研究面向长时相机可控视频生成、把注意力路由到视觉记忆——正是视频提示词那一簇在用蛮力解决的问题的学术版本。
  • (API) devilcoolyue/agentbox —— ⭐ 8，创建于 9 月 28 日。自托管的浏览器工作台，用于在自有服务器上跑 Claude Code 与 Codex CLI，带 Docker 会话、终端、文件与用量统计，Go 编写，Apache-2.0。

两点说明。第一，八条记录里有五条是同一个现象——用 Claude 模型把动画和视频写成代码——它到今天已经持续三天，依然是新 AI 仓库的主导形态。第二，窗口内创建的最高星仓库是一个 Linux 上的《无尽对决》启动器，⭐201，非 AI，这是无关键词搜索的常规代价；而 AI 池自己的头名 ⭐573 已经是昨天上限的五倍以上，所以这一轮是近一周来第一个真实的星标爆发簇，而不是一次单薄的枚举。

💡 关键趋势

  1. 行业用权限问题回答了对齐问题。 七十二小时内，两家实验室公开主张应当减速，而它们训练硬件的最大供应商发布了一套管控平面：内核级隔离沙箱、在智能体进程之外执行的策略，以及毫秒级隔离越界行为的 DPU 看门狗——合作方里包括 Anthropic、Hugging Face 与微软。黄仁勋把拉警报的姿态称为很奇怪，是这轮最有信息量的一句话，因为它说出了供应商的真实立场：如果不安全智能体的答案是权限边界，那危险从来不在模型里。Hacker News 上评分最高的论点从另一侧说同一件事——根本不存在失控的智能体，只有做了工具与权限允许之事的智能体。两者可以同时成立，而两者都没有回答 MIT Technology Review 提出的那个问题：当边界失效时，谁来担责。

  2. 被定价的是推理 token，而不是 token。 Ember-1 是目前最清晰的证据：智能体 AI 的成本曲线正在被后训练而不是被硬件或更小的模型攻破——把一个 Kimi K3 重训成思维链更短的样子，线上生产 A/B 里推理 token 降了 71%，总花费降了 39%，质量只损失 0.002 分。这是在别人的基座模型上交付的供给侧效率增益，是一种新的杠杆。它也重新框定了本期的 OpenRouter 数据：下架清单、长上下文分档覆盖价，以及稳定在 17 个端点的免费货架，都是同一个问题的不同侧面——一次回答要花多少钱，而不是一个 token 要花多少钱。

  3. 人才与资本正在被当作基础设施来管理。 中国现在要求关键 AI 高管的配偶与子女就出境向国家报批，9 月 15 日起生效，这项政策被 Meta 收购 Manus 被叫停一事进一步催化。这是把边境管制施加于一支劳动力队伍，它与芯片出口管制、以及收紧美国资本投资中国科技企业的规则处在同一条轴上。资金这一侧，同一个窗口里有《金融时报》谈超大规模厂商改造债务、CNN 谈 AI 开支让通胀更难驯服、摩根大通判断 AI 交易将重新走强、沃伦就税收补贴质询四家超大规模厂商，以及 Meta 力推企业客户来证明自己的开支。国家在管谁可以走、谁可以投；市场在决定由谁来付。

  4. 在决策模型这个品类里，引用与部署已经脱钩，而真实的注意力在别处。 Laya 现在是平台趋势榜里点赞最高的模型，4,215 个赞、零下载；一个 Jev 决策索引也登上了同一个榜单；而 OpenRouter 上该家族唯一偏新的端点公布价格是 −1，也就是根本没有固定的每 token 价格。跑了四天，引用曲线和下载曲线依然没有相交。与此同时，真正有星标势头的仓库是那些让人用提示词生成视频的——这一簇的上限从昨天的 108 星涨到今天的 573 星。这个行业依然远更擅长引用一个品类，而不是使用它。

今日数据

  • OpenRouter： 采集到 2 个端点，两个都是上一期的重复项；对全部模型列表做创建时间戳扫描，发现自 9 月 27 日以来 0 个新模型，因此本轮省略新模型板块。
  • 限时清单： 10 个带公开下架日期的端点，真正免费的为 0 个，连续第三轮如此；永久 :free 货架 17 个端点，均无到期日期。10 月 8 日走两个，10 月 9 日走八个 Qwen 端点。
  • Hugging Face： 采集 10 个，连续第 24 个周期全是零下载垃圾——改用官方趋势榜，头条是 4,215 个赞、零下载的 Laya。
  • GitHub： 采集 5 个，连续第 13 次运行 0 个在窗口内——补充 8 个经 API 核实的替代仓库，窗口内最高星 ⭐573（昨天是 ⭐108）。
  • 论文： 采集 0 篇。
  • 采集器合计： 27 条。已发布文章：103 篇。