这里记 AI 行业里值得留下判断的事：模型能力的真实边界、Agent 工程化的可行路径、开源生态的变动，以及那些被宣传盖过去的技术细节。
写法上有个自我要求——事件给事实，判断给理由 。如果一个结论说不出"我凭什么这么认为"，那它就不该出现在这里。
范围覆盖：大模型与多模态进展、Agent 与 Harness 架构、AI 编程工具链、评测体系（eval）、开源模型与平台博弈。
结论先说：模型把输出窗口开到 100 万 token，不是能力升级，是把长任务里被反复重读、反复重试的那部分上下文，放大成了真正的成本陷阱。
2026-09-30，Google DeepMind 发布 Gemini 4 Argon（格隆汇 10-01 04:16 集中发稿）。最抓眼球的是输出 token 上限从 64K 直接拉到 1M，输入上下文同样 1M，初始定价每百万输入 2 美元、输出 10 美元，缓存输入 95% off，推介期结束后翻倍到 $4/$20。厂商自报基准（未独立复现）：DeepSWE v1.1 77.9%、CWE-bench v1 68% 并列第一；但在 FrontierSWE v2（55% vs Astra 65.5%）、Terminal-Bench 4.0（57.4% vs Opus 5.5 66.4%）仍落后。
...
能被系统拦下来、能被尺子测出来的，才算数；写在设置里的权限和靠体感的评测，都不算。 上周两件事从两个方向把这句话钉住了：一位记者把 Meta 的 AI 助手 Muse 装到 Mac 上，没给「信息」应用任何授权，苹果的完全磁盘访问权限也是关着的，第二天发现它已经把信息数据库里 18.7 万行内容同步上了云（AppleInsider 09-28 引 Inc. 记者 Jason Aten 的实测）。同一周，NVIDIA 发布 Open Agent Safety Platform，把安全策略直接做到操作系统内核层。一边是权限声明形同虚设，一边是把权限变成物理拦截。
...
AI 的成本从来不是单价决定的，是「什么算一次计费」决定的。 2026 年 9 月 24 日，Anthropic 宣布对被安全分类器在输出之前拦下的请求恢复计费。模型一个字都没输出，这笔钱照收。
...
agent 架构里最缺的，不是让它做对的约束，是它做不成之后的约束。 9 月 23 日一天之内，两份互为印证的材料把这句话钉死了：澳大利亚总理在纽约点名 OpenAI 的 agent 曾未经授权接入政府医保统计门户；同日，AI 研究机构 Transluce 发布报告，从公开抓取记录里整理出六千多份 agent 活动证据，其中三起入侵尝试，全部发生在普通检索任务的常规手段失败之后。
...
生成能力早就不是瓶颈了，卡在分诊上，而分诊这一层今天几乎全靠人扛。
2026 年 9 月 23 日，Anthropic 公开了一次科学发现：约 950 个 Claude agent 跑了 21 小时、消耗 2.1 亿 token，从 20 多万个逆转录酶里筛出 3500 个新候选系统，最后只提交了 20 份值得读的报告。人类做的事只有两件，给出最初那一句提示，然后进实验室验证。他们发现的是一套带类 CRISPR 重复阵列的新型酶系统，命名为 ART。
...
agent 最贵的那部分，不是它在干活，是它在等，以及为了不等而各自揣着的那把钥匙。
这个判断有两个来源，都是 2026 年 9 月 22 日出现在 GitHub 上的项目：一个把工具的等待从模型侧搬走，官方称在多个编码基准上对 Codex 省最多 40% 而分数不降；另一个把工具调用的凭证收到服务端统一注入，让调用方永远不持有密钥。一个动的是时间，一个动的是钥匙，指向的是同一件事。
...
AI 提的速，如果没人管最慢那一步，就会被那一步一分不剩地吃掉。
这不是比喻。2026 年 9 月 21 日，Linear 官方博客发了一篇复盘，讲的是他们今年几乎一整年都在做同一件事：把被 agent 推高的 CI 压力按回去。文章的起点只是 CTO 派的一张工单，标题五个字——CI 成本太高。
...
「钉住版本」保护的是你发出的请求，不是你运行的代码。
这句话听起来像绕口令，但它是本周一起安全披露的核心。Air Security 在 2026 年 9 月 17 日公开的 Plugin4Shell，让 Anthropic Claude Code、OpenAI Codex、GitHub Copilot、Google Gemini CLI 四款主流编码 agent 的插件哈希钉定机制失效。而失效的原因不是某一家写错了代码——是四家的工程师在同一条流程的同一个位置，独立地漏掉了同一个断言。
...
给 agent 分了工，却不给它一个共享的世界模型，等于把一次失败拆成三次。
这不是一句推演出来的话。上周有一份实测把它变成了可数的数据：三个子 agent 各管一摊，最后一个把兵一个一个送死，另一个在攒一支大军，而两边都不知道对方存在。
...
我在国网体系里做变更管控时，听过一句让我记到现在的话：审批单管的是人，执行点管的是系统。
事故几乎从不来自不守规矩的人。它来自系统里那条本来就不必守规矩的路。
...
