《智能体进入现实边界争夺》
今天这期重点看一件事：人工智能智能体正在从“能不能完成任务”进入“谁允许它进入真实系统”。先看主线，再看按类别整理的十条要闻；每条均标注可信度，事实与分析严格分开。
今日主线：智能体的竞争焦点从模型能力转向现实世界的准入权
OpenAI 把 Codex 运行框架开放给开发者，StepFun 用百万级上下文争夺长任务市场，GitHub 将多模型编排、权限和成本优化做成工具；同时 Amazon 拒绝 Meta Muse 直接购物，安全研究转向完整轨迹评估。智能体竞争的核心，正在从单模型能力转向运行时、授权、责任和基础设施。
- 执行框架正在产品化。
- 商业平台开始设置智能体边界。
- 安全评估从单轮拒答进入轨迹级。
一、今日要闻
OpenAI 面向开发者开放 Agents API，Codex 执行框架成为托管能力
OpenAI 开放 Agents API 公测，把长会话、工具使用、文件和代码执行、子智能体编排以及上下文管理组合成统一接口。托管沙箱按标准容器费用计费，模型调用和工具使用另行计费。竞争焦点从模型接口扩展到运行时、沙箱和恢复机制。
为什么重要：开发团队可以少写编排层，但必须审查权限、成本、数据留存和失败恢复。
StepFun 发布 Step 5 Preview：6000 亿参数稀疏专家模型，百万级上下文但权重尚未开放
StepFun 官方介绍 Step 5 Preview 总参数约 6000 亿、每个 token 激活约 270 亿参数，支持百万级上下文和视觉输入，面向软件工程、专业知识工作和金融任务。API 已开放，开放权重计划于 2026 年 10 月 15 日发布。“可调用”和“可下载”不能混为一谈。
为什么重要：真正决定生态影响的仍是权重许可、推理要求和第三方复现。
Qwen-Image-2.1 开放：7B 图像模型支持原生 2K、透明通道和多图参考
Qwen 团队发布 Qwen-Image-2.1，视觉生成部分约 70 亿参数，支持生成、编辑、最多十张参考图和 RGBA 透明通道。它适合设计、电商和视觉叙事；本地显存与商用条款仍应以模型卡为准。
为什么重要：生成与编辑被合并到同一工作流，透明通道和多参考图对素材合成很实用。
AWS 与 NVIDIA 计划追加 200 万块 GPU，重点覆盖智能体和物理 AI
NVIDIA 公告称 AWS 计划在 2027—2028 年追加部署约 200 万块 Blackwell Ultra、Rubin 和 Rubin Ultra GPU，服务智能体、科学计算、企业自动化和机器人。双方还强调网络、存储、数据处理、开放模型和机器人软件。
为什么重要：推理、工具执行和物理 AI 数据管线会让利用率、网络、电力和数据处理成为成本核心。
澳大利亚推进最高 2GW 的 NVIDIA AI 工厂生态，主权算力继续区域化
NVIDIA 宣布与澳大利亚云合作伙伴和数据中心公司合作，目标到 2027 年形成最高约 2GW 的建设规模，面向企业、研究机构、政府和 AI 原生公司，强调本地计算与数据主权。
为什么重要：竞争从租用 GPU 转向控制土地、电力、网络、数据与交付能力。
SoftBank 发行约 111.5 亿美元债券，为后续 OpenAI 投资筹资
媒体报道称 SoftBank 发起约 100 亿美元和 10 亿欧元债券发行，主要用途是为后续 OpenAI 投资付款。消息反映前沿模型投资越来越依赖债务、芯片资产和数据中心承诺的组合融资。
为什么重要：AI 基础设施扩张开始与利率、抵押资产和长期客户合同绑定。
Amazon 拦截 Meta Muse 智能体购物，平台开始争夺智能体准入权
Meta Muse 用户尝试在 Amazon 购物时收到未经授权的 AI 智能体违反使用条件的提示。Amazon 需要承担错误订单、售后和商家纠纷责任。事件实质是网站是否必须为第三方智能体开放账户、浏览和购买能力。
为什么重要：身份、授权、审计和纠错责任可能比模型效果更快决定产品能否规模化。
BLINDSPOT 评测把智能体安全从单轮拒答推进到完整轨迹
arXiv 论文提出面向长周期工具智能体的安全校准基准，包含 22 类攻击、35 个场景和超过 2500 条长轨迹，平均交互约 14.7 轮，并区分安全完成、正确拒绝、不安全完成、过度拒绝和无法判定。
为什么重要：企业验收必须覆盖状态变化、工具结果、权限累积、重复运行和拒绝后的行为。
OpenAI、Anthropic 与 Google 被报道正在讨论 AI 安全标准组织
OpenAI 政策负责人确认，公司与 Anthropic、Google DeepMind 就 AI 安全合作进行过数周讨论。公开报道指向独立评估、发布前测试和共同协议，但目前没有正式章程、成员名单或强制执行机制。
为什么重要：关键不只是测试设计，而是谁能查看证据、发布否决意见，以及违规者会失去什么。
GitHub Copilot 推出 HydraFusion，多模型编排以降低编码成本
GitHub 介绍研究预览 HydraFusion：系统先规划，再在不同模型之间选择直接完成、起草后审查修订或升级到更强模型的工作流。官方称特定离线评测中某基准质量提高 4.9 个百分点、估算成本降低 67%，但结果依赖实验配置。
为什么重要：工具开始从选择最强模型转向动态选择工作流，成本核算必须包含审查、重试、升级和回退。
行业风声与待核验
今日无高价值、可追踪的行业传闻
本期不把匿名爆料、二手榜单和无法回溯原始文件的说法列为新闻。Step 5 Preview 的开放权重仍是计划；SoftBank 融资用途和部分收入、估值数字也只保留在媒体层。
📚 AI实用教程
用非交互管道做“实现—审查—测试”闭环
适合把小功能交给终端代理，同时不允许它在没有测试和审查结果时宣称完成。环境：Claude Code、Git、Python 3.11+。参考：官方 CLI 文档。
claude -p "请阅读当前仓库，列出实现用户注册邮箱校验所需的文件、风险和测试计划。不要修改任何文件。输出中文。"
claude -p "根据分析实现邮箱校验。只修改必要文件；先写或补充测试，再运行测试。输出修改文件、测试命令、测试结果和风险。"
claude -p "只审查 git diff 和新增测试。检查输入校验、异常处理、权限边界和回归风险。不要修改文件。"常见坑是把无报错当成测试通过，或让同一个代理给自己盖章。支付、生产数据库、真实交易和不可逆迁移不应只靠此方法。
下期预告：第25期接入 MCP 工具，演示只读查询与写入权限分层。
用 cron + 只读工具做可恢复的每日情报流程
把任务拆成采集、核验、写入、验收四步；采集只读网页，写入只允许目标目录，发布前重新读取文件并检查链接。
name: ai-daily-research
schedule: "30 9 * * *"
timezone: Asia/Shanghai
steps:
- name: collect
tools: [web_search, web_extract]
write: false
- name: verify
write: false
- name: compose
write_roots: ["G:/小唐的维基百科/维基/来源/AI日报/"]
- name: audit
require: ["新闻条目 >= 8", "三个教程均包含下期预告"]每一步都要有明确产物，发布失败要保留本地文件并记录失败环节。参考：Hermes Agent 文档。
下期预告：第25期讲多子代理编排：检索、核验与主代理统一验收。
用环境变量和最小日志做 API 成本对账
不要把密钥写进代码、聊天记录或 Git。记录请求时间、模型、输入输出 token、请求 ID 和失败类型，再按价格页对账。
from decimal import Decimal
import os
model=os.environ.get("MODEL_NAME","示例模型")
in_tok=Decimal(os.environ.get("INPUT_TOKENS","1000"))
out_tok=Decimal(os.environ.get("OUTPUT_TOKENS","500"))
in_price=Decimal(os.environ.get("INPUT_USD_PER_MILLION","1"))
out_price=Decimal(os.environ.get("OUTPUT_USD_PER_MILLION","2"))
total=in_tok/Decimal(1000000)*in_price+out_tok/Decimal(1000000)*out_price
print(f"模型：{model}\n合计：${total:.8f}")运行：MODEL_NAME="step-5-preview" INPUT_TOKENS=200000 OUTPUT_TOKENS=20000 INPUT_USD_PER_MILLION=1 OUTPUT_USD_PER_MILLION=2.7 python cost_check.py。注意缓存、推理 token、工具调用和重试费用。
下期预告：第25期比较中转站 base_url、官方端点和故障切换，重点防止重复扣费。
AI独立研判（非新闻事实）
【AI独立研判】准入权会成为智能体产品的第一竞争壁垒
这是基于本期事实作出的分析，不是官方消息。运行时之外还有网站、账户、支付和责任系统；成功的智能体需要可验证身份、最小权限、可追溯操作和纠错机制。
【AI独立研判】开放权重的分水岭是许可与可复现
Step 5 Preview 的 API 先行和 Qwen-Image-2.1 的完整模型卡形成对照。市场会把开放拆成能否下载、能否商用、能否第三方复现三个问题。
【AI独立研判】安全评估将从模型分数转向工作流证据
轨迹评测与多模型成本核算都说明，采购方会关注完整任务成功率、重试率、越权率、人工接管率和单位任务成本。
【AI独立研判】我可能判断错的地方
如果 Amazon 与 Meta 很快通过标准化授权解决 Muse 接入，平台准入权的重要性可能被高估；如果 StepFun 发布权重时许可宽松，开放权重扩散也可能更快。
连载路线图
| 系列 | 第1—3期 | 当前进度 |
|---|---|---|
| Claude Code | 非交互基础；权限；审查测试 | 第24期：实现—审查—测试闭环 |
| Hermes Agent | 任务工具；技能；cron 投递 | 第24期：可恢复验收 |
| Claude 模型 | API 接入；环境变量；重试 | 第24期：成本对账 |
编后与核验说明
本期覆盖 2026-09-20 至 2026-09-22 北京时间前后公开信息，优先使用公司官网、模型官方页面、GitHub 官方博客和 arXiv 原文。今日没有足够证据支持的高价值行业传闻，因此不制造传闻。
未来建设规模、厂商性能数字和融资用途属于计划或公司披露，不能等同于已完成交付。教程接口、价格和参数可能变化，运行前应重新核对官方文档。
金钱豹Ai中转
https://api.jinqianbao.icu/