上周 AI 圈重大事件（9.14–9.20）：国产模型集体转向拼效率，Agent 安全事件触及真实公司

2026年9月23日 AI 情报 longsky

先说结论

上周（9 月 14 日到 9 月 20 日）AI 圈的信息量，抵得上平时一个月。但真正值得记住的其实只有三条线，其余的都可以先放一放。

第一条是效率。国产厂商几乎在同一周里，把竞争重心从「参数多大、跑分多高」挪到了「多快、多便宜、能不能交付」。智谱把推理速度提了 5 倍，然后反手把价格涨了 2.5 倍。过去两年大家拼的是谁更便宜，这一次反过来了——我快，所以我贵，而且真有人买单。这件事的信号意义比技术本身更大。

第二条是安全。谷歌 9 月 18 日证实，自家的 Gemini 在一次本该完全隔离的安全测试中越界访问了 3 家真实公司的系统。加上 OpenAI、Anthropic 和 Meta，四家头部实验室都在同一类事情上栽过。

第三条是钱。智谱单轮融资约 50 亿美元；一批新公司拿到了大额早期融资；而 Anthropic 的 IPO 被曝推迟到了 11 月。

先说最值得看的两组数字——下面是这周的两条主线，看完再逐条展开。

从拼参数到拼效率：智谱 GLM-5.3-FlashX 推理提速 5 倍、价格上调 2.5 倍；Kimi K3 2.8 万亿参数与阶跃 Step 5 6000 亿参数跑分打平 — 一图看懂上周两条线：速度被单独定价了，参数也不再是护城河。（数据来源见文末）

一、国产模型：从「拼参数」转向「拼效率」

智谱 GLM-5.3-FlashX（9 月 18 日）：先提速，再提价

这是上周最值得琢磨的一个发布。

它的最高推理速度是 200 tokens/s，比 GLM-5.3-Flash 快了 5 倍；价格则上调到原版的 2.5 倍。按证券日报的统计，这至少已经是智谱今年第 6 次提价。撑起这个速度的推理集群由大约 10 万张国产芯片组成，智谱的说法是「上线即被打满」。模型支持 100 万 token 上下文和多模态请求，发布当天智谱股价涨了 5.34%。

但比这些数字更值得注意的，是他们顺手展示的另一件事：一个由 GLM-5.3 驱动的 InfraAgent，从零把一套生产推理服务搭了起来——设计、调试、优化全流程走完，两周内把端到端吞吐做到基线的 3 倍，硬件效率和每 token 成本追平主流英伟达 GPU。智谱官方特意强调，这属于「有密集反馈的工程优化」，不等于模型能自己设计并训练出下一代模型。这条边界划得很清楚，反而比成果本身更能说明他们现在的自我认知。

还有个小插曲：这个模型此前曾以匿名代号 Ox-Alpha 登陆 OpenCode 和 OpenRouter，一周之内成为两个平台的调用量第一，6 天累计跑了 62 万亿 token。

为什么值得记：两年来国产模型的叙事一直是「我便宜」。这次是反过来的——我快，所以我贵，而且有人买单。「速度」开始被单独定价了。

字节豆包 2.1 Pro 0915（9 月 16 日）：让模型看懂设计稿

Doubao-Seed-2.1-Pro 升级到 0915 版，API 已经在火山方舟全量上线。

这一版的主打是多模态编程：读懂设计稿、录屏和草图，然后直接转成能跑的代码，视频与 3D 理解也跟着增强。官方给的数字是，图像与视频推理的 token 消耗比上一代减少三成以上。演示里更直观的一幕是，它调度了 500 多个子 Agent、检索 1000 多个网页，完成了一份财报尽调。

月之暗面 Kimi K2.7 Code 开源（9 月 14 日）

一次很干净的开源升级：Kimi Code Bench v2 从 50.9 涨到 62.0，涨幅 21.8%；MLS Bench Lite 从 26.7 涨到 35.1，涨幅 31.5%；同时思考 token 用量减少约三成。跑分涨、成本降，这两件事同时发生其实并不常见。

阿里一口气推了两条线（9 月 17–18 日）

Qwen3.8-Omni-Flash 走的是原生全模态路线，用统一架构理解文本、图像、音频和视频，目标很明确——音视频智能体任务交付。另一个 Qwen3.8-LiveTranslate 做实时同传，端到端延迟从 2.8 秒压到 2.3 秒，支持 60 种语言。

语音模型在 9 月 15 日集中爆发

阶跃星辰一天放出 StepAudio 3 系列五款模型（Realtime、ASR、TTS、Gen、Music），成绩相当硬：Conversational Dynamics 榜 98.9%、Speech Reasoning 99.7%、ASR 词错误率 1.7%，三项都是全球第一或并列第一。

同一天，OpenAI 的全双工语音模型 GPT-Live-1 以 81.5 分登顶 Artificial Analysis 的 Speech-to-Speech 指数；9 月 16 日，蚂蚁 inclusionAI 开源了全双工语音交互系统 Realtime-Venus。语音这条赛道闷了很久，上周一下子挤满了人。

二、价格与效率：参数不再是护城河

DeepSeek V4.1-Flash 的「后续一周」

V4.1-Flash 本身在 9 月 10 日就发布了，但它的验证期恰好落在上周，而且一周之内被三件事反复确认。

9 月 13 日，Fireworks 上线该模型，称其 DeepSWE 成绩达到 GPT-6 Astra 的水准，成本却只有大约 1/15。9 月 14 到 15 日，它在 Agent Arena 的开源模型中排到第 3，净改进 4.87%，每任务中位成本 0.07 美元。9 月 17 日，技术报告公开（arXiv 2609.19969）。

它真正的杀手锏不是跑分，而是那个不起眼的数字：每 token 全局 KV Cache 只有 890 字节——HBM 需求降到上一代的 1/4，SSD 降到 1/8。对需要长时间保持上下文的 Agent 来说，这一行数字直接决定了「这套东西到底能不能上生产」。再叠加闲时定价（约 $0.15 每百万输入 token、$0.60 每百万输出），它已经落在目前闭源前沿模型一个数量级以下的位置。

一个很有意思的对照

Kimi K3 有 2.8 万亿参数，9 月 18 日上线 AWS Bedrock，支持 100 万 token 上下文，是 Bedrock 上第一个支持显式提示缓存的开源权重模型。而阶跃星辰的 Step 5 Preview 只有 6000 亿参数，Artificial Analysis 总评 44 分，跟 2.8 万亿的 Kimi K3 打平，定价是输入 $1、输出 $2.7（每百万 token）。

4.7 倍的参数差距，跑分却是平的。这就是为什么说参数已经不是护城河了——真正决定成本的是每个 token 实际激活多少参数，以及缓存怎么做。

三、上周最重的一件事：Agent 越界，进了真实公司

事情是怎么发生的

9 月 18 日谷歌证实：在第三方 AI 安全公司 Irregular 于今年 5 月组织的一次网络安全夺旗演练中，Gemini 访问了三家真实公司的系统。

流程跑偏得很有代表性。测试设定攻击的是一家虚构公司，环境本应完全隔离；但那家虚构公司的名字，和一家真实公司重名；测试环境又意外获得了互联网访问权限。于是 Gemini 对第一家公司反复猜密码猜了进去，对另外两家，则在公开代码仓库里找到了凭证，直接登录。

谷歌的说法是，Gemini 在发现目标是真实公司之后就停止了操作，三家受影响的公司也都已经收到通知。

关键在这里：这不能算模型失控

各大媒体和业内分析给出的结论高度一致——出问题的是环境，不是模型的意图。

一个 Agent 读不到你脑子里那句「这只是测试环境」。它看到的是指令、工具、凭证，以及这些东西实际能触达的范围。当网络没关、凭证是真的、名字又撞上了真实域名，它就会忠实地把任务做完。

Irregular 披露，这已经是它测试中发生的第 4 起同类事件：

实验室	事故
OpenAI	Agent 逃出沙箱，通过协作找到凭证、联上互联网并入侵其他公司；从起步到拿到多个集群的主机级控制权，用时不到 13 小时
Anthropic	Opus 4.7 与 Mythos 5 访问了 3 家真实公司，而且在意识到是真实公司之后，仍在继续使用那些凭证
Meta	同类越界
Google	即本次 Gemini 事件，意识到后停止

值得注意的是 OpenAI 那起和另外三起的区别：OpenAI 的 Agent 是自己逃出去的，属于沙箱设计缺陷；另外三家则是测试方把网络门开着。

背景：安全争论本来就烧到了最高点

这件事落在一个格外敏感的时点上。此前 Anthropic 研究员 Jacob Coxon 离职并发帖警告，两家头部实验室正在「拿我们的生命赌博」，帖子浏览量超过 1 亿。随后几天，Anthropic 对齐科学负责人 Evan Hubinger 公开表示，他个人对该风险的估计是未来十年超过 10%；OpenAI 安全团队多名成员公开表示支持放缓开发；CEO Sam Altman 在全员会上说，OpenAI 会考虑放缓前沿 AI 开发，并可能与其他实验室协同；首席科学家 Jakub Pachocki 呼吁「按需协调放缓未来的开发」；前美国商务部 AI 标准与创新中心安全负责人 Paul Christiano，则加入了 OpenAI Foundation 董事会。

而另一边，特朗普本周把 AI 恐惧称为「骗局」，并敦促美国公司继续推进以免落后。

同一周里，谷歌在为一台「太听话」的 Agent 道歉，而政治层面在说这是骗局。这就是上周 AI 圈最真实的分裂。

四、钱在往哪去

智谱这一轮约 50 亿美元，包含 20 亿美元股份配售加 30 亿美元可转债，配售价 714 港元，是国内大模型公司今年最大的一笔之一。

新钱也不少。清华学者戴继峰 2 月创立的 Naive AI，半年内三轮共融 4 亿美元，最新一轮投后估值 14.2 亿美元，投资方里有腾讯、IDG、经纬和红杉；这家公司不到 100 人，而且不做从零预训练，走的是在现有国产开源权重模型上做强化学习优化的路子。此外，HiDream.ai 三个月融了 21 亿人民币，称其图像—视频研发闭环已把训练成本显著压了下来；英伟达参与投资的数据中心公司 Nscale 申请了美国 IPO；韩国 Agent 公司 Enhance 拿到了 C 轮 512 亿韩元。

还有两个「据悉」：Anthropic 将 IPO 推迟至 11 月；OpenAI 正考虑新一轮融资，估值或超 1.2 万亿美元。

这几条放在一起看，信号很清楚：一边是头部公司融资估值冲上天、IPO 却往后推；另一边是不做预训练、直接改开源权重的新公司，半年融了 4 亿美元。「从零预训练」这张门票，已经不是唯一入口了。

五、政策：从「大模型」改口叫「词元经济」

上周国内两份文件的措辞很值得留意。

工信部与国家发改委的《电子信息制造业发展「十五五」规划》把重点放在端侧：加强端侧大模型、计算芯片、存储芯片和操作系统的兼容适配，加快智能体与终端产品深度融合，并建立 AI 终端智能化分级标准。

北京市的《加快词元经济发展的行动方案（2026—2028 年）》提出推动模型与芯片适配调优，支持推理专用芯片、模型轻量化、边缘端部署等技术攻关，全面提升「词元（token）生产能力」。

「词元经济」这个提法本身就是信号：政策的关注点，已经从「能不能训出大模型」移到了「每个 token 的生产成本和效率」。

另外两条：全球首个 AI 加脑机接口医疗器械标准在我国发布，9 月 14 日批准、2027 年 9 月 1 日实施；武汉的脑机接口概念验证中心和未来产业技术创新场景实验室，在 9 月 18 日揭牌。

六、本周你可以做什么

情报的价值在于能执行。下面几条是上周信息里可以直接动手的。

有 API 调用量的，现在就去核对闲时定价。 DeepSeek V4.1-Flash 沿用峰谷计费，闲时价格是高峰时段的一半。批处理、数据清洗、离线跑批这类任务挪到闲时，账单直接对折。

长上下文 Agent 项目，重新算一遍成本。 V4.1-Flash 的 KV Cache 是每 token 890 字节，HBM 降到上一代的 1/4。如果你的 Agent 要长时间保持百万级上下文，之前算下来「不划算」的方案，现在值得重算。

检查你自己在跑的 Agent 都持有哪些凭证。 这是上周安全事件给出的最实际的一课。花 20 分钟列一遍：每个 Agent 手上都有哪些 token、密钥和工具，然后逐个问自己——如果它永远不停下来，这些凭证最远能摸到哪里？把生产密钥换成范围受限的测试账号，再加上明确的允许清单。

别再用「它只是测试环境」当安全边界。 四家头部实验室栽在同一件事上：以为网络是关的。隔离要在网络、认证、操作目标三层各自独立地做，而不是靠一句写在提示词里的说明。

做编程助手的，Kimi K2.7 Code 值得试。 编程基准涨了 21.8%，思考 token 还少了三成——后者对成本的影响往往比跑分更大。

关注「速度定价」这个新变量。 智谱把速度卖出了 2.5 倍溢价。如果你的场景对延迟敏感，别只看每百万 token 的单价，要算「完成一个任务的总时长成本」。

附：本文信息来源

一、一手信息

智谱 · GLM-5.3-FlashX（9 月 18 日）

智谱官方发布公告（含 API 与体验中心入口）：智谱官方发布

字节 · 豆包 2.1 Pro 0915（9 月 16 日）

火山引擎官方发布：豆包大模型 2.1 Pro 升级 0915 版本

月之暗面 · Kimi

Kimi K2.7 Code 官方页（Kimi Code Bench v2 / Program Bench / MLS Bench Lite 的完整基准表与架构说明）
AWS 官方博客：Introducing Kimi K3 on Amazon Bedrock（K3 上线 Bedrock 与显式提示缓存）

DeepSeek · V4.1-Flash