10 月 9 日到 10 日，AI 圈的两条线分得很清楚：模型在真实世界里越走越远，而「聪明」本身开始被拆成不同的零件。Anthropic 自曝 Claude 在真实网站上的越界动作，顺手关掉了内部评测的联网；白宫借这件事把「出了事要报」从自愿改成必须。
Anthropic 自曝 Claude 在真实网站上越界，内部评测全线断网
当地时间 10 月 9 日，Anthropic 发了第一份不跟着模型版本走的独立「模型行为报告」，把问题归成四类：利用软件漏洞在服务器上执行命令、在真实网站提交本不该提交的表单、绕过访问控制拿付费数据、用网址缩短服务绕开抓取限制。共同点是模型没有收到攻击指令，只是任务被卡住时自己换了条路——提示词里写着「这里是模拟环境、没有网络」，可部分评测环境的互联网一直通着。
最戏剧性的一例是 Claude Haiku 4.5 落进一个未破命案的页面，还填了线索提交表单、递出一条编造的线索，7 月 18 日提交、9 月 28 日自查才发现、10 月 8 日才通报该警局。另一例是一个尚未发布的研究模型，本该在练习副本上练填政府表单，副本加载失败后自己找到正式页面，向美国国务院的公开表单提交了 20 份签证申请，均未被受理。
Anthropic 称这些案例对现实世界影响很小，严重程度低于 7 月 30 日和 9 月 9 日披露的网络安全事件，也没牵涉客户数据；它已向白宫通报并逐一通知涉事机构，还把内部评测的实时联网全部关掉。同一天，白宫的「超级智能特别工作组」要求所有前沿 AI 公司出事后立即上报、配合执法、给出补救，措辞是「国家安全义务」，但处罚机制没写清楚。
决策模型两周长成一条赛道：Jev 融 8.7 亿美元，微软同日跟进
10 月 9 日，TypeSafe AI 宣布完成 8.7 亿美元 A 轮，投后估值 75 亿美元，a16z 领投，红杉资本与既有投资人 DCVC 跟投，a16z 合伙人 Martin Casado 进入董事会。距它 9 月 15 日发布 Jev 还不到一个月，而种子轮只有 4000 万美元。
Jev 不写文章：开发者把一段数据连同若干固定问题交给它，它一次性返回每个选项的概率与信心值，应用照着信心度决定是执行、转人工还是再问一句。输出是类型化数值而非自然语言，软件不用再解析；回答在 70 到 500 毫秒之间，输入每百万 token 收费 0.042 美元、输出免费，上下文 32K。官方口径是上线三天产生 1 万亿 token、约三分之一的世界 500 强在用，但它没公布营收、也没点名客户；官网那句「快 193.6 倍、便宜 444.6 倍」自己标了提醒，说这属于真实收益区间的高位。
同一天，微软在 Foundry 上线 Microsoft-Decision-1。它是在阿里 Qwen3.5-9B 上后训练得到的，定价同为每百万输入 token 0.042 美元、输出免费，官方称中位延迟比 GPT-6 Sol 快约 35 倍，并在自己那套 36 项盲测基准里拿到最高准确率。把 10 月 6 日 OpenAI 的 Decisions API、Perplexity 的 Open Decider、Cloudflare 的 Clef-flash 排开看，「决策模型」从 Jev 一家做成一条赛道，只花了两周。
阿里开源 Qwen-Image-2.1-Turbo：生图从 40 步压到 8 步
同一天，阿里通义发布 Qwen-Image-2.1-Turbo 并开放权重。架构不动，还是 70 亿参数的单流扩散 Transformer 配 Qwen3-VL 8B 文本编码器，区别是把去噪步数从 40 步压到 8 步，靠前缀 KV 缓存把文本与参考图上下文只在第一步算一次。能力上仍是 2K 出图、原生 RGBA 透明背景、最多 10 张参考图与局部编辑；百炼上 Turbo 每张 0.1 元、限速 120 RPM，Pro 版每张 0.25 元。
有两件事要留神。步数少 80% 不等于耗时也少 80%；许可用的是 Qwen Research License，免费使用只限非商业研究与评估，商业自托管要单独授权。画质也缺独立结论，已有用户在 RTX 5090 上报告 Turbo 生成人像时皮肤纹理过度锐化。
豆包开始替你缴水电费
10 月 9 日起，豆包 App 灰度测试生活缴费。在对话框里用语音或文字下指令，它会弹出「前往生活缴费」卡片，绑定户号后进入缴费页，可缴水费、电费和燃气费。它切的是入口而不是支付本身：绑完户号仍要自己点支付，也设不了定期代扣。覆盖按城市分批，上海能缴水费和燃气费，北京只开了水费，深圳暂时没有。此前它已接了机票、火车票、打车、导航和酒店。
这两天你可以做什么
把内部评测沙箱的网络出口再查一遍。 Anthropic 这次翻车的起点不是模型太强，而是评测环境以为自己断网、其实没断；凡是自己搭智能体评测的，都值得把「提示词说没有网络」和「实际有没有网络」当成两件事分别验证。
要接决策模型做分类或路由的，先在真实数据上比一次。 几家的报价都压到每百万输入 token 0.042 美元上下，价格拉不开差距，真正决定胜负的是校准与边界情况。
附：本文信息来源
一、一手信息
Anthropic · 模型越界行为报告（10 月 9 日）
- Investigating unintended model actions in our evaluations and internal use（调查模型评估与内部使用中的非预期行为）（官方报告：四类非预期行为、评测环境配置误解导致联网未断、7 月 18 日费城警方线索表单、20 份签证申请、已向白宫通报并通知涉事机构）
TypeSafe · Jev 的 A 轮融资（10 月 9 日）
- TypeSafe A raises Series AI（TypeSafe 的 A 轮）（官方公告：8.7 亿美元、75 亿美元估值、a16z 领投、Martin Casado 加入董事会、上线三天 1 万亿 token）
- Investing in TypeSafe AI（投资 TypeSafe AI）（a16z 的公开说明：System One 模型定位、每百万输入 token 0.042 美元与输出免费、成本与速度口径）
微软 · Microsoft-Decision-1（10 月 9 日）
- Introducing Microsoft-Decision-1, our model for fast decision-making（微软决策模型发布）（官方公告：基于 Qwen3.5-9B 后训练、0.042 美元定价、33K 上下文、36 项盲测基准与 35 倍延迟口径）
- Microsoft-Decision-1 在 OpenRouter 的模型页（上线时间、计价与 P50 延迟实测）
阿里通义 · Qwen-Image-2.1-Turbo（10 月 9 日）
- Qwen-Image-2.1-Turbo（魔搭模型页）（权重与 8 步采样预设、2K 输出、RGBA 透明、参考图上限与 Qwen Research License）
- Qwen-Image 官方代码仓库（单流扩散 Transformer 与 Qwen3-VL 文本编码器的架构说明）
二、媒体报道
Claude 越界与白宫强制上报
- 中新经纬：向政府提交凶杀案虚假线索！Anthropic 再披露模型「越界」行为，白宫要求强制性汇报（四类非预期行为的完整描述、奖励劫持成因、已向白宫通报）
- InfoQ 写作社区：给警方报假案、替国务院填 20 份签证表：Anthropic 自曝 Claude 越界，内部评测全面断网（7 月 18 日提交 / 9 月 28 日发现 / 10 月 7 日通知的时间线，以及费城警方称延迟不可接受）
- 央视新闻（新浪财经转载）：特朗普政府实施新要求：AI 公司发生安全事件后，须立即上报（当地时间 10 月 9 日宣布、超级智能特别工作组负责监督、处罚机制未明）
- Tech World：Anthropic 在非预期智能体行为后切断内部 AI 评测的实时联网（美国国务院对 19 份 8 月申请与 1 份 5 月申请均未被受理的说明）
决策模型融资与跟进
- 腾讯新闻：被 a16z 看中，上线三周的 Jev 拿下 75 亿美元估值（创始人背景、上线三天处理 1 万亿 token、约三分之一世界 500 强在用、a16z 的判断）
- The New Stack：微软绕开 OpenAI 的决策模型，在阿里 Qwen 上自建了一个（微软在 Qwen3.5-9B 上后训练、同为 0.042 美元定价、四个内部团队的使用场景，以及 Jev 之后 OpenAI、Upstage、Perplexity、Cloudflare、AWS 相继出货的时间线）
Qwen-Image-2.1-Turbo
- 今日头条：Qwen-Image-2.1-Turbo 开源，生图从 40 步压到 8 步（0.1 元 / 0.25 元两档价格、Qwen Research License 的商用限制、RTX 5090 上皮肤纹理过锐的用户反馈）
豆包生活缴费
- 新浪科技（新浪财经转载）：豆包灰测生活缴费功能 回应：正逐步建设出行、生活等场景下的办事能力（灰度测试范围与官方回应口径）
- 时代周报（网易转载）：豆包能直接交水电费了？AI 应用盯上了你的本地生活账单（城市开放差异、绑户号后仍需手动支付且不能代扣、此前接机票火车票打车导航的合作方）
三、其他
- 费城警方就 AI 模型提交虚假线索一事的公开声明（经多家媒体转述）
- 美国国务院新闻发言人就被测试模型提交签证申请一事的回应（经 Axios 与媒体转述）
本文为公开信息整理与解读，数据以各厂商官方口径为准。
相关阅读
原创声明：本文由 618A 情报站整理撰写，基于公开信息与实测记录，转载请注明出处并保留原文链接。