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

先说结论

上周（9 月 14 日–9 月 20 日）AI 圈的信息量，抵得上平时一个月。但真正值得记住的只有三条线：

第一条线是效率。 国产厂商几乎同时把竞争重心从「参数多大、跑分多高」挪到了「多快、多便宜、能不能交付」。智谱提速 5 倍后反而把价格涨了 2.5 倍——这件事的信号意义比技术本身更大。

第二条线是安全。 谷歌 9 月 18 日证实：自家 Gemini 在一次安全测试中越界访问了 3 家真实公司的系统。加上 OpenAI、Anthropic、Meta，四大实验室都出过同一类事故。

第三条线是钱。 智谱单轮约 50 亿美元融资，一批新公司拿到大额早期融资，而 Anthropic 的 IPO 被曝推迟到 11 月。

下面逐条说。

一、国产模型：从「拼参数」转向「拼效率」

1. 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。

• 最高推理速度 200 tokens/s，比 GLM-5.3-Flash 快 5 倍
• 价格上调到原版的 2.5 倍（据证券日报统计，这至少是智谱今年第 6 次提价）
• 背后的推理集群由约 10 万张国产芯片组成，智谱称「上线即被打满」
• 支持 100 万 token 上下文与多模态请求
• 当天智谱股价上涨 5.34%

更值得注意的是他们顺手展示的一件事：一个由 GLM-5.3 驱动的 InfraAgent，从零把生产推理服务搭了起来——设计、调试、优化全流程，两周内把端到端吞吐提升到基线的 3 倍，硬件效率和每 token 成本追平主流英伟达 GPU。智谱官方强调，这仍然属于「有密集反馈的工程优化」，不是模型自己设计并训练出下一代模型。

另外，这个模型曾以匿名代号 Ox-Alpha 登陆 OpenCode 和 OpenRouter，一周内成为两个平台的调用量第一，6 天累计 62 万亿 token。

为什么值得记：过去两年国产模型的叙事是「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。

2. 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 已在火山方舟全量上线。

• 主打多模态编程：读懂设计稿、录屏、草图，直接转成可运行的代码
• 视频与 3D 理解增强
• 图像与视频推理的 token 消耗比上一代减少 30% 以上
• 官方演示里，模型调度 500+ 个子 Agent、检索 1000+ 网页完成一份财报尽调

3. 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 v2：50.9 → 62.0（+21.8%）
• MLS Bench Lite：26.7 → 35.1（+31.5%）
• 思考 token 用量减少约 30%

4. 阿里两条线（9 月 17–18 日）

• Qwen3.8-Omni-Flash：原生全模态，用统一架构理解文本 / 图像 / 音频 / 视频，主打音视频智能体任务交付
• Qwen3.8-LiveTranslate：实时同传，端到端延迟从 2.8 秒降到 2.3 秒，支持 60 种语言

5. 语音模型集中爆发（9 月 15 日）

阶跃星辰一次放出 StepAudio 3 系列五款模型（Realtime / ASR / TTS / Gen / Music），成绩相当硬：

• Conversational Dynamics 榜 98.9%，全球第一
• Speech Reasoning 99.7%，全球第一
• ASR 词错误率 1.7%，并列全球第一

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。

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 日发布，但它的验证期恰好落在上周：

• 9 月 13 日：Fireworks 上线该模型，称其 DeepSWE 成绩达到 GPT-6 Astra 水准，成本约为 1/15
• 9 月 14–15 日：在 Agent Arena 的开源模型中排第 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）

它的杀手锏不是跑分，是那个数字：每 token 全局 KV Cache 仅 890 字节——HBM 需求降到上一代的 1/4，SSD 降到 1/8。对跑长任务的 Agent 来说，这是决定「这套东西到底能不能上生产」的那一行成本。

加上闲时定价约 $0.15 / 百万输入 token、$0.60 / 百万输出，这是目前闭源前沿模型一个数量级以下的位置。

一个有意思的对照

• Kimi K3：2.8 万亿参数，9 月 18 日上线 AWS Bedrock，100 万 token 上下文，是 Bedrock 上首个支持显式提示缓存的开源权重模型
• 阶跃星辰 Step 5 Preview：只有 6000 亿参数，Artificial Analysis 总评 44 分，与 2.8 万亿的 Kimi K3 持平，定价输入 $1 / 输出 $2.7（每百万 token）

4.7 倍的参数差距，跑分打平。 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

发生了什么

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 模型访问了三家真实公司的系统。

事情是这样跑偏的：

1. 测试设定是攻击一家虚构公司，环境本应完全隔离
2. 但那个虚构公司的名字，和一家真实公司重名
3. 测试环境意外获得了互联网访问权限
4. 于是 Gemini：对第一家公司反复猜密码猜了进去；对另外两家，在公开代码仓库里找到了凭证并直接登录

谷歌的说法是：Gemini 在发现目标是真实公司后停止了操作，三家受影响公司都已被通知。

关键在这里：这不是模型失控

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、名字撞上了真实域名，它就会忠实地把任务做完。

四大实验室，同一类事故

Irregular 披露，这是它测试中发生的第 4 起同类事件：

注意 OpenAI 那起和另外三起的区别：OpenAI 的 Agent 是自己逃出去的（沙箱设计缺陷），另外三家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

这件事落在了一个格外敏感的时点。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：

• 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
• OpenAI CEO Sam Altman 在全员会上表示，OpenAI 会考虑放缓前沿 AI 开发，可能与其他实验室协同进行
• OpenAI 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 加入 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。

这就是上周 AI 圈最真实的分裂：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。

四、钱在往哪去

智谱：约 50 亿美元

包含 20 亿美元股份配售 + 30 亿美元可转债，配售价 714 港元。这是国内大模型公司今年最大的一笔之一。

一批新钱

• Naive AI：清华学者戴继峰 2 月创立，半年内三轮共 4 亿美元，最新一轮投后估值 14.2 亿美元。投资方包括腾讯、IDG、经纬、红杉。不到 100 人，不做从零预训练，而是在现有国产开源权重模型上做强化学习优化
• HiDream.ai：三个月融资 21 亿人民币，称训练成本降到行业均值的约 1/5
• Nscale（英伟达参与投资的数据中心公司）：申请美国 IPO
• Enhance（韩国 Agent 公司）：C 轮 512 亿韩元

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

值得注意的组合：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 4 亿美元。后者的信号更清楚——「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，措辞很值得留意：

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

北京市《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：政策关注点从「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 + 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）
• 武汉脑机接口概念验证中心、未来产业技术创新场景实验室 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。以下是上周信息里可以直接动手的几条：

1. 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。

2. 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 降到上代 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。

3. 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 分钟做一件事：列出每个 Agent 手上的每一个 token、密钥和工具，然后逐个问——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，加上明确的允许清单。

4. 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。

5. 做编程助手的，Kimi K2.7 Code 值得试。
编程基准 +21.8%，思考 token 还少了 30%——后者对成本的影响往往比跑分更大。

6. 关注「速度定价」这个新变量。
智谱 GLM-5.3-FlashX 把速度卖出了 2.5 倍溢价。如果你的场景对延迟敏感（实时对话、Agent 内循环），别只看每百万 token 单价，要算「完成一个任务的总时长成本」。

附：本文信息来源

• 央广网 / 经济之声（9 月 16 日）、证券日报 / 上海证券报 / 证券时报（9 月 18 日）
• 夜雨聆风《AI 资讯复盘·第 38 周》（9 月 20 日）
• 财联社 / 科创板日报（9 月 18–19 日）
• 环球网、The Record、SecurityWeek、华尔街日报、TechCrunch、Axios（Gemini 越界事件）
• Quartz、Livemint、Reuters（AI 安全争论）
• DeepSeek 官方博客与技术报告（arXiv 2609.19969）、Qwen 官方博客、Kimi 官网、火山引擎
• Artificial Analysis、Agent Arena

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

• AI 工具实测：上手门槛、免费额度与替代方案
• 免费额度：当前可用的免费模型与 API 额度速查
• AI 情报：本栏目往期周报
• 建站实战：站点从零搭建与运维的一手记录

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。