一、DeepSeek 把 Agent 从“会话”里拆出来
10 月 31 日晚，DeepSeek Harness 团队在官方公众号发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》，原型同步开源。文章开篇给出的诊断比方案本身更值得读：个人助手正在集中涌现，但现有主流 Agent 设计撑不住多任务与团队协作的规模，因为多任务的上限卡在人的注意力上——一个人通常只能同时跟进 3 到 5 个活跃会话，盯进度条、切窗口、同步上下文，这些琐碎动作吃掉的是监督带宽。
解法是把分工倒转过来。系统采用 Router 与 Worker 双层结构：Router 作为常驻的全局协调节点，统一接收群聊、代码托管平台、邮件等消息并分派任务；Worker 各自维护独立上下文，并行执行问题复现、代码审查、功能开发，必要时再调用子智能体。配合事件驱动与两级过滤，即使群聊里没有人 @ 它，系统也能识别潜在缺陷，在后台复现并尝试修复。
三个工程细节决定了这套架构能不能真的跑起来。其一是异步多信道：命令运行超过 5 秒后转入后台，会话在此期间仍可接收新指令；其二是存算分离：计算程序、任务进度记录、代码与工具所在的电脑可以分开，计算在云端、记录单独存、代码留在用户原来的机器上，程序重启后按记录恢复；其三是外部 Watchdog：一个独立的监督智能体定期检查其他智能体是否卡死、是否反复尝试同一种无效方法、是否偏离目标，并尝试介入恢复。
DeepSeek 给出的自证是：基于这套思路的内部实例已在持续运行，日常参与问题复现与修复、代码审查响应，以及 Harness 自身的迭代。分量在于，它把自家公司当成了首个客户，而不是先办发布会。
资本侧的背景同样关键。10 月 30 日披露的第二轮融资规模为 1055 亿元人民币，投后估值 6155 亿元，近 30 家投资者参与，腾讯两轮各出资 100 亿元，宁德时代体系合计 150 亿元，长鑫存储、中芯国际、vivo、美团等产业方单家在 10 亿至 30 亿元之间。算力侧，公司计划在内蒙古数据中心部署至少 16 万颗华为芯片用于推理，并与华为合作开发面向昇腾平台的编程基础设施。
值得关注的理由在于，这条路线把 Agent 的竞争维度从“单点智商”搬到了“组织仿真”：模型层被开源与降价拉平之后，差距在一个人能同时看住多少台机器、系统能不能在他不看的时候自己纠错。
二、美团 LongCat-2.5：1.6 万亿参数冲着长程任务去
11 月 2 日，美团龙猫发布 LongCat-2.5，一款面向长程智能体任务的原生多模态模型。总参数量 1.6 万亿，每个词元激活约 480 亿参数，在 LongCat-2.0 的基础上进一步强化原生视觉理解与智能体编程能力，用户可通过 longcat.chat 在线体验并接入 API。
训练侧的思路有几处值得单独记。长序列训练中加入了更多长程轨迹数据，并通过大规模长程强化学习提升模型在复杂代码库开发、完整项目构建这类任务上的端到端工程能力；更实用的一步是把真实 Agent 的失败轨迹转化为可复现、可验证的训练任务，针对能力短板补数据，而不是笼统地加通用语料。
多模态的实现方式也不同于常见的“视觉编码器加投影层”。LongCat-2.5 把视觉信号表示为多层级离散词元，让主干模型以统一的词元形式处理视觉与文本输入。这种做法的直接收益体现在 Visual Coding 上——模型可以边看设计稿边写前端代码，也能处理创意设计与 3D 任务。基础设施层面，官方提到优化了国产算力上的长上下文训练与 W4A4 推理，并通过训推数值一致性与长上下文 rollout 优化，支撑大规模长程强化学习高效运行。
| 模型 | 总参数 | 激活参数 | 模态形态 | 训练算力 |
|---|---|---|---|---|
| LongCat-2.5 | 1.6 万亿 | 约 480 亿 | 原生多模态（视觉离散词元） | 国产算力，W4A4 推理 |
| Kimi K3.1 Pro | 三万亿级 | 未披露 | 文本 | — |
| Mistral Large 4 | 1 万亿 | 520 亿 | 多模态 | 欧洲集群 |
放进近两周的国产模型序列看，节奏很清楚：10 月下旬 DeepSeek V4.1-Flash、MiniMax M3.1 Flash、Kimi K3.1 Pro 密集迭代，如今美团补上原生多模态这一格。真正的看点是参数规模不再被当作卖点，而是被当作“能连续干多久活”的燃料——长程任务失败的原因往往不是不会做，而是做到一半忘了自己在做什么。
三、两家旗舰同夜漏底：一个跳级，一个拆成两版
11 月 1 日晚间，开发者 Salio 调试 Codex 时发现，前端界面仍挂着 GPT-6 Astra 的名字，底层接口返回的模型标识已变成 gpt-6.2-astra。随后多位 Pro 订阅用户在使用量面板里找到账单证据：旧版占 80% 调用量，新版已吃下 19.8% 的真实流量。
原本计划冲刺的 6.1 版本因安全测试未通过而回炉，闭关一个月后直接跳级到 6.2；为配合新底座，Codex 团队用 28 天重做底层，让模型能自己拉起子进程、连续工作数小时。这指向的不是回答质量，而是持续作业时长——恰好是编码类智能体长期卡住的地方。
同一时段，Anthropic 官方源码里被发现躺着 Claude Mythos 5.5。更有信息量的是命名逻辑：同一个底座按护栏松紧拆成两版。Fable 5.5 装上严格的安全护栏，作为通用商业旗舰向全球开发者开放，已同步出现在 MLflow 与 Azure 官方目录，支持 100 万词元输入上下文与 12.8 万词元输出上限；Mythos 5.5 则解除了常规拒答限制，仅向受信任的网络安全团队与科研机构定向开放。
这个拆法解释了两桩流传的悬案：一款未发布的内部模型仅花 53 分钟就独立攻破 Linux 内核、取得系统级权限，而安全研究员用现役的 Mythos 5.1 死磕三天、花费约 2000 美元仍未复现；另有一篇攻克经典计算机难题的数学论文，全篇没有人类作者，署名只有一行 CLAUDE（ANTHROPIC）。把护栏卸掉再放出去，能做出的事与带护栏版本是两个量级。
通用版的表现更接近产品视角。早期盲测里，开发者让 Fable 5.5 用单次提示词复刻网页版《我的世界》，模型连续编码一到两小时，成品具备水面焦散光影与完整合成台，还主动补出了下界与末地两个维度。改掉了以往写长代码“半途偷懒”的毛病，这比基准分数更能说明上下文工程能力的进步。
代价也很直白。编程基准 FrontierCode 2.0 里，一个隐藏模型 Obsidian 3 在高推理档拿到 46.8%，略高于 Claude Opus 5.5 的 45.5%；但同等投入程度下，它的成本约为 Opus 5.5 的 3.6 倍，高档单任务 8.62 美元，极端档位单次可到约 47 美元。能力、开放度、价格三者构成的三角，正在成为选型时无法回避的约束。
四、国行苹果 AI 落地：千问进系统，文心补底层
10 月 31 日，苹果中国官网发布新闻稿，宣布与阿里巴巴合作，将通义千问整合进中国大陆版 Apple 智能。首批功能 11 月 4 日随 iOS 开发者测试版开放，12 月随 iOS 27.3 正式版向中国用户推送。
首批能力包括实时翻译、写作工具、照片消除、智绘表情与通知摘要，支持 iPhone 15 Pro 系列、iPhone 16 及后续机型，以及 iPhone Air 与 iPhone Duo。功能由苹果自有模型驱动，用户也可以选择接入千问：在 Siri 中调用千问做知识问答、文档与图片追问，使用“千问创作”生成文本与图像，阿里强调数据发送前会先征得用户同意。百度文心则将参与提供搜索与视觉识别等底层能力。
这个分工有三层值得琢磨。表层是产品：国行 iPhone 终于补齐系统级 AI，与华为、小米的端侧方案正面竞争。中层是权责：品牌归苹果、能力归阿里，Siri 调用第三方模型时的体验一致性、数据跨境边界、苹果对模型输出的管控尺度，都会在测试期暴露。深层是议价结构：一旦系统级入口向本土模型开放，模型厂商争的就不再是 App 里的一个位置，而是操作系统里的一段默认路径。
五、推理量超过训练量：产业的尺子换了
11 月 1 日，中国电子信息产业发展研究院发布《新域新质创新发展十大趋势》，其中一个指标被反复引用：中国人工智能推理数据量首次超过训练数据量。截至 2026 年 6 月，日均词元调用量超过 175 万亿，相比 2024 年年初增长 1000 多倍；顶尖模型的迭代周期从几个月压缩到几周甚至几天；全国已建成 500 多家卓越级智能工厂，覆盖超 80% 的制造业行业大类。
同一时间，智元在创新日上提出了另一把尺子。联合创始人彭志辉抛出的问题是：物理 AI 时代拿什么度量机器的价值？蒸汽时代用马力，电力时代用千瓦时，数字 AI 时代用词元，机器人该用什么。答案是新单位 Worken（有效智能工时），计算方式为活跃机器人数量乘以自主工作时长再乘产出效能比。配套发布的还有具身基座模型 GO-3 Preview，采用世界推理动作模型架构，把任务推理、未来预测与动作生成连起来；行业首个具身原生操作系统灵渠 OS 1.0 开源并捐赠给开放原子开源基金会；重载机器人精灵 G2 Max 单臂负载 20 公斤、双臂峰值 50 公斤。
两件事并置，指向同一个转向：评价体系从“投入了多少”换到“产出了多少”。推理量超过训练量，意味着算力消耗的主体从研发转到了服务；用有效工时替代出货台数，意味着机器人价值从展台上的动作转到了产线上的连续作业。对采购方而言，这把尺子就是合同条款：按工时订阅、按任务结算，前提是双方认可一套可测量的口径。
其他值得留意的动态
资本侧继续降温。据媒体 10 月 30 日报道，OpenAI 已下调新一轮融资目标，计划以 1.25 万亿美元估值融资约 200 亿美元，低于上月计划的 1.4 万亿美元估值融资 300 亿美元；阿联酋投资机构 MGX 预计成为主要参与方。产品侧，OpenAI 公告称自 12 月起 ChatGPT Plus、Pro、Business 套餐额度将在 ChatGPT 与 Codex 之间共享，用量按词元统计，即时对话不占用共享额度，同时把 Work 的智能体能力并入主界面。
Anthropic 调整了 Claude Max 套餐命名，并取消 Ultra 档的 5 小时使用限制。Meta 的 Muse 在用户分享对话时泄露了个人隐私与商业机密，公司已暂停该分享功能并展开调查。xAI 计划自 11 月 7 日起为七款 Grok API 模型生成的文本默认添加水印。国内方面，商汤开源 SenseNova Loop-9B-Preview，称其效果可比 27B 级模型。IDC 数据显示，今年上半年中国大模型 MaaS 市场规模 106.3 亿元，同比增长 889.4%。
