2026-11-06_每日AI动态

覆盖窗口：2026-11-05 00:15 — 2026-11-06 00:15（GMT+8，近 24 小时） 关注领域：AI Coding · AI 工程化 · AI Agent · AI 大模型 · ToB 场景落地 查重说明：本期已读取资料库「我的资料/每日AI动态」最近 7 期正刊（2026-11-05、11-04、11-03、11-02、11-01、10-31、10-30）逐条比对。以下事件已在往期报道，本期不再作为独立条目：Claude Code v2.1.318/v2.1.316、OpenAI/Anthropic Python SDK 更新、n8n 3.1.0、Ginux 内核、苹果 10-K 智能体风险、Microsoft Entra Agent Blueprint、CrowdStrike kill switch、AGENTS.md 注入与钱包限额绕过、OpenAI 激活分类器、腾讯 Hy4、Kimi K3.1 Pro、百度 Apollo World、中国 AI 推理量首超训练、华为 Fintelligent、Snowflake CoWork、Token 贷、山东 FDE（11-05）；GitHub Copilot Fusion、Xcode 26.3、Anthropic 隐形水印、Vercel Agent Desktop 等开源工具、MIT 权重空间编程、Salesforce Agent Fabric 熔断、Socure/Resemble KYA、FireMon、DeepSeek Creator Mode、I-HITL、美团 LongCat-2.5、商汤 SenseNova 6.8 Flash、腾讯 Hyra 2.0、OpenAI LifeVal、Zendesk 员工 Agent、发改委/工信部 AI+、沐曦/天数 GPU、国产模型周调用量（11-04）；GitHub Spec Kit、Qoder Fast、Google EGM、Karpathy CLAUDE.md、OpenInspect、智元具身、Cisco VOLTA、智谱 GLM 5.3、Strands、Hermes Connectors、Qwen3.6、Particle-1、Codex GPT-6.1、度小满轩辕、盟浪数问、南钢元冶、安吉 Soiawork、工业 Agent 边缘（11-03）；OpenAI 收购 Sky、微软 Copilot 重做、DeepSeek Super-agent、Google 关停 Jules、商汤 Loop-9B、训练退出机制、Anthropic 订阅、Kimi 3D Make、字节 Seed 具身、MiniMax M3.1、可灵 Kling 4.0、GPT-6 Rosalind、苹果接入通义、Vera Rubin、阿里云数字人退市、范式模域、可灵融资、AI 产业链标准（11-02）；Meta Muse Code、Claude Duet、CRISPR 酶、Mistral Le Chonk、DeepSeek V4.1、Gemini 4 Carbon、NVIDIA Nemotron、Yellow.ai（11-01）；Cursor 恶意扩展、AWS Hydro/Infinity、LlamaIndex DPP、Casdoor、Open Agent Primitives、Gemini Computer Use API、Vapor Panda、Stripe Codex 插件、Kimi K2.8、Haiku 5.5、Model Spec（10-31）；Mistral Large 4、Cerebras、Google 外售 TPU、Nvidia 收购 HF、HPE KV Cache、Cadence Maestro、GitHub Agentic Infra、Vibe Coding、vLLM CVE、EMBRACE、CI 脚手架、Deepgram 收购 Daily、Serval、Cipher Agent、Anthropic 红队、万达金小唐、南京银行双百、特朗普行政令（10-30）。本期 18 条均为上述 7 期未覆盖的新事件或具实质性进展的接续报道（已标注「接续」）。 本期条数：正文 18 条 【听播说明】本期听播脚本与音频（MP3）均已生成并存入「我的资料/播客」（脚本：20261106-每日AI动态-听播脚本；音频：20261106-每日AI动态-听播，约 3 分 5 秒，男声、44.1kHz 单声道 128kbps、-19.8 LUFS）。

一、AI Coding 与工程化

1. OpenAI 发布 Pando：为 Codex 量级智能体开发重做的 Git 后端

事件内容： OpenAI 在 11 月初披露其内部项目 Pando——一个与 Git 兼容、但专为 Codex 量级智能体开发重做的版本控制后端。其背景是：Codex 把仓库的提交量推高了约 1378%，传统 Git 在高并发下的可靠性一度跌破 90%，OpenAI 用约 10 周重建了后端，如今每天吞吐接近 1 PB 数据。Pando 的核心设计目标是把「一个仓库同时开上千条并行分支」当作一等公民来对待，从底层解决智能体并行改代码时的分支爆炸、锁竞争与对象存储瓶颈，让成百上千个 agent 分支可以稳定共存、合并与回滚。

值得关注的原因： 这是「AI Coding 进入基础设施层」的最强信号。过去一年行业把注意力放在「模型写代码更准不准」，但当编码智能体的提交量超过人类两到三个数量级后，版本控制系统本身成了瓶颈——而 Git 是为人类小团队协作设计的，并不为「千分支并发」而生。对企业而言，这意味着如果内部要用 Agent 规模化改造代码库，现成的 GitHub/GitLab 在千分支并发下迟早撞墙，需要提前评估 Pando 类方案或自研分支治理。它也从侧面印证：Agent 工程化的下一战场不是模型，而是支撑海量并行执行的底层管道。

2. LangChain Managed Deep Agents 私测：托管式深度智能体运行时

事件内容： LangChain 推出 Managed Deep Agents 私有测试版，提供一个托管式的深度智能体运行时，内置持久化执行（durable execution）、隔离沙箱、工具访问与 LangSmith 追踪能力。用户无需自建调度与编排基础设施，就能把长任务、可恢复、可观测的 Agent 直接跑在 LangChain 托管环境里，并与 LangGraph 工作流打通。它把原本需要团队自己拼装的「dispatch infra」抽象成了一个可按需取用的服务，官方将其定位为「不必再自建 orchestrator」的替代方案。

值得关注的原因： 这标志着 Agent 从「自己拼 orchestrator」走向「采购托管运行时」，是 2026 下半年架构选型的核心分叉点。对照那些在 AWS 上自建调度层的团队，托管运行时用「免运维 + 原生可观测」抢的是已被多智能体复杂度压垮的中型团队。对工程负责人而言，真正的决策不再是「用哪个模型」，而是「自研调度 vs 采购托管」——前者控制力强但成本高、周期长，后者上线快但绑定供应商。LangChain 这一步，实质是把「Agent 运维」本身产品化。

3. Qodo 把企业代码规范注入 Codex 评审：AI 质量门前置

事件内容： Qodo 发布插件，把仓库级（repo-wide）的编码标准与惯用法喂给 Codex 做代码评审，使得在 pull request 正式提交之前就能抓出 P0 级问题。它并不替代 Codex 的生成能力，而是把企业内部「什么是好代码」的长期经验沉淀成可执行的规则集，挂到 Codex 的评审环节。实际效果是把原本分散在资深工程师脑中、或散落在 Code Review 评论里的隐性约束，转成 AI 可在提交前自动校验的显性门禁。

值得关注的原因： 这正面回应了「Agent 写码快但质量不可控」的普遍痛点。把组织规范前置到 AI 评审，比事后人工 Code Review 更及时、更一致，也给「如何把公司经验回流到 AI 工具链」提供了一条可复制路径。类似思路完全可以迁移到 Claude Code 评审器，做成强制卡点——当企业开始用 Agent 批量产代码，「规范即代码、评审即卡点」会比「多招几个 reviewer」更具杠杆。这也是本期多条「治理前置」主线在 Coding 侧的具体落地。

4. Vercel Sandbox 提速 2.4x 与 MCP 自助连接：工程化基建两连发

事件内容： Vercel 放出两则工程化更新。其一，Sandbox with Drives 启动时间大幅缩短：创建中位数从 1.7s 降到 0.7s，p95 从 2.2s 降到 1.6s，提速约 2.4 倍，且价格不变、无需改动 SDK。其二，Vercel MCP 支持 Client ID Metadata Documents（CIMD），任何 MCP 客户端只需自发布一个 CIMD JSON 文件，即可连接到 Vercel MCP，替代原先必须人工 allowlist 的流程。两件事分别针对「执行环境拉起速度」与「外部工具接入摩擦」两个工程化痛点。

值得关注的原因： 前者把「秒级拉起隔离执行环境」变成默认能力，直接利好把 Sandbox 当作智能体临时执行环境的团队——Agent 每做一步动作就开一个干净沙箱，启动越慢整体越卡。后者把 MCP 接入从「找管理员加白名单」变成「自描述即连」，显著降低了 Agent 接外部工具的门槛，是 MCP 生态走向自服务的关键一步。两则都指向同一判断：AI 工程化的竞争正从「模型能力」下沉到「执行环境与协议接入的体验与成本」。

5. 开发者工具链补位：simonw/llm 0.37 与 Ollama v0.40.14

事件内容： 两则偏开发者侧的更新。simonw/llm 0.37 沉淀了两个月改动：新增 OpenAI gpt-6.1-sol/terra 等模型、新增 openai endpoint add 命令、默认切换到 GPT-6 Luna，成为在 LiteLLM 网关之上做路由实验的便捷 CLI 层；Ollama v0.40.14 让 ollama launch claude 开始尊重模型输出 token 上限（修复 Claude Code 本地混合场景下的溢出问题），同时 OpenAI 兼容端点不再覆盖打包的采样器默认值。两者分别补全了「统一切模型」与「本地推理不串味」两类体验。

值得关注的原因： 这反映「模型默认档之争」已经下沉到 CLI 与本地推理层。当新模型以周为单位涌现，开发者真正需要的不是又一个聊天界面，而是一个能统一切模型、又能让本地推理保持原厂行为的轻量层。这类工具看似细小，却是工程化拼图的毛细血管：它们决定了「换模型要不要改一堆配置」「本地跑 Claude 会不会偷偷突破上限」。在模型快速迭代的下半年，这类「薄而稳」的工具层，价值被严重低估。

二、AI Agent

6. Supabase 让 Claude 签发 MCP 身份断言：Agent 身份可验证化

事件内容： Supabase 上线新能力，允许 Claude 为访问 Supabase MCP 的资源签发「身份断言（identity assertions）」。这相当于给 Agent 一把「我是谁、被授权访问什么」的可验证令牌，由模型在调用 MCP 工具时主动出示，由服务端校验。该功能把原本依赖共享 token 的 MCP 接入，升级为带有身份语义的断言机制，但也随之引入了 offboarding 步骤——人员离职时需要显式吊销相关断言，否则令牌仍可能有效。

值得关注的原因： 这是 MCP 从「配个 token 就能用」走向「可验证身份」的转折点。对 ToB 场景尤其关键：Agent 身份可签发、可吊销、可审计，是把「直连 SaaS」从高风险动作变成可控能力的前提。它也可能挤占其他工具的接入方式，倒逼生态统一身份标准。本期多条 Agent 治理主线（身份、权限、可观测）在此得到协议层支撑——当智能体开始大规模持有凭据，「谁在调用、凭什么调用、能不能立刻吊销」必须成为一等公民，而非事后再补。

7. 两个官方 MCP SDK 修复 OAuth 凭证泄露漏洞

事件内容： 官方 MCP 的 Python 与 TypeScript SDK 修复了一处 OAuth 凭证暴露漏洞：在特定配置下，凭证可能被攻击者控制的服务器获取，进而导致令牌泄露。官方建议用户检查 SDK 版本与配置，尤其是回调地址与授权服务端可信度。该漏洞出现在「官方」实现中，而非第三方 fork，影响面覆盖所有基于官方 SDK 接入 MCP 的客户端与服务端。

值得关注的原因： MCP 正快速成为 Agent 连接外部系统的标准协议，但「官方 SDK 自己曝出凭证泄露」说明协议层安全仍不成熟。对企业而言，凡把 MCP 接进生产环境，都应把 SDK 版本、OAuth 回调校验、服务端可信度纳入供应链审查，而非默认「官方即安全」。这也印证了本期反复出现的规律：协议标准化速度明显快于安全沉淀速度，攻击者永远在利用「大家先跑起来再说」的窗口期。安全团队需要把 MCP 当作新的攻击面来对待。

8. NorthCUA 开源 CUA 智能体套件：Computer Use 走向可自部署

事件内容： NorthCUA 发布基于 Qwen3.5 架构的开源智能体套件，提供 Nano(9B)/Mini(35B)/Pro(397B)/Ultrafast 多档模型，面向桌面应用与网页界面的自动化任务。官方宣称 NorthCUA-Pro 在 OSWorld-Verified 与 WebArena-Verified 两个基准上超过了 Qwen3.8-Max 与 Kimi-K3。该套件把「让 Agent 操作电脑与浏览器」的能力以开源权重形式释放，并按参数量覆盖了从端侧到云端的完整梯度，开发者可在自有环境里部署，不必把桌面操作送进第三方云。

值得关注的原因： Computer Use 正从闭源演示走向开源可自部署，且按参数量分档形成完整梯度，这是 Agent 能力的「民主化」关键一步。对想做「让 Agent 操作 GUI」的团队，开源权重意味着可以用自有算力在隔离环境跑 CUA，规避把屏幕与操作流送进外部云的安全顾虑；同时也把 OSWorld/WebArena 这类评测基准变成选型硬指标。当 CUA 有可信开源选项，「是否要为每个桌面流程买 SaaS」的答案将彻底改写。

9. GPT-6.2 Astra 现身 Codex 灰度（接续 11-04 期 GPT-6 Astra/LifeVal 报道）

事件内容： 据 X 平台用户披露的 API 账单明细，OpenAI 跳过了原定的 GPT-6.1，将因安全问题回炉重炼一个月的模型直接升级为 GPT-6.2 Astra，并已在 Codex 后台灰度：旧版 gpt-6-astra 约占 80% 调用量，新 gpt-6.2-astra 已吃下约 19.8% 的真实流量。Codex 负责人亲自下场，要求「重置倒计时、再来一轮」。这意味着新模型并非停留在内部评测，而是已经进入真实 Agent 流量做安全与能力的双重验证。

值得关注的原因： 接续 11-04 期 LifeVal 基准中 GPT-6 Astra 得分 80.6% 的报道，本次的实质进展是「新模型已进入真实流量灰度且逼近两成占比」。对企业工程团队而言，这带来一个现实问题：默认模型档会在不通知的情况下切换，灰度期就必须准备好回滚与成本护栏，否则一次静默换档可能同时冲击质量与账单。它也说明头部实验室正用真实 Agent 工作负载来验证模型，而非仅依赖离线榜单——这会让「榜单第一」与「线上好用」的差距进一步拉大。

10. ClickUp Brain² 与 Runway Dev：Agent 直接操作现实系统

事件内容： 两则「Agent 直接动手」的动态。ClickUp 的 Brain² 能够点击页面、填写表单、下载文件，并留下操作日志与录像，把「没有官方接口的网站」也接上了自动化；Runway Dev 则让 Claude Code 按自然语言描述直接写入视频、图像与音频 API，把多模态生成能力编进代码工作流。前者面向通用网页操作，后者面向创意生成管线，共同点是让 Agent 越过「只给答案」的边界，进入「在带 GUI 的系统里执行动作」。

值得关注的原因： Agent 的边界正从「回答问题」扩展到「在带界面的系统里执行动作并留痕」。Brain² 的日志 + 录像设计尤其关键——它把「不可见的自动化」变成可审计的操作记录，是浏览器类 Agent 进入企业前必须补齐的治理件；没有留痕的 GUI 自动化，在受监管行业根本无法落地。Runway Dev 则显示多模态生成正在被「工程化」为可调用的代码原语，创意生产也会逐步变成「描述即生成、生成即提交」的流水线。两者共同把 Agent 从助手推向操作员。

三、AI 大模型

11. Claude Mythos 5.5 与 Fable 5.5 曝光：同一底座两副面孔

事件内容： Anthropic 官网源码中被扒出下一代旗舰 Claude 5.5 系列的身影：采用完全相同底座的两个版本——Fable 5.5 装上严格安全护栏、作为通用商业旗舰向全球开发者全量开放；Mythos 5.5 则是解开常规拒答限制的特种科研版，已同步现身 MLflow 与 Azure 官方目录，支持最高 100 万 token 输入上下文与 12.8 万 token 最大输出。两个版本 API 定价分毫不差，区别只在安全档位与可用场景。

值得关注的原因： 同一底座分「商用安全版 / 科研放开版」的双轨发布，是前沿实验室在「能力开放」与「安全边界」之间的最新平衡术。对企业而言，这意味着同一模型能力可以通过不同合规档位获取，采购时必须分清「哪个版本能进生产、哪个只能进实验室」。它也折射出一个趋势：最强的模型能力正被刻意分层释放，安全护栏不再是事后打补丁，而是从底座层面就决定「谁能看到什么」。合规团队需要把「模型版本 × 使用场景」做成矩阵来管理。

12. Flower Labs Endeavor 1.1：可读思维链 + 图像输入 + 欧盟主权推理

事件内容： Flower Labs 发布 Endeavor 1.1，在其 1.0 推理模型基础上加入原生多模态图像输入、欧盟本土 GPU 推理选项，以及私有/本地部署能力，且思维链保持可读、可追溯。它把推理过程留在欧盟境内、支持本地部署，直接回应金融、医疗等受监管行业对数据驻留与过程可审计的硬性要求。相比把推理丢给跨境 API，Endeavor 1.1 主打「主权 AI + 推理模型」的结合。

值得关注的原因： 这是「主权 AI」从口号走向可部署样本的标志。当模型的推理能在企业境内 GPU 上跑、且思维链可读可审计，「把 AI 用在敏感业务」的合规门槛被显著拉低。对欧洲及受数据驻留约束的市场，这类模型提供了一条不依赖美国跨境云的路径，也给了「模型即合规组件」一个清晰范例。它提示我们：大模型竞争不只比参数与基准，还在比「能否在你的合规边界内运行」——这正成为企业采购的新硬指标。

13. Sarvam Prism：105B LoRA 企业决策模型，单次前向出结果

事件内容： 印度 Sarvam AI 发布 Sarvam Prism，基于 Sarvam 105B 经 LoRA 微调的企业决策模型，采用 Apache-2.0 许可，上下文 13.1 万 token，在单张 NVIDIA B200（FP8）上中位响应仅 44ms。它的特点是「对预定义选项做单次前向评估」而非逐 token 生成，专为企业在海量「在几个既定方案里挑一个」的场景设计——例如风控通过/拒绝、工单升级/转派、报价接受/驳回等高频判断。

值得关注的原因： 这揭示了一个长期被忽视的企业 AI 形态——决策路由模型。多数企业每天有海量「选 A 还是选 B」的判断，若每次都用前沿大模型逐字生成，成本高且延迟大；而用 44ms、可自部署的开源模型做，便宜几个数量级且稳定可复现。Sarvam Prism 是「模型按任务分层」的落地实证：把「生成」与「决策」拆开，决策类用轻量专用模型，是把 AI 成本压到生产可接受区间的关键思路，对 ToB 规模化极具参考价值。

14. Deep Principle Hydrogen-1.0 与印度开源梯队：科学 MoE 与边缘小模型

事件内容： 两股国际开源力量值得关注。Deep Principle 发布 Hydrogen-1.0，753B 参数的 MoE 科学基础模型（40B 激活），基于 Z.ai 的 GLM-5.3 后训练，覆盖化学、材料、生命科学及实验记录与 Agent 轨迹，1M 上下文、MIT 许可；印度侧则涌现 EKA-1（26.3B、跨 22 种印度语言、IndiaAI Mission 训练）与 ZenteiQ 的 Dhīr 2B/5B 边缘小模型（离线/本地、多语种）。一端是超大规模科学专用，一端是超小边缘可用。

值得关注的原因： 开源大模型正沿「超大规模科学专用」与「超小边缘可用」两端同时分化。Hydrogen-1.0 把 Agent 轨迹纳入后训练，暗示「科研智能体产生的数据」正在反哺基础模型，形成「Agent 生产数据 → 模型更强 → Agent 更聪明」的飞轮；Dhīr 这类边缘模型则把 AI 推向无网/低连接场景，是全球化落地不可忽视的一极。对企业来说，开源阵营在「专业纵深」与「部署轻量」上同时发力，意味着自主可控的选项正在变多，不再只能二选一闭源 API。

四、ToB 场景落地实践

15. UBS 运行 12,700 个 AI 智能体：银行业最大规模部署样本

事件内容： UBS 披露其员工中已运行超过 12,700 个个人 AI 智能体，608 个生产环境用例（同比 +81%），开发中应用超 1,090 个，18,000 名开发者使用 AI 工具，STAAT 平台累计生成超过 3,000 万条洞察。这是迄今为止最详尽的「企业级智能体规模化」账本，覆盖了从个人提效到生产用例、再到在研应用的完整梯队，而非仅仅一个 Chatbot 渗透率数字。

值得关注的原因： UBS 把「每人一个 Agent」做成了现实，且强调用例数与在研应用数，说明其 AI 已进入可复制的生产级运转。对金融业乃至所有受监管行业，它的价值在于证明「千级智能体并发」可以从 PoC 走向量产。但随之而来的是身份、权限、成本与审计的乘数级复杂度——12,700 个 Agent 意味着 12,700 个潜在的凭据、行为与账单，正呼应本期多条治理主线。它的账本本身，就是一份「规模化如何记账」的范本。

16. Capgemini：59% 银行部署多智能体，仅 10% 能真正编排

事件内容： Capgemini 研究院调查了 14 个市场、1,100 名金融服务高管，发现 59% 的机构已在部署多智能体 AI，但仅 10% 能做到企业级编排；90% 计划做智能模型路由，却只有 5% 达到真正的企业规模。报告明确结论：基础设施挑战已经取代「能不能部署」成为决定性的障碍，真正的瓶颈不是有没有 Agent，而是能否把一堆 Agent 编排成可治理、可观测、可回滚的系统。

值得关注的原因： 这条数据给「Agent 热」泼了关键冷水——部署容易、编排极难。它解释了为何本期多个产品更新（Pando 重做 Git、托管运行时、MCP 身份断言、SDK 安全修复）都围绕「编排与治理」展开，而非单纯堆模型能力。对企业架构师而言，真正的工程重心必须从「引入 Agent」转移到「运营 Agent 舰队」：身份目录、工具注册表、成本计量、回滚机制，这些枯燥的基建才是规模化的分水岭。忽视编排，再多单点智能体也只是散兵游勇。

17. Revolut 停用 Claude 改自托管开源：编码助手成本降至约 1/10

事件内容： 据 The Register 报道，金融科技公司 Revolut 在停用 Claude、改为自托管开源模型后，其编码助手的单均成本约降至原来的十分之一。Revolut 是高频使用 AI 编码的头部金融科技公司，其转向说明：当调用量足够大，自托管开源模型的边际成本优势，会压倒闭源 API 的便利性溢价。报道将其描述为一次典型的「规模到一定程度后，自有算力反超 API 订阅」的账本重算。

值得关注的原因： 这是「单位智能成本」主线在 ToB 端的硬核实证。它提示企业做 AI 采购时，必须把「调用量 × 单价」的线性账单算到极致——在高频编码场景，API 订阅费可能被自托管算力反超。但也要清醒权衡：自托管意味着自己扛运维、安全与模型质量折损，不能只看单价。对 CFO 与技术负责人而言，这条新闻的价值在于把「AI 成本」从模糊的订阅费，拉回到「每千次调用真实成本」的可核算维度，倒逼更精细的 ROI 测算。

18. ADNOC × OpenAI Frontier 与 SAP 400 智能体：能源与 ERP 的落地样板

事件内容： 两则行业落地样本。阿布扎比国家石油公司 ADNOC 与 OpenAI、G42 签多年协议，部署 OpenAI Frontier 智能体平台至油气运营，旗舰应用包括统合数千口井的「油田总体规划」与联动生产-炼化-物流-交易的「实时桶估值」，并把 ChatGPT Enterprise 扩展到 4 万+员工，叠加网络防御支持。SAP 在 TechEd 2026 宣布已上线 40 个助手与 300+ 智能体、目标年底达 400，并设 1 亿欧元伙伴基金推动生态共建。

值得关注的原因： 两者分别代表「能源重工业」与「ERP 软件」两条 ToB 落地路径。ADNOC 证明前沿模型厂商正从消费者订阅转向资本密集型、长期的企业合约，把 AI 嵌进最核心的生产与交易环节；SAP 则用伙伴基金把 Agent 的商业化从「卖 license」转向「生态激励」，用 680+ 伙伴提交催熟场景。两者共同标志企业 AI 从试点走向生产：竞争焦点转向可复制的部署、生态激励与硬核的成本/治理核算，而非 Demo 是否惊艳。

附：本期主线判断

1. 智能体竞争从「能不能干」切到「能不能管」。 本期 OpenAI Pando（基础设施重写）、托管运行时、MCP 身份断言与 SDK 安全修复、UBS 千级并发的治理复杂度、Capgemini 仅 10% 能编排——所有线索指向同一结论：Agent 的胜负手已变成身份、权限、可观测、可回滚，而非模型谁更强。

1. 单位智能成本成为第一采购维度。 Revolut 自托管降本至约 1/10、Sarvam Prism 以 44ms 做决策路由、Vercel Sandbox 提速不提价、NorthCUA 开源 CUA 可自部署——成本曲线正直接决定哪些场景能规模化，闭源 API 的便利溢价被高频调用稀释。

1. 开源大模型沿「超大科学专用 / 超小边缘可用」两端分化。 Hydrogen-1.0（753B 科学 MoE）、Dhīr 2B/5B 边缘小模型、NorthCUA 开源 CUA、Sarvam 开源决策模型，共同显示开源阵营在「专业纵深」与「部署轻量」上同时发力，给企业更多自主可控选项。

1. 大模型进入「同底座多档位」的合规分层时代。 Claude Mythos 5.5 / Fable 5.5 双版本、Flower Endeavor 1.1 欧盟主权推理，说明能力获取正按安全/合规档位拆分，企业采购要先分清「哪个版本能进生产、哪个只能进实验室」。

1. ToB 落地从「试点惊艳」进入「量产账本」阶段。 UBS 12,700 智能体、ADNOC 油田级 Frontier 部署、SAP 400 智能体 + 伙伴基金，标志企业 AI 的竞争焦点转向可复制的生产级部署、生态激励与硬核成本/治理核算，Demo 期正式落幕。