2026-10-30 · 周五 · 6 条 Mistral 开放 Large 4 权重、OpenAI 更新 Model Spec、Step Functions 工作流可交给智能体调用
今天的主线是「智能体可以动手，但边界要写死」：OpenAI 在新版 Model Spec 里把自主范围和不可信数据写成规则，AWS 让智能体只负责触发、由确定性工作流执行。开源这边，Mistral 把接近前沿的 1T 模型放了出来，IBM 演示了只换适配器的模型更新方式。
-
- 原生多模态、指令与推理混合的 MoE 模型，总参数约 1 万亿，支持 160 多种语言；推理强度分低、中、高三档，默认高。
- 许可证为 Mistral Ecosystem Open-Weight（修改版 MIT）：可免费使用、修改、微调和商用，但做「模型即服务」的企业需另签商业许可。
- Artificial Analysis Coding Agent Index 48%，与 GLM-5.3 基本持平，单任务平均少用 47% token；Terminal-Bench 4.0 41%，比预览版高 13 个百分点。
- API 价格每百万 token：输入 0.70 美元、缓存输入 0.07 美元、输出 2.10 美元；恶意网络请求平均拒绝率 96.6%，Mistral 称是其测过的开放模型中最高。
开发者视角这是这个月开源阵营里离闭源前沿最近的一个，但 1T 参数不是小团队能随手自托管的量级，对大多数产品来说现实的用法是先走 API：价格和 Terra 同一档，拿 PandaClaws 的长文生成任务跑一轮对比就能知道值不值得切。要注意许可证，如果你的产品本身是对外提供模型调用，就属于需要另签的「模型即服务」。
-
- 五项核心价值：忠实于人的意图、尽量减少伤害、诚实透明、促进人的自主、以关怀行事。
- 指令按权限分级（Root、System、Developer、User、Guideline、无默认权限），冲突时由更高权限和更新的指令优先。
- 多步真实世界操作要在「事先约定的自主范围」内进行：范围清楚、有结束条件，超出范围的操作需要批准。
- 工具输出、引用文本和网页内容默认视为信息而不是指令；发邮件、删文件等有副作用的操作需格外谨慎，并要配合监控、纠正与关停。
开发者视角这份规范最有用的是智能体那几节，基本就是一份现成的设计检查表：「约定范围 + 结束条件 + 越界要批准」和「工具返回的内容不是指令」。我会把它和上周 Amazon Quick 的智能审批清单放在一起，对一遍 PandaClaws 后台抓网页、发内容的每一步，看哪些地方还把网页内容直接拼进了指令。
-
- 通过 Amazon Bedrock AgentCore Gateway 接入，网关用 Model Context Protocol（MCP）把工作流提供给智能体。
- 智能体可以启动运行，例如客服智能体发起包含资格检查、经理审批、退款入账的退款流程；也可以查询运行记录，例如报告哪些夜间任务失败在哪一步。
- 在所有提供 AgentCore Gateway 的 AWS 区域可用，按 Step Functions 和 AgentCore Gateway 的标准价格计费。
开发者视角这是我一直推荐的做法：智能体只决定「做不做、参数是什么」，真正有副作用的步骤（审批、扣款、改数据）留在确定性的工作流里。如果你已经在 AWS 上用 Step Functions 编排业务，先把只读的「查运行状态」接给智能体做运维问答，再考虑放开「启动流程」，并且让工作流自己带审批节点，而不是靠提示词约束。
-
- GPT-6.1 Terra 加入内置、Vertex AI 和 Amazon Bedrock 三个模型目录。
- 终端界面对安全拦截给出更清楚的解释，并提供可选的更安全的后续提示。
- 新增 codex doctor --network-only，集中检查配置、连通性和 WebSocket。
- 修复：恢复或分叉会话时保留审批与权限设置；推理 token 计数在恢复和分叉后保留，避免过早压缩上下文。
开发者视角对团队有用的是 Vertex AI 和 Bedrock 两条路径：账单和数据合规已经落在某朵云上的，现在可以在原来的云账号里用 Codex 跑 Terra，不用再单开 OpenAI 账号。另外，恢复会话会丢权限设置这个问题修掉了，之前靠 resume 跑长任务的，建议升级后再检查一遍审批配置。
-
- AnySpeechRecognizer 实现 Apple SpeechAnalyzer 接口，默认用 Apple Speech，可换成在 Core ML 上本地运行的 NVIDIA Parakeet、阿里 Qwen3-ASR，并可用 Sortformer 区分最多 4 个说话人。
- LibriSpeech 测试（M4 Max）：Parakeet Unified 文件转写 test-clean 词错率 1.43%，Apple 自带为 2.12%；Parakeet 转写 1 小时音频约 20 到 40 秒、约占 100 MB 内存。
- AMI 会议录音上所有引擎词错率都高于 23%。
- AnyDecisionModel 从模型概率读取答案而不是解析生成文本，支持 MLX、Core AI、llama.cpp、Ollama 等 6 种后端；需要 Swift 6.2 及 macOS 26 / iOS 26 以上。
开发者视角对智能面试这类要在端上转写的产品，这是一个低成本的试验口：接口不变，换引擎就能比。但要看清那条「会议录音词错率都在 23% 以上」——多人、远场的真实面试场景远比朗读语料难，评测一定要用自己的录音。AnyDecisionModel 读概率而不是解析文本的思路也值得借鉴，打分类任务的结果会稳定很多。
-
- Granite Switch 是模块化架构，在一个模型上挂载可缓存的专用适配器，从同一个端点提供多种能力；本版基于 granite-switch-4.1-30b。
- 本版只训练了新的语音识别模型 granite-speech-5.0-470m-turboctc（覆盖 10 种语言，自带标点和大小写）和更新的 Decision 适配器，基座模型未改动。
- 与 4.1 完全向后兼容，无需迁移；IBM 计划推出教程和 Adapter SDK，让开发者和第三方构建、管理自己的适配器版本。
开发者视角分数这次没公布，值得看的是发布方式：基座不动、只换适配器，意味着线上评测基线大部分不用重跑。如果你在用 LoRA 之类给不同功能挂适配器，可以照这个思路给每个适配器单独打版本、单独回归，而不是每次都整模型升级。
本期由 AI 辅助检索与起草，选题标准与观点由 Darius 设定。
每周一，一封邮件看完 AI 大事
每周一早上，把过去 7 天最值得关注的 6 件 AI 大事和我的解读发到你邮箱。
邮箱只用于发送周报，不会提供给任何第三方；每封邮件底部都可以一键退订。 看看最近一期 →