10月30日 AI 早报｜万亿参数开源、准则重写、人事震荡

今天值得看的有五件事：一款万亿级旗舰模型把权重放到了公网；一家头部模型公司把行为准则从条款清单改写成五项价值；语音转写也进了开放权重；有研究团队用多智能体把程序重建时间压到三分之一；还有一家以隐私著称的软件公司，把 AI 使用率做成了人事复核的硬指标。

万亿参数旗舰公开权重：开放模型开始谈「自建推理」这笔账

昨晚，法国开源模型团队发布 Mistral Large 4（内部代号 Le Chonk）的开放权重版本。它是原生多模态的混合专家模型，厂商公布总参数 1 万亿、单次推理激活 52B。

模型卡给出的粒度更细：1.05 万亿总参数中激活 52B，图像侧由一个 1.6B 参数的视觉编码器处理。上下文窗口 1M 词元，接口价格为每百万词元输入 0.70 美元、输出 2.10 美元，缓存命中的输入 0.07 美元。

口径上还有一处细节值得记住：同一份模型卡的不同段落对激活参数的写法并不完全一致，厂商与媒体的表述也略有差别，看这类数字时以模型卡主描述为准，并在自己的评测集上复测一遍，别把宣传口径直接写进采购方案。落到部署上，总参数决定权重要占多少显存与存储，激活参数决定每次前向要付出多少算力；真正决定「自建还是租接口」的，是这两项在你们现有卡型上跑不跑得动、推理峰值能不能扛住，而不是排行榜名次。这类判断最好在采购前用一段真实负载压测，而不是靠参数表推断。

企业视角：开放权重真正的分水岭不是跑分，而是能不能进自己的机房。对有数据出境约束、或者推理量已经大到自建更划算的团队来说，把一款万亿级模型放进私有化选项清单，采购谈判的参照物就变了——不再只对比闭源接口报价，而是对比「租卡、运维、版本跟进」的总账。这笔总账里最容易被低估的是人：谁来维护评测基线，谁来判断新版本能不能上。我们在AIcoding 落地的路线图与高频失败点里给过一份评测与灰度清单，可以直接拿去对照。

来源：SiliconANGLE 报道（参数与发布信息）、模型注册页（参数粒度与定价）

模型行为准则换了骨架：五项价值取代条款清单

模型厂商在同一天更新了公开的行为规范文件，把原本按条目罗列的规则，重组为五项核心价值：忠于人类意图、尽量减少伤害、诚实与透明、尊重人的自主性、关怀。修订同时新增了关于情境理解、监督和自主性的指引，调整了部分默认行为，并删去大部分细致的风格指引。

规范里还藏着一个容易被忽略的变化：模型的自称从「the assistant」改成了「GPT」。这不是措辞洁癖，而是把「一个可替换的助手」重新定义成「一个有固定身份的产品」，后续的越狱测试、对齐评测都会受影响。

开发者启示：把行为准则当文档看是错的，它是上游会静默改动的「系统默认值」。任何把业务规则写进提示词、靠模型默认行为兜底的产品，都需要一个能快速回归的评测集；否则某天上线发现输出风格变了、拒答边界挪了，你甚至找不到是哪次更新带进来的。

来源：AIHOT 对官方更新的中文摘要（含发布时间）、规范文件公开仓库

语音转写也进了开放权重：30B 混合专家模型覆盖 40 种语言

英伟达发布 Nemotron 3.5 Transcribe，一款开放权重、可提示的 30B 混合专家模型，约 4B 活跃参数，把 40 种语言的转录、说话人归属、翻译、上下文提示和音频理解集成到单一 checkpoint 中。

随发布给出的医疗转录案例显示：使用最佳提示时词错误率为 22.44%，经过领域特定微调后，在留出说话人的录音上降至 12.17%，相对降低 45.8%。这组数字对比的是同一个模型在提示工程与微调之间的差距，不是和其他厂商产品的横评。

同一天，英伟达还公开了 120B 混合专家多模态模型 Nemotron 3.5 Super VL 在云上容器服务与托管训练集群里的部署构成与评测方法，其设计按每词元仅激活约 120 亿参数来平衡成本。把「权重怎么放」和「怎么部署」在同一周一起发布，是这轮开放权重竞争里越来越常见的做法。

落地建议：会议纪要、客服通话、工单语音这三类场景，过去最大阻力是音频要出内网。开放权重加 4B 级激活参数，意味着单台推理机就能跑；但真正决定能不能上线的是说话人归属与专有名词的稳定性——先用两周真实录音做词错误率基线，再决定要不要微调，比直接上生产稳妥得多。

来源：InfoQ AI 快讯（模型规格与案例数据）、官方模型家族页面、行业日报（Super VL 云上部署构成）

智能体团队把交付时间压到三分之一，代价是调用量

一个研究团队开源了面向智能体协作的聊天服务器 SwarmChat：每个智能体有独立频道、私信、线程、看板和文件，通过智能体原生命令行接入，人可以在浏览器里实时观察集群在做什么。配套的基准叫 ProgramBench，任务是用编码智能体团队重建真实程序，从十六进制查看器到 SQLite 一类，选取十个程序，每 15 分钟对工作区快照评分。

结果呈现出明显的「并行收益」：8 个智能体的团队 6 小时通过 88.5% 隐藏测试，单智能体完成同一批任务需要 17.5 小时；换成另一个模型，团队 3 小时达到 93.7%，约为单智能体的七分之一时间。扩展性方面，团队多用约三分之一调用量（3.06 亿对 2.25 亿），换来五小时的压缩。

我们的判断：这组数据最值得记住的不是「快七倍」，而是收益来源——并行度，不是模型更聪明。一旦把任务拆成并行的子任务，瓶颈会从写代码挪到接口约定与评审环节；拆分粒度和验收标准不做，智能体再多也只是把返工同时放大；Agent 写操作的三类状态怎么验收，是并行之前必须先定下来的事。这类数据来自研究团队自述的基准，尚无第三方复现，看趋势可以，当承诺不行。

来源：InfoQ AI 快讯（基准设置与结果）

当「AI 优先」压过安全评审：代价最终落在人事上

一家以隐私保护著称的欧洲软件公司，被曝其 AI 化动作已经进入人事环节。据调查报道，公司 CEO 在内部频道里回复一名申请对新代码做几天安全测试的员工时写道，这种想法是「loser thinking」，并要求团队停止「精心手写全部代码」、多用 AI；公司还在员工电脑上安装了追踪 AI 生成代码量的软件。

流程比口号更具体：据内部邮件，公司先与工程、产品条线的 40 多名高级负责人做了 AI 使用面谈，随后把流程扩到全员；复核面谈安排在 11 月 4 日至 11 日，被明确称为「有后果的」，可能影响岗位、职责与是否继续雇佣，且面谈人来自被评估者所在团队与汇报线之外。公司方面否认以 AI 为借口裁员，理由是人才短缺、仍在招聘。

行业警示：把 AI 使用率做成唯一显性指标，最先被牺牲的一定是安全评审和工程质量——因为这两件事在短期数据上只会拖慢速度。

对正在推 AIcoding 的团队，可操作的替代方案是把考核锚在交付结果上：周期有没有缩短、缺陷密度有没有变化、评审返工率是多少。工具使用率可以作为观察指标，但不能作为人事决策的唯一依据。我们在企业内部 AI 助手的采纳度量里拆过三个更稳的替代指标。

来源：404 Media 调查报道（内部文件与员工访谈）、Verity 汇总报道（面谈时间与高层访谈范围）

今日关键数字

我们的解读

把今天这几条放在一起看，会发现它们指向同一件事：模型能力正在朝「可自建、可审计、可拆成角色」的方向走，而多数企业的组织制度还停在「买一个接口就完事」的阶段。

开放权重把推理成本和数据边界交回企业自己手里，代价是版本跟进、评测基线、灰度机制这些工程债要自己背；行为准则的改版提醒我们，模型行为的默认值会被上游静默调整，凡是靠默认行为兜底的业务逻辑都存在回归风险。

再看落地侧：语音转写进入开放权重，意味着会议、客服、工单这类语音数据不必再出内网，私有化交付的性价比明显变好。

多智能体的实测说明，团队式编排的收益主要来自并行度而非模型智力，这恰好是我们做 AIcoding 全栈交付时最常改的一环——把一个模块拆成多个智能体并行推进，瓶颈会从编码挪到接口约定与评审；最后那条人事新闻是反面教材：把工具使用率当成唯一指标，安全评审就会被贴上「loser thinking」的标签。

对中国软件企业来说，更现实的做法是三条。第一，把模型接入做成可替换的一层，避免被单一供应商锁死，同时给自己留出闭源与开放权重之间切换的余地。第二，给每一条智能体流水线配上可回滚的评测集，用固定样本判断「是不是变好了」，而不是靠体感；工具层的权限与审计边界，可参照MCP 协议接入内网的实践。

第三，把 AIcoding 的考核指标从「生成了多少代码」改成交付侧的三个数：周期、缺陷密度、评审返工率。这三件事都不性感，但它们决定了 AI 化是变成一次真实的效率升级，还是变成又一轮被迫表态的运动。

延伸阅读

• 2026年08月29日 AI 早报｜腾讯混元 Hy4 preview 开源、GLM-5.3 开放权重：开放权重这条线的连续观察。
• AIcoding 落地咨询怎么做：路线图与 3 个高频失败点
• Agent 写操作验收：明确失败、结果未知、重复执行三种状态怎么测
• 企业内部 AI 助手三个月只剩 4 个用户：入口、接管边界与采纳度量
• 小程序 AIcoding 落地：卡在审核与主包 2M

联系我们

优码云总部在深圳福田，做 AIcoding 全栈开发与智能体系统交付，服务粤港澳大湾区及全国客户，支持远程与现场混合交付。如果你的团队正在评估「开放权重私有化」与「多智能体流水线」该怎么落地，可以约一次 30 分钟的免费咨询，我们会带着评估清单一起过一遍你现在的交付流程。

预约 30 分钟 AIcoding 转型评估