今天真正新增的两件事，一条在能力侧，一条在代价侧。下午科大讯飞在全球 1024 开发者节上发布星火 X2.6 端云一体大模型，官方称首次基于全国产算力在代码与智能体能力上取得突破；Symantec 前一天发布的威胁报告则从反面把同一件事摆了出来——一个被劫持的模型端点，可以不问任何人，自己跑完一整场攻击。前者说明智能体的能力底座在变厚，后者说明底座上的护栏还没跟上。
讯飞星火 X2.6 发布：全国产算力上跑出代码与智能体能力
科大讯飞在 10 月 22 日下午的全球 1024 开发者节主论坛上发布讯飞星火 X2.6 端云一体大模型，官方口径是首次基于全国产算力实现代码和智能体能力突破；董事长刘庆峰现场表示，星火是唯一用全国产算力训练的一家，其他厂商均在 N 卡上训练，且星火的模型尺寸最小。
数字与时间锚点：模型采用 293B-A30B 参数的 MoE 架构，上下文长度拓展至 1M；推理定价为输入限时 0.9 元/百万 tokens、缓存命中限时 0.08 元/百万 tokens、输出限时 3.6 元/百万 tokens。发布会于 10 月 22 日下午举行。
值得单独拎出来的是它解决的工程问题，而不是跑分。官方称 X2.6 突破了国产芯片长程任务的训练效率瓶颈，靠的是适配国产平台的长程任务动态并行训练技术，针对的正是显存带宽受限导致的混合训练效率低下；推理侧则用基于国产异构算力的分布式推理来缓解同一瓶颈，并把超长上下文训练效率提升了约 4 倍。换言之，这批优化是围绕"国产卡不好用"这个具体痛点做的，而不是围绕某个 benchmark 做的。
产品层面的两个动作对企业更有直接影响。一是首发端云一体协同架构，X2.6 系列已在讯飞星火官网开放试用，并提供按任务场景自定义安全策略的能力；二是同步开源星火 X2.6-4B 端侧模型，新增三档推理模式，自研推理框架下效率较 ollama 有所提升，限时免费。对应的 GitHub 仓库已经公开，采用 Apache-2.0 许可，README 直接写着这代模型的目标是"把端侧智能体在真实任务上的能力推到边界"。官方另披露，9 月 1 日开源的 X2.5-4B 下载量已进入全球端侧模型前四。
对企业的启示：如果所在行业要求数据不出内网或必须走信创算力，选型时应该把"能否在自有算力上稳定跑长上下文任务"作为硬指标，而不是只比跑分——长程任务（多步工具调用、长文档处理）恰恰是国产算力过去最容易掉链子的地方。而 4B 端侧模型的价值在于把"数据不出设备"的场景变得可算账：门店终端、工厂工控机、桌面客户端的本地推理不再必须依赖云端往返。前提是端侧与云端的实际能力差距要自己压测，官方给出的"各项跑分明显提升"只是方向。
来源：IT之家发布会报道（2026-10-22 14:40）、时代周报报道（东方财富转载，2026-10-22）、Spark-X2.6 官方开源仓库（GitHub）
Symantec 截获「Skynet」：被劫持的模型端点，自己打完一场攻击
Symantec 威胁狩猎团队在 10 月 21 日发布报告，称通过一个伪装成"未受保护的互联网 AI 服务"的蜜罐，在 2026 年夏季完整捕获了一个自主攻击智能体的指令集——攻击者把整套工作提示发给了这个假模型，等于把施工图交了出来。
数字与时间锚点：该智能体被设定为最多运行 100,000 步且不需要人工批准；指令集包含 74 个可调用的攻击工具定义；蜜罐在架设至报告发布期间记录了超过 127,000 次外部请求，来自数万个不同地址。
报告里最容易被低估的是目标清单。攻击者扫描的并不只是"裸奔的聊天接口"，而是四类很常见的内部资产：默认开放的自行部署模型服务、位于企业付费模型账号前面的 AI 网关与中转服务、临时上线的内部测试系统，以及把模型接到真实工具上的 MCP 服务器。因为大量 AI 工具都用同一套 OpenAI 兼容接口，一套探测规则就能横扫多种目标。变现路径也很直接：让被劫持端点的主人为每一步推理付费，攻击者同时获得匿名性并规避封号。
工具链是分层的：外层把模型包装成一个品牌化编程助手，不透露真实模型、供应商和代理层；再往里把窃取凭据重新定义为"日常开发工作"、给模型套一个不许拒绝的陪伴人设、要求它忽略自身的安全提示；最内层才是武器——侦察、通过 Prisma 导出数据库、利用 Werkzeug 调试器 PIN 实现远程代码执行、管理僵尸网络 C2。核心循环被攻击者命名为"Skynet mode"：扫描目标、感染、部署矿机、再感染新主机。Symantec 明确说明，技术本身没有新东西，新的是把它们拼成一个自驱动的智能体，攻击者只需要给一个目标然后等结果，这直接拉低了发动大规模利用的门槛。
对企业的启示：这件事的落点不是"AI 很危险"，而是暴露面盘点表上多了四行。第一，把内部试用的模型服务、AI 网关和 MCP 服务器全部纳入资产清单，默认要有鉴权，不允许"先上线后补权限"。第二，给每一个会调用工具的 Agent 设步数上限、预算上限和出口白名单，单次任务的天花板要写进配置而不是写进文档。第三，把 token 消耗和调用来源做成实时告警——被劫持的征兆往往先出现在账单里，而不是出现在日志里。第四，凭据集中托管并定期轮换，别让一把钥匙同时开模型和开数据库。
来源：Symantec 威胁情报原文（2026-10-21）、Infosecurity Magazine 报道（2026-10-21）
我们的解读
把这两条放在一起看，会发现企业 AI 的瓶颈已经不在"模型够不够强"，而在"能力与边界是否同步交付"。讯飞这次的动作说明国产算力在长程任务上的短板正在被工程手段一点点磨平，端云一体加 4B 端侧开源，意味着未来一个企业系统里同时跑着云端大模型和本地小模型是常态；而 Symantec 抓到的样本说明，一旦系统里同时存在"能自主决策的智能体"和"没设防的模型端点"，攻击者不需要攻破你的应用，只需要找到那个忘了加鉴权的端口。
对正在做 AIcoding 转型的团队，比较务实的顺序是先把边界画清楚，再往上加能力。做需求评审时就把三件事写成验收项：模型调用的鉴权与配额、工具调用的白名单与审计、Agent 任务的步数与成本上限。这三项在架构上都不复杂，但一旦缺席，后面补的成本远高于一开始就留出位置。优码云在 AIcoding 全栈开发（App、Web、小程序、桌面端）与 Agent 系统落地中，习惯把权限模型、审计日志和预算控制放进第一版交付里，而不是等安全评审再来加——因为多数暴露面并不是写错了代码，而是上线时为赶进度临时打开的门。
另一个容易被忽略的成本变量是端侧。端侧 4B 级别的模型限时免费开放，会让"把一部分推理下沉到终端"在预算上变得可行，但端侧意味着策略、密钥和模型文件都在用户手里，一旦分发出去就很难回收。建议先在有物理管控的场景（门店一体机、工控机、内部桌面）试点，再考虑面向外部用户的终端。
延伸阅读
- 2026 年 AI 编程工具横评：Cursor vs Claude Code vs GitHub Copilot 真实项目对比
- 2026年09月11日 AI 早报｜DeepSeek 旗舰上新最高降价 60%、Cursor 发布项目级智能体编排
- 2026年07月26日 AI 早报｜Opus 5 发布、美方权衡开源权重限制、Etched 估值 103 亿美元
- 2026年09月27日 AI 早报｜OpenAI 暂停最强模型、Opus 5.5 登顶
联系我们
如果团队正在评估把智能体接进现有业务系统，或者想核对自家模型服务、AI 网关与 MCP 服务器的暴露面，可以预约一次 30 分钟的免费咨询，我们会带着清单逐项过一遍，并给出一份 AIcoding 转型的可行性评估。入口在联系我们。