2026 年 10 月 18 日 AI 日报：DeepSeek 再压 Agent 成本，OpenAI 确认自造人形机器人

10 月 18 日，AI 行业没有单一的大新闻，却有四条线索同时推进：模型厂商开始用“单位任务成本”说话，平台争夺默认入口，算力与硬件继续加码，Agent 的安全与授权问题被摆上台面。

一分钟速览

• DeepSeek 全量切换 V4.1-Flash-1017，针对 Agent 任务压缩运行时间与输出 token，自研搜索 API 同步开放。
• 智谱开源 GLM-Legal，Harvey LAB 与 LegalBench 双榜开放权重第一，全通过率 19.2%。
• 清华 THUNLP 开源 PilotDeck 2.0，用工作舱、白盒记忆与智能路由把复杂任务成本压到约六分之一。
• Replit 把默认模型切到 OpenAI，Claude 从默认位退为可选。
• OpenAI 确认自造人形机器人，预计 2027 年给出演示样机，招聘页面已有 27 个机器人岗位。
• Anthropic 内部报告：智能体工作时长已是人类员工 6 倍，初级技术岗占比从 21% 降至 14%。
• 首个全国产十万卡 AI 超集群真机亮相，已支撑 26 个领域、300 多种计算任务。
• OpenCode 旧系统被攻破，约 1.4% 用户的外部服务密钥可能泄露。

一、模型竞争换赛道：从“最强”到“最划算”

DeepSeek 在 10 月 17 日晚间完成 V4.1-Flash-1017 全量切换，网页端、App 与 API 几乎同时更新，没有发布会。新版本最大的变化不在榜单，而在训练阶段针对 DeepSeek Harness 做了专项优化，目标是把任务运行时间与输出 token 一起压下来。官方称之为“性能—费用帕累托改进”：不是单纯涨分，而是让同一项 Agent 任务花更少时间和钱完成。Harness 同步升级到 0.2.1 及以上，新版本还加入“许愿式编程”，模型写完后会自查、返工、再交付。当 Agent 多轮调用工具，账单会被放大，单次回答的价格已不能代表真实成本。

同一天，智谱开源 GLM-Legal。它基于 GLM-5.3-Flash，经法律语料训练与数万条任务强化学习，在 Vals AI 的 Harvey LAB 与 LegalBench 两项测评中拿到开放权重模型第一：全通过率 19.2%，LegalBench 准确率 86.23%。更值得看的是成本：成绩相近时，测试成本约为 Gemini 4 Argon 的七十分之一，代价是耗时多近 30 分钟。法律场景愿意为可靠性等待，说明“便宜”和“快”不是唯一的竞争维度。

清华 THUNLP 联合面壁智能、OpenBMB 推出的 PilotDeck 2.0 从工程侧回答同一个问题。它把每个项目放进独立的 WorkSpace 工作舱，文件、记忆、技能互不干扰；记忆做成白盒，可查看、修改、删除；Always-on 模式让 Agent 在关闭窗口后继续执行长任务；Smart Routing 让强模型负责规划、小模型负责执行，复杂任务成本可降到顶配单体模型的约六分之一。三条路线不同，指向却一致：竞争正在从“谁更聪明”转向“谁能让 Agent 持续干活还不破产”。

二、入口之争：默认位、浏览器与 CRM 同时重排

Replit CEO Amjad Masad 在 TechCrunch Disrupt 上确认，公司已把 OpenAI 设为默认模型提供方，理由包括成本、性能与合作关系。Replit 曾长期依赖 Claude，并一度是 Anthropic 排名前五的客户；Masad 随后补充，平台仍然“模型无关”，用户依旧可以选 Claude。真正被争夺的不是“能不能用”，而是用户打开产品时看到的那个默认选项。多数开发者不会逐项比较模型，默认位就是分发权。

OpenAI 把触角伸向两个更远的入口。一边是 Chrome：ChatGPT 扩展能读取当前打开的标签页，可比较多个网页里的商品参数，也能在 ChatGPT Work 中代填表格、添加日历。另一边是身体：奥尔特曼确认 OpenAI 会亲自制造人形机器人，理由是现实世界的门、键盘和工具都按人的形态设计。他预计 2027 年拿出演示样机，招聘页面已挂出 27 个机器人岗位。

企业软件侧，Salesforce 的 AIforce 正在拆掉 CRM 的“门”。Claudeforce、Slackforce、Agentforce Coworker 与 Headless 360 让员工在 Claude、Slack 里直接调用 Salesforce 的数据、权限与审批流，不必打开传统 CRM。当工作流嵌入别人的对话框，按人头收费的逻辑就必须重写。Anthropic 的内部报告则显示：工程师人均代码提交量是半年前的 5 倍；智能体工作时长已是人类的 6 倍；技术部门初级员工占比从 21% 降到 14%。

三、应用层：记忆、视频与办公各进一步

李未可 Lawaken X-AI 记忆眼镜开启预售，到手价 699 元起。机身 26 克，支持快拆换框，最长 12 小时录音；支持 128 种语言实时翻译。真正的卖点是“记得住、找得回”：会议、灵感、拜访被记录后，可以用一句话调取，并自动抓取待办与结论。产品通过 MCP 连接豆包、飞书、千问办公、Codex、Claude，数据可编辑、删除、导出。记忆眼镜的竞争，最终落在检索质量与隐私边界上。

可灵 Kling 4.0 已全量上线，支持 4K 与 1080p 10-bit HDR 输出，单次最多输入 10 张图片、5 段视频、7 个主体，最长生成 30 秒。产品方向从“生成好看的片段”转向“讲完一段连续的故事”，并接入 MCP 与 CLI。办公与安全侧，微软 Edge 计划在 12 月上线水印保护，在敏感内容上叠加用户名、时间戳和“机密”警示，目标从阻断改成威慑与追溯。

四、算力与硬件：十万卡、3nm 与机器人内存

在深圳举行的 2026 全国高性能计算学术大会上，首个全国产十万卡 AI 超集群以真机形式亮相。十万张加速卡通过高速网络连成一台逻辑上的机器，核心突破不只是规模，而是把超算与智算放进同一套底座：既能跑高精度科学计算，也能跑大模型训练与推理。官方称其峰值算力相当于全人类持续计算 200 年，目前已支撑 26 个领域、300 多种计算任务。

制造端，日本经济产业省公示，台积电控股的 JASM 第二晶圆厂转产 3nm 已获批准。原规划的 40/12/6nm、月产 6.3 万片，改为仅生产 3nm、月产 6000 片，预计 2028 年 12 月投产；第一晶圆厂也调整为月产 4.5 万片 22/28nm 加 5000 片 40nm。3nm 是 AI 加速器与旗舰手机芯片的主力节点。

围绕 AI 芯片的博弈也在升温。特斯拉 AI5 已在三星得州泰勒工厂试产，目标 2027 年量产，算力目标 2000 至 2500 TOPS；马斯克称其性能约为同级别英伟达芯片的三倍、成本只有十分之一，尚未经第三方验证。另一边，美光披露正在研发边缘推理内存 EIM：把低功耗 LPDDR 垂直堆叠在逻辑芯片之上，降低推理延迟、提高带宽，预计 2028 年下半年随 LPDDR6 量产。美光判断，高性能人形机器人最终需要约 200GB DRAM 和 4TB 存储，而当前主流服务机器人通常只有 12GB 加 256GB。

五、安全与治理：Agent 越能干，边界越值钱

OpenCode 披露了一起安全事件：一个正处于停用流程中的旧系统遭到未授权访问，部分用户存放在工作区的外部服务密钥可能泄露，影响约 1.4% 的 Console 用户。已有用户报告 Anthropic 账户被扣 400 美元、谷歌服务产生约 200 欧元费用。公司称正与 Anthropic、OpenAI 和谷歌合作补救。教训很直接：系统下线不等于风险下线，旧权限、旧密钥、旧巡检盲区，都是 Agent 时代的基础设施债。

网站对智能体的态度也在变化。Yelp 只允许付费加入数据授权计划的智能体访问，达美航空不允许智能体代客订票，摩根大通与嘉信理财以安全为由阻止智能体访问账户。平台并非单纯“反 AI”，而是在重新划三条线：谁被授权、按什么计费、出事谁负责。Agent 要真正替人办事，绕不开这三件事。

训练数据的边界同样在被重新确认。Meta 更新商业条款时曾写入一段可能被理解为“允许抓取网站内容训练 AI”的表述，在反弹后删除。Meta 强调爬虫行为没有改变，条款只适用于广告与商业产品。与此同时，Anthropic 公布 Claude 在不到 30 分钟内理清一桩 26 年密码学悬案：研究者没有硬推数学，而是追溯上世纪 90 年代的软件工具，发现曲线种子来自 C 语言库的 lrand48 生成器，输入是 Unix 时间戳。这不等于攻破 ECDSA，但它提醒人们：旧系统的历史细节，往往就是安全审计的入口。

趋势洞察

第一，成本曲线正在取代参数曲线。DeepSeek 用 Harness 专项优化压缩任务时间与输出，PilotDeck 用路由把复杂任务拆给不同模型，GLM-Legal 用专用化把法律任务成本降到七十分之一。三条路径不同，本质都是把“智能”变成可计价的工程能力。评估一个模型，不只看跑分，还要看完成一件真实工作要花多少 token、多少分钟、多少次返工。

第二，默认入口就是分发权。Replit 把默认位交给 OpenAI，ChatGPT 直接读浏览器标签页，Salesforce 把 CRM 嵌进 Claude 与 Slack。用户停留在哪个界面，数据与工作流就在哪里沉淀。模型厂商争的不再只是 API 调用量，而是“用户第一个想到谁”。

第三，Agent 的商业化卡在制度接口。OpenCode 的密钥泄露、网站对智能体的拦截、Meta 的条款争议、Anthropic 的立法草案，看似分散，其实都在回答同一个问题：当 AI 开始代表用户行动，授权、计费、责任如何落地。能力越强，这些问题越无法绕开。

把这一天的新闻放在一起，会发现行业已经过了“演示惊奇”的阶段。模型在算账，平台在抢入口，硬件在补底座，监管在划边界。真正的分水岭，不是谁的模型再涨几分，而是谁能把一次 Agent 任务做得又便宜、又可靠、又能被追责。