AI 日报 | 2026-10-24：OpenAI 给前沿模型断网，Kimi K3.1 Pro 逼近 Opus 5.5，智能体标准进了基金会

如果说前几天的 AI 圈还在比谁的参数更大、谁的榜单更高，那么 10 月 24 日这一天，行业把注意力挪到了另外三件事上：模型能不能被信任、智能体能不能被标准化、推理成本能不能再降一个数量级。三件事看似分散，指向的却是同一个问题——当大模型从”演示”走进”生产”，决定胜负的不再是发布会上的 Demo，而是工程细节。

一分钟速览

• OpenAI 给前沿模型”断网”：训练期间不再接入实时互联网，起因指向一次 DNS 解析漏洞。
• 月之暗面发布 Kimi K3.1 Pro：3 万亿参数、100 万 token 上下文，编程智能体评测仅落后 Claude Opus 5.5。
• 智能体标准外置：Anthropic 把 Agent Skills 捐给 Linux 基金会，AAIF 同日收下 Skills、接口、训练环境与沙箱四块地基。
• 微软 AI 诊断登《科学》：复杂病例准确率 83%，约为普通医生的两倍。
• OpenAI 开放”决策 API”：只算输入不算输出，速度提升约 10 倍，定价低于预期。
• 用量与价格同步上涨：信通院报告显示国内大模型调用量半年涨近 4 倍，价格也随之翻倍。
• 四种叙事同台：辛顿、黄仁勋、皮查伊、奥特曼在同一天给出了彼此矛盾的 AI 未来。

头条：OpenAI 把”联网”从训练流程里拿掉了

OpenAI 确认，前沿模型在训练阶段将不再直接访问实时互联网。官方给的理由是安全，而外界普遍把导火索指向一次 DNS 解析漏洞——一个本不该出现在训练管线里的外部依赖，差点让模型把外部内容当成”世界知识”吸收进去。

这件事的分量比一条安全公告更大。过去两年，模型能力的提升很大程度上依赖”看得更多”：网页、代码、论坛、文档，越多越好。但当训练数据变成一条实时流动的河，数据来源就同时变成了攻击面。断网，本质上是在承认一件事——数据管线的可控性，已经和能力本身同等重要。当模型进入金融、医疗、政务，数据血缘会比榜单排名更硬。

国产旗舰：Kimi K3.1 Pro 把差距压到一个身位

月之暗面发布 Kimi K3.1 Pro，参数规模 3 万亿，上下文拉到 100 万 token。更值得看的是编程智能体的评测结果——与 Claude Opus 5.5 只差一个身位。爱范儿的实测标题写得很直白：”国模终于继续卷旗舰”。

把两条信息放在一起，会发现竞争重心已经转移。100 万上下文在 2025 年还是发布会上的惊叹号，如今更像一张入场券；真正被反复比的，是模型能不能在长任务里连续做对几十步操作、能不能在改坏代码之后自己回滚。上下文长度决定”能看多少”，智能体能力决定”能干多少”，后者的商业价值正在快速超过前者。而”只差一个身位”这个表述也说明，头部模型的护城河正从”代差”收缩为”工程差”。

智能体开始有”公共标准”了

Anthropic 宣布把 Agent Skills 标准正式捐给 Linux 基金会。同一天，AAIF 一次性收下了智能体的四块地基：Skills 规范、接口定义、训练环境和沙箱运行时。

这是一条容易被低估的新闻。过去一年，每个做 Agent 的团队都在重复造同一批轮子：工具怎么描述、权限怎么声明、沙箱怎么隔离、失败怎么回传。标准不统一，换个模型就要重写一遍集成层，企业被牢牢锁在单一供应商的生态里。把标准交给中立基金会，短期是”让出控制权”，长期是在扩大整个池子——HTTP、Linux、Kubernetes 都走过同一条路。2026 年的智能体竞争，可能不是比谁的框架更强，而是比谁的标准被更多人实现。

落地侧：医疗、设计与决策接口

微软的 AI 诊断系统登上《科学》，在复杂病例上的准确率达到 83%，约为普通医生的两倍。这个数字需要冷静看待：复杂病例恰恰是人类医生最容易分歧的区间，AI 的优势来自它见过更多罕见组合，而不是它更懂病人。真正的价值不在”替代”，而在把疑难病例的初筛时间从几天压到几分钟。

设计侧，Canva 上线自研图像模型 Craft，先做设计规划再出图，在 Design Arena 上排到全球第四。它没有去卷”最像照片”，而是把功夫下在”先想清楚版式和意图”——这恰好是通用文生图模型最薄弱的一环。接口侧，OpenAI 开放”决策 API”，只对输入做判断、不生成完整输出，速度快约 10 倍。这说明不是所有调用都需要一段漂亮文字，很多业务只需要可靠的”是/否/选哪个”；把大模型拆成”决策”与”生成”两种负载，是成本优化的关键一步。

成本账：一边降价，一边涨价

亚马逊 CEO 贾西直言，AI 推理成本还得再降一个数量级，否则企业软件根本用不起。这句话和 OpenAI 决策 API 的低定价放在一起，构成了供给侧的降价压力。但另一边，信通院报告显示国内大模型用量半年涨近 4 倍，价格也跟着翻倍——用量和价格同时上涨，通常意味着需求已从”试用”切换到”刚需”，折扣空间被真实负载吃掉了。

还有一个反直觉的副作用：PostgreSQL 19 因为 AI 代码审查太严格，人类修 Bug 的速度跟不上，发布推迟了三周。AI 提高了发现问题的效率，却没有同步提高解决问题的效率——当审查变快、修复不变，瓶颈就会从”看不见”转移到”改不完”，这可能是未来两年工程团队最真实的痛点。

四种叙事，一个阶段

同一天，四位关键人物给出了四种彼此矛盾的判断。辛顿说 AI 已经有意识，人类只能学会相处；黄仁勋在柏林开炮，称”AI 毁灭人类”是廉价炒作，别拿 10% 的概率吓人；皮查伊给”AI 自我改进”泼冷水，认为最终形态还早，”75% 代码由 AI 写”这个数字已经失去意义；奥特曼则说自己一年没看过一行代码。

这些话并不真的冲突：辛顿在谈风险边界，黄仁勋在谈商业节奏，皮查伊在谈技术阶段，奥特曼在谈工作方式。四种叙事同时存在，恰恰说明行业已越过”能不能做出来”的讨论期，进入”怎么用、承担什么责任、由谁定价”的工程期。

趋势洞察

把今天的信息串起来，能看到三条比较确定的线。第一，安全从”对齐”扩展到”管线”：断网、数据血缘、沙箱隔离，正在成为模型能力的组成部分。第二，标准正在从公司资产变成公共品：Skills、接口、运行时交给基金会，短期削弱控制力，长期扩大生态。第三，成本结构开始分层：决策归决策、生成归生成，粗放的”一个模型打天下”会被更细的接口组合取代。

对开发者的建议是：不要在”最强模型”上做长期押注，把集成层写成可替换的；不要把上下文长度当成能力上限，把评测重心放到多步任务的完成率上；不要在推理成本上做线性外推，先想清楚哪些调用其实只需要一个判断。

明天值得盯的两件事：Kimi K3.1 Pro 的真实长任务表现，以及 Linux 基金会接手 Agent Skills 之后的第一版规范草案。前者决定国产旗舰能不能把”一个身位”抹平，后者决定 2027 年的智能体要不要再重写一遍集成层。