开源权重三连发，Agent 基建竞赛升级

2026-10-15·6 min read·OKCodex 编辑部

开源权重三连发，Agent 基建竞赛升级

三款开放权重模型，指向三个落点

近期最密集的信号来自开放权重阵营。Meta 发布 Muse Spark Open：8160 亿参数，支持文本、图像、视频与音频，上下文窗口最高 100 万 token。输入摘要显示，它在基准测试上与当前能力最强的中文开放权重模型大致持平，并针对 Apple 平台的本地运行做了优化。Black Forest Labs 发布 FLUX 3 Image Klein，一个 56 亿参数的开放权重图像模型，支持原生 4K 生成与像素级编辑，最多可用十张参考图；参数量比上一代减少 38%，据称仍在性能上优于闭源竞品。英伟达的 Nemotron 3.5 Super VL 走的是另一条路：1200 亿参数的多模态开放模型，面向企业级 Agent，并配套两个可在本地机器运行的紧凑型 Bolt 模型；目前已有数十家机构在做微调。

三条信号的共性很清楚：开放权重模型的竞争焦点，正从“跑分”转向“能不能长期挂在一个真实业务流里”。差异同样清楚：Meta 把“对标中国开放权重模型”写进了定位；Black Forest Labs 用参数效率换消费级 GPU（8GB 显存即可运行）；英伟达则明确，要把 Super VL 用到极致仍需购买英伟达硬件。开放权重不等于零成本，这一点值得记住。

Agent 的落点开始分化

Google 的 Gemini 4 Argon 目标更激进：控制机器人、从照片或草图生成仿真、评估训练视频，在 Google 自家的 ERQA 基准上得分 87%。但同一份材料也指出，公开的示例提示词显示这些演示仍需要大量人工引导。厂商自测基准与真实可用性之间的距离，在这里体现得相当直接。

应用层的落点则开始分散：Rivian 的车将接入 AI Agent，更多细节预计在其 12 月的“AI & Autonomy Day”活动上公布；Bluesky 把 AI 驱动的 Attie 扩展到让用户构建网站、游戏等互动内容，官方称之为“社交化 vibe coding”；Google 的 Universal Cart 购物工具已在美国上线，覆盖 Google 搜索与 Gemini 应用。三者的共同点是：Agent 不再只出现在对话框里，而是嵌入车、社交网络和购物链路。

AI 挖出的漏洞，正在变成人力密集型工序

CNBC 报道，美国银行投入 4000 人修复由 AI 模型（包括 Anthropic 的 Mythos）发现的软件漏洞，其中 1000 人为外部承包商。这是一个容易被低估的数字：模型能更快发现漏洞，但修复仍依赖人。对企业而言，AI 安全工具带来的第一波成本，很可能不是采购费，而是修复与排期的人力。

另一方向的变化来自 Anthropic：它向 METR 研究人员开放了员工级访问权限，METR 将自行发布对 Anthropic 风险、事件与做法的评估，且 Anthropic 放弃了阻止其发布的权利。在厂商自测基准广受质疑的当下，把评估权部分交给第三方，是治理层面少见的实质性让步。

对中国读者的落地意义

第一，“对标中国开放权重模型”已成为西方厂商的定位话术，这既是认可，也意味着国内团队在端侧部署与推理成本上的经验具备直接迁移价值。第二，端侧门槛在下降（8GB 显存、本地紧凑模型），但硬件绑定仍然存在，选型时应把总拥有成本（硬件＋运维＋修复人力）算进去。第三，机器人、车内与社交产品的 Agent 化，提示产品团队把 Agent 当作功能模块而非独立产品来设计。

结论与行动建议

这轮信号里没有单一“爆点”，但方向一致：能力在下探，生态与硬件在收拢，评估与修复正在变成独立工序。

给读者三条建议：一，挑一个自有业务场景，用本地可运行的开放权重模型做一次端侧可行性验证，记录显存与延迟的真实数据；二，把“AI 发现的漏洞由谁修、排期多久”写进安全流程，参照美国银行的人力投入量级做预算；三，在选型与对外表述中区分“厂商自测基准”与“第三方评估”，优先采信后者。

来源

分享：微博

← 返回博客浏览精选 Agent →

订阅每周好码简报

加载中…

开源权重三连发，Agent 基建竞赛升级