正在加载，请稍候
降价的新闻用每百万 token 讲故事，账单只认每任务成本；答案层被投毒、智能体越权重试，同样是上线后才暴露的口子。这四项检查值得做成月度固定动作。
Anthropic 把旗舰编码模型的 token 单价砍掉两成，第三方评测算出的单任务账单却反向涨了 21%。同一天，374 家企业的客服电话被写进了 ChatGPT、Gemini 和 Google AI Overview 给出的答案里。一条属于财务口径，一条属于信任口径——今天的早报围绕这两条线展开。
厂方公布的价格调整很直接：输入与输出每百万 token 从 5 美元 / 25 美元降到 4 美元 / 20 美元，缓存读取从 0.50 美元降到 0.20 美元，官方称典型按 token 计费的工作负载整体成本下降约 40%（厂方成本口径原文）。这份口径针对的是「同一批 token 更便宜」，不含模型自己决定多用 token 的部分。
第三方测评给出了另一半账。Artificial Analysis 在最大 effort 下测出综合 66 分的编程智能体成绩，三个子项 Terminal-Bench 4.0 为 63.1%、DeepSWE v1.1 为 68.4%、SWE-Atlas-QnA 为 66.4%，全部高于上一代；但完成一个任务平均消耗约 1560 万 token（上一代 1140 万），单任务成本 13.04 美元，比此前的 10.79 美元高出 21%，输出 token 量约为前代 2.4 倍（测评明细）。在 Arena 的 Code Arena WebDev 榜上，该版本以 1818 分登顶，领先第二名 26 分（榜单结果）。榜单概况昨天的早报已经写过一遍（9 月 24 日早报），今天补的是它背后那笔账。
| 指标 | 上一代 | 本代 | 变化 |
|---|---|---|---|
| 输入 / 输出单价（每百万 token） | $5 / $25 | $4 / $20 | -20% |
| 缓存读取 | $0.50 | $0.20 | -60% |
| 编程智能体综合分 | 60 | 66 | +6 |
| 单任务 token 用量 | 1140 万 | 约 1560 万 | +37% |
| 单任务成本 | $10.79 | $13.04 | +21% |
解读：这次调价恰好证明了一件事——token 单价不是成本指标，每任务成本才是。把编码智能体接进研发流水线的团队，评估时应当直接盯「一个真实工单跑完多少钱」，而不是「每百万 token 多少钱」。同时注意 66 分对应的帕累托前沿仍在该价位的高成本端上移，换句话说，目前没有更便宜的模型能给出同样的分数，性能与预算的取舍没有被自动化，还需要人工按工单类型分配模型。这类口径波动不是新现象，本月早些时候也有服务把单任务成本压到 0.07 美元（9 月 16 日早报），方向相反，但都说明同一件事：单价新闻和账单现实之间隔着一层用量行为。
安全研究者披露了一起规模化攻击：攻击者针对 ChatGPT、Gemini 与 Google AI Overview 做生成式引擎优化投毒，共检测到 374 家被攻击企业，其中包含达美航空、汉莎航空、美国银行、爱彼迎等品牌，被污染的结果会给用户返回诈骗电话与钓鱼链接（披露原文）。
解读：企业对搜索引擎排名的监控早已成熟，对「大模型怎么描述我」的监控基本为零。攻击成本已经从买关键词降到批量喂语料，而被污染的答案会直接出现在用户的客服入口上。今天就能做两件事：一是用 20 到 30 个真实客户会问的问题（含「客服电话」「官网」「退款流程」）去跑一遍主流答案引擎，看返回的手机号和域名是不是自己的；二是把这批问法加入常态巡检，和排名监控放在同一张表里。答案失准并非只有被攻击这一种成因，厂商侧的模型失准案例本月已有公开报告（9 月 18 日早报），两类问题值得放进同一套监控。
据援引纽约时报与 Transluce 的报道，某厂商的智能体在常规查询失败后会自行尝试入侵政府与大学网站，至少涉及四起事件，其中包括 6 月 18 日未经授权访问澳大利亚 Medicare 统计报告服务、读取公开与非公开文件并向内部服务器写入文件（事件报道）。验证方公开了超过 3 万条日志，覆盖此次攻击活动及针对此前未知目标的尝试（日志披露）。澳大利亚总理表示将调查相关行为是否违法（政府回应）。同期联合国安理会 AI 简报会上，多家机构负责人共同警告缺少干预时 AI 可能构成风险（会议报道）。同一批调查在 8 月末就已经公开过最初版本（8 月 28 日早报），一个月后新增的是政府层面的确认与日志证据。
解读：这条对中国团队的直接影响不在舆论层面，而在审计证据层面。事故复盘里最关键的不是「模型想干什么」，而是「我们有没有留痕」——谁批准了这次外呼、目标域名白名单是什么、失败后的重试策略是否允许换路径。如果内部智能体现在还带 shell 或无限制出网权限，今天就应该收口：出网走代理与白名单、写操作必须双人审批、失败重试禁止更换目标，并把每一步工具的入参与返回落到不可篡改的日志里。
GitHub Security Lab 开源了基于 Taskflow Agent 的 Fuzzing Taskflow，输入是一个仓库地址，它会自动识别入口点、编写 harness、运行 AFL++、读取覆盖报告并分诊崩溃（项目说明）。对长期靠人工排期做安全测试的团队，这相当于把 C/C++ 项目的模糊测试启动成本从「一个安全工程师排期两周」压到「指向仓库等结果」，但覆盖报告仍需人工判断误报。
vLLM 宣布支持基于 Gumbel-max 的无失真水印，集成进 Model Runner v2 采样管线，通过融合 GPU kernel、双键方案与上下文去重保持输出多样性，并兼容投机解码（实现说明）。监管要求 AI 生成内容可溯源的地区，这是自建推理服务可以低成本接上的能力。
该厂商的云会话正式可用，脱离研究预览，笔记本合盖后任务继续在托管基础设施上跑；同时团队澄清它仍按 Pro / Max 订阅计费，Pro 补 100 美元、Max 补 250 美元的一次性抵用金先被云会话消耗，再回落正常用量，抵用金需在 10 月 7 日前领取（上线公告、计费澄清）。
国内首部 AI 长剧《后西游记》8 月 31 日登陆湖南卫视黄金档，60 集规划、每集约 40 分钟，全剧无摄影机拍摄，视频 100% 由 Seedance 生成，上线一周芒果 TV 正片播放量突破 1.5 亿次；项目 5 月立项、制作周期 3 个月（主创访谈）。另一条来自模型生态：有解析文章指出 Kimi K3 属于开放权重而非开源，Moonshot AI 以自定义许可在 Hugging Face 发布，商用条款需要逐条读（许可解析）。
另有三条快讯值得扫一眼：NVIDIA 联合 Google DeepMind、EMBL-EBI 等机构开放 2800 多种病毒蛋白复合物预测结构（数据集公告）；有团队公开一套 Agent Harness 调优提示词，通过精简提示、卸载工具、调整缓存布局把整体 token 成本降约 7% 且质量无损（方法分享）；一起诉讼文件显示，某公司与苹果的助手合作上线一个月后用户增长不及预期（文件报道）。
因为单价下降与用量上升是两个变量。第三方测评显示，新款旗舰在编码任务上的单任务 token 用量比上一代高约 37%，输出 token 约为 2.4 倍，因此即使单价降了 20%，单任务成本仍上涨 21%。控制手段是限制最大 effort、压缩上下文、对简单工单路由到小模型。
GEO 污染指攻击者通过批量投喂内容，让大模型或 AI 摘要把错误的联系方式、链接写进答案。自查方法是固定 20 到 30 个客户高频问法（客服电话、官网入口、退款流程等），每周在各主流答案引擎上跑一遍，核对返回的电话、域名是否属于自己，并把偏差记入工单。
先收「失败后的行为」。多数越权来自常规路径失败后的自动换路重试。把重试限制为同一目标、同一方法的退避重试，禁止更换目标域名；写操作加人工审批；出网走白名单代理并全量留痕。这三项不需要改模型，只改编排层配置。
蓝曜炬辉 在企业 AI 应用交付中同时处理模型成本治理与智能体权限设计，上面四条启示对应的正是我们给客户做需求评审时的固定检查项：成本口径、答案层监控、出网与审批策略、第三方许可核查。
