正在加载，请稍候
豆包工作把 Kimi、GLM、DeepSeek 装进企业模型菜单并按 AI 点数结算；美司法部就英伟达 129.3 亿美元收购 Hugging Face 展开问询；阿里云荷兰地域开服；超衍开源 Apex-35B；FuriosaAI 拿 6.2 亿美元 D 轮。
今天值得记的五件事：豆包工作把 Kimi、GLM、DeepSeek 装进企业模型菜单，按 AI 点数统一结算；美国司法部就英伟达 129.3 亿美元收购 Hugging Face 展开反垄断问询；阿里云首个荷兰公共云地域开服；超衍智能开源 350 亿参数 Apex-35B-V1.0；韩国 FuriosaAI 完成 6.2 亿美元 D 轮。五件事指向同一个方向——企业的模型供给，正在从单一供应商变成可编排的混合供给。
10 月 29 日下午，豆包工作面向团队订阅版与企业订阅版客户开放三方大模型配置，首批接入 Kimi 3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash。功能默认开启，企业不需单独向模型厂商采购或另行申请，用量直接从已有 AI 点数里扣减。
当天 15:41 起多家媒体转述官方口径，16:49 界面新闻、16:56 科技日报先后成稿；权限可按成员、部门、群组或全员灰度，生效范围能细到"仅工作电脑端"。
选型逻辑因此变了。过去"选一家模型"本质是押注，现在企业该做的是一层模型路由：客服 Agent 用低价快速模型做意图识别，复杂工单转强推理模型，账单在同一个点数池里结，财务不必为三家厂商各开一份合同。给 IT 负责人的动作清单是——先在管理后台按部门与群组划定模型生效范围，把涉及客户数据的场景锁在电脑端与飞书内，再逐步放开移动端；同时为每次模型切换留一条评测基线，避免"能切、但切完不知道差多少"。这套多模型编排加权限分级，是 AIcoding 全栈开发里最该先落地的一层，也是软件定制开发中最容易返工的一层：初始没做抽象，后面换模型就得改业务代码。
美国司法部正就英伟达以 129.3 亿美元收购 Hugging Face 是否削弱竞争展开问询。该交易于 9 月 10 日由英伟达官方宣布，预计 2027 年上半年完成交割；问询消息于北京时间 10 月 29 日凌晨由路透社系媒体率先发出。
官方公告口径的交易对价是 12,930,300,000 美元；被收购方平台上有 1800 万开发者、300 万模型、50 万数据集、约 20 万家企业客户在用。
开源社区的中立性，其实是企业模型供应链的隐性依赖。国内团队多数把权重分发、镜像与数据集挂在同一个上游，一旦平台归属变化，许可条款、访问速度、地区可用性都可能被重写。这类上游风险早有先例，平台侧安全事件也反复提醒同一件事：依赖单点，出问题的成本由业务承担。建议现在就做三件事：模型资产双源备份（自建对象存储 + 国内镜像）、把推理层抽象成可替换接口、在客户合同里写明权重来源变更时的替换与验收义务。这不是远虑——做私有化部署时，模型来源往往是要写进合同附件的。
阿里云 10 月 29 日宣布其首个荷兰公共云地域正式开服。官方博客的说法是，该地域面向荷兰及周边市场客户就近交付计算、存储与 AI 能力，属于其欧洲基础设施扩张的一步。
当天 17:34 起国内财经媒体跟进报道；这是阿里云在荷兰的第一个公共云地域。
对出海企业，地域不只是延迟问题，还是数据驻留与合同问题。做欧洲客户的 AI 应用时，推理与知识库落在哪个地域，直接决定客户能不能过自己的合规审查。实操建议：把"推理地域"当作架构参数而不是部署细节——同一套 AI 应用要能在两个地域跑、配置项切换；日志与向量库的副本策略在设计阶段就定好，别等客户审计才补。这块工作量在全栈开发里最常被低估，也最容易在下一次合规问询时暴露。
10 月 28 日晚间，北京超衍智能发布并开源首款模型 Apex-35B-V1.0：总参数 350 亿、激活 30 亿，上下文 26.2 万 token，权重以 Apache 2.0 开放，并公布了技术报告与一键运行手册。
官方发布页给出的对照分数是 PaperBench 60.9（GLM-5.3 为 42.5）、FrontierScience 40.0（对照 30.7）、BFCL V4 84.0；据 10 月 29 日报道，公司截至今年 9 月累计融资近 4 亿元。
RSI（可自我改进）这条线的实际含义是：数据生产从"人工标注"转向"模型生成加筛选"。对中型团队可迁移的经验是——把评测集当资产。你不需要复现 RSI，但可以立刻做一件事：为自家业务场景建 100 至 300 条固定评测样本，任何模型换版、提示词改动都跑一遍。这样当开源模型降价或新版本出现时，你能在一天内判断值不值得换。我们常说的"AIcoding 把工期缩短一半"，前提正是这种可自动化的验证基线；没有基线，Agent 系统的迭代只能靠人肉试错。
韩国 AI 芯片公司 FuriosaAI 宣布完成 6.2 亿美元 D 轮融资，官方新闻稿时间为 10 月 28 日；韩国媒体报道本轮规模为 8200 亿韩元，投后估值 3.8 万亿韩元。
6.2 亿美元这一量级，接近国内一家中型 SaaS 公司的全年营收；10 月 29 日韩国主流财经媒体集体跟进。
推理成本是 Agent 规模化的天花板。专用 NPU 的意义不在跑分，而在把"每千次调用多少钱"压下来。给企业的判断标准是：当每月 token 账单已经超过运维人力成本，就该把推理后端当作可替换组件来设计——推理框架与加速卡接口对齐、权重可迁移、降级策略可验证。这件事通常不会出现在软件定制开发的报价单上，但它决定了三年后的毛利。
把五条新闻放在一起看，主线只有一条：模型供给从"单一来源"变成"多来源可编排"。豆包工作把三家外部模型放进菜单，等于产品层面承认企业不会只用一家；英伟达收购 Hugging Face 被反垄断问询，提醒开源上游存在治理风险；阿里云在荷兰加一个地域，是供给在地理维度上的复制；Apex-35B 与 FuriosaAI 则分别在"数据生产"和"单位推理成本"上做减法。
对中国企业的技术负责人，这意味着三件事要提前做。第一是模型抽象层：把"调哪个模型"从业务代码里抽出来，否则每换一次模型就是一次小重构。第二是评测基线：让换模型变成可验证的回归，而不是凭感觉赌博。第三是成本口径：点数、token、席位三种计费方式要折算到同一条曲线上，否则预算表和实际账单永远差一截。
我们做 AIcoding 全栈开发时，这三件事通常排在项目前两周——App、Web、小程序、桌面端接同一套模型网关，Agent 的权限、日志与降级策略也在这一层定。晚做的代价是返工，早做的收益是：当下一次模型降价或新模型开源时，你的团队可以在一天内完成切换与验证。模型越便宜、越多，架构的抽象能力就越值钱。
如果你正在评估"多模型可切换"的架构，或者想把 Agent 从 PoC 推到生产，我们提供 30 分钟免费咨询与 AIcoding 转型评估：先看现有系统的模型调用链路，再给一份带排期与成本口径的方案。访问 /contact 预约。