9.9 - 9.15 · DeepSeek V4.1-Flash 开源超 GPT-6 Astra，蚂蚁视觉模型超 GPT-5.4，OpenAI Agents API 公测，阶跃五款语音模型多榜登顶

🔥 趋势观察：开源井喷 + Agent 基建成熟

本周三条同方向信号叠加。第一，国内开源高质量模型连续两周井喷：DeepSeek V4.1-Flash 凭全新 Causal Encoder-Decoder 架构在 Deep Suite 1.1 榜首 74.2 分反超 GPT-6 Astra，蚂蚁 Ling-3.0-flash-VL 视觉反馈闭环在 Image-to-WebDev 超 GPT-5.4，叠加书生-S2 在科学长程任务比肩闭源——开源不再只是"够用"，开始反超闭源旗舰。第二，Agent 编排基建从demo走向工程化：OpenAI Agents API 公测提供 48 小时 durable sessions + 沙箱 + 子代理，Mistral 同步开源 La Plateforme Agents 可自托管，Claude Code 把网络授权从会话级收窄到单条命令，Copilot 给自动选模型装上三档成本旋钮——权限和成本两个旋钮同时上线，企业内网放行的前提正在补齐。第三，语音赛道登顶：阶跃 StepAudio 3 Realtime 98.9% 综合分全球第一，ASR 词错率 1.7% 并列第一，把"听清楚+说自然+会推理"压在一套模型里。

🎯 新品首发

📌 DeepSeek V4.1-Flash（9.10）

552B 参数 MoE，激活 8B（输入）/16B（输出），1M 上下文，KV 缓存占用降 75%。抛弃旧架构，改用全新 Causal Encoder-Decoder + CSA-2 attention + sliding window attention。V4-Pro 请求自动路由迁移到此，按新价计费。

为什么值得关注：在 Deep Suite 1.1 榜单 74.2 分，反超同周发布的 GPT-6 Astra。一个"点版本"换了整套架构，开源旗舰首次在综合榜反超闭源旗舰。

👀 适合：长上下文+低成本推理的开发者、自部署团队

📌 蚂蚁 Ling-3.0-flash-VL（9.9）

124B 总参/5.5B 激活 MoE，原生多模态（图/文/视频），256K 上下文。核心是视觉反馈闭环：观察→行动→验证→修正，把 Agent 任务从一次性"生成"改成持续校验的闭环。MIT 许可，BF16+FP8 权重开源。

为什么值得关注：Artificial Analysis Intelligence Index v4.1.1 得 42 分，反超纯文本版 Ling-3.0-flash 4 分——多模态联合训练反而拉升了文本智能，验证了"视觉反哺文本"的路线。Image-to-WebDev Arena 超过 GPT-5.4。

👀 适合：GUI 自动化、前端开发、医疗报告解读

📌 OpenAI Agents API（公测，9.10）

托管 Codex 衍生 harness，durable sessions 最长 48 小时带状态 checkpoint，支持 MCP/custom/built-in tools、parallel subagents、context compaction。沙箱可选 OpenAI 托管或客户自选环境，JavaScript/Python/TypeScript SDK 齐备。

为什么值得关注：把长程 Agent 工作流从"自己拼"变成"调 API"。会话持久化+工具版本化+沙箱隔离三件套，企业内网部署的前提正在补齐，不再需要从零搭 LangGraph。

👀 适合：企业级 Agent 部署、长程自动化工作流

📌 阶跃星辰 StepAudio 3 系列（9.15）

一次性五款：Realtime（实时对话）/ASR（识别）/TTS（合成）/Gen（音频生成）/Music（音乐创作）。Realtime 支持原生全双工、推理与语音生成并行、工具调用异步不打断对话。五款均已上线阶跃星辰开放平台。

为什么值得关注：Realtime 在 Artificial Analysis Conversational Dynamics 98.9% 综合分全球第一，Speech Reasoning 99.7% 第一；ASR 词错率 1.7% 并列第一。把"听清楚+说自然+会推理"压在一套模型里，不再需要拼 ASR+LLM+TTS 三段式。

👀 适合：语音客服、实时交互、内容创作

🔄 重磅更新

📌 xAI Grok 4.7（9.12）

参数规模 2.1 万亿，较 Grok 4.6（1.5 万亿）增长约 40%。马斯克对外称性能与效率将全面超越市面所有同类产品，参数规模追平 GPT-6 Astra 与 Google 前沿。

为什么值得关注：在 Scaling Law 是否见顶的争论里，xAI 用 40% 的参数增量给了明确答案——还没见顶。同期 OpenAI/Anthropic CEO 在喊"减速"，xAI 在加码，行业路线分化加剧。

👀 适合：xAI 生态用户、关注超大模型的研究者

📌 Anthropic Claude Code 2.1.271（9.14）

网络授权从"整个会话"收窄到"单条命令"逐条审核——批准过一次 curl，不会顺带放开下一条命令。给 Bash/PowerShell/Monitor 加 allowed_domains，自定义子代理新增 omitClaudeMd 标记，Remote 会话支持 fast mode。

为什么值得关注：同步修掉一批 Bash 权限解析漏洞（fmt/column 命令读文件绕过检查、通配符展开跳过、shell 变量声明掩盖真实命令）。权限切得越细越容易被安全团队接受，这是编码 Agent 走进企业内网的前提。

👀 适合：Claude Code 用户、企业安全合规团队

📌 Moonshot Kimi K2.8 Preview（9.14）

全量上线 Kimi Code 和 Kimi Work，官方称综合性能接近旗舰 Kimi K3，Coding 与 Agent 能力提升，支持 1M 上下文——且所有会员档位均可用。

为什么值得关注：把旗舰能力下放到所有付费档，配合此前 K3 推动的 ARR 从 6 月 3 亿美元涨到 8 月破 10 亿美元，Kimi 在用"低价旗舰化"抢占开发者心智。1M 上下文全档开放是这一轮的硬筹码。

👀 适合：Kimi 订阅用户、长上下文编码场景

🛠️ 开发者利器

📌 Mistral La Plateforme Agents（开源）

agent 编排平台开源，内置 MCP 与多模型动态路由，可自托管接入自有数据。被定位为欧洲阵营对 OpenAI Agent Plugins 标准的回应。同期 Mistral 完成 30 亿欧元融资，估值约 210 亿欧元。

为什么值得关注：欧洲主权的 Agent 编排栈开源了。对于需要数据驻留本地、不能走美云的企业，这是 OpenAI Agents API 之外的合规备选，自托管路线对监管敏感行业更友好。

👀 适合：欧洲企业、自托管 Agent 需求、合规敏感行业

📌 GitHub Copilot Auto-model 三档（9.14）

给"自动选模型"装上三个可配置档位：Efficiency（低成本，快速简单任务）/Balance（成本/质量/延迟折中）/Intelligence（复杂任务优先质量）。三档共用同一模型池，auto 模式逐条请求评估——即便选了 Intelligence，简单请求仍可能路由到小模型。

为什么值得关注：把成本决策交还给使用者，比"一刀切用旗舰"更贴近真实账单。VS Code、Copilot CLI、Copilot 应用三端同步推送，企业可以按团队/任务分级配置。

👀 适合：成本敏感的开发团队、Copilot 企业版管理员

📌 上海 AI Lab 书生-S2（9.15，开源）

开源基础大模型，通用能力居开源第一梯队。架构亮点是 Memory Decoder——引入可插拔专业记忆模块，兼顾领域扩展与通用能力，强化长程推理与智能体执行。

为什么值得关注：在生物、材料、化学及 IMO-Proof/AdvancedMathBench 等科学长程任务上比肩顶尖闭源。Memory Decoder 路线不同于 MoE——用"专业记忆模块"做领域扩展，为科研机构提供了一条新的微调骨架。

👀 适合：科研机构、垂直领域微调、科学计算场景

💬 DeepSeek V4.1-Flash 开源反超 GPT-6 Astra、蚂蚁视觉模型反超 GPT-5.4——开源旗舰开始反超闭源旗舰，你会把生产环境的主力模型切到开源吗？还是说 token 价格之外，还有哪些因素让你继续留在闭源生态？欢迎在评论区聊聊你的判断。