判断这件事，这一周从两个方向同时往前推了一步。一边是工具：一个全新的模型品类——不写文章、只回答类型化问题的小模型——在发布十三天后就有了“一行命令跑在本地”的运行时，判断开始像装一个软件那样简单。另一边是核对：AI 交出的硬结果开始被逐项复核，AI 用掉的权限与训练成本也开始随产物一起公开。周日的晨报，主线就是把这两件事放在一起看——它们指向同一个方向：AI 的产出，正在朝可验证、可复现、可装配的方向走。
第一部分｜今日 AI 观察：产出被复核，判断下沉到本地
过去一年，行业评估 AI 的默认问题是“它能不能做”；这一周的几个动作，把问题换成了“它做出来的东西，我们怎么核对”。核对分两层：结果层，检查它算出来对不对；过程层，检查它用什么权限、花了多少算力。两层本周各有一件足够具体的新闻。
九圈振幅：两条独立算法，两周人工核验
Anthropic 9 月 25 日公布，其模型在几乎没有人工干预的情况下连续运行数天，算出了平面 N=4 超对称规范理论中六粒子散射振幅的九圈结果，把这项计算此前的纪录从八圈推进到九圈。题目来自一位物理学作者公开提出的挑战：用普通研究者负担得起的算力，解决一道方法已知、只是此前没人算完的难题。
值得记下的不是这个纪录，而是验证方式。模型用两种互相独立的路径得到同一结果，一位长期研究该问题的物理学家又花了两周逐项核验，才确认无误。三道限定也要写清：这是一个高度理想化的理论模型，不描述真实世界；题目性质是计算，不是新原理；据公布口径，两种路径的合计花费在数千美元量级，其中纯计算部分约 100 美元，相当于 96 个 CPU 运行一周。[1][2][3]
这件事对企业的含义不在物理，而在于“重复计算”正在贬值。当一次需要资深专家与大量算力才能推进的计算，可以被两条独立路径自动跑完、成本降到数千美元量级，那么过去“因为太贵所以没人复核”的中间结论，就都有了被重算一遍的可能。稀缺的东西也跟着换了位置：不再是算力，而是“知道该算哪个问题、算完怎么判断它对不对”的人——这与同一周数学界的讨论是同一个方向，瓶颈从产出移到了判断。
权限与成本，开始随产物一起公开
同一周的两个动作方向一致：把过去的权限与成本信息，变成随产物一起发布、可以被固定与比对的清单。
Docker 在 9 月 24 日把沙箱套件规范的第三版以开源许可发布，并宣布将其交给中立基金会治理。一个套件就是一张普通的容器镜像：镜像的清单注解里写明它申请访问的主机、凭据、卷、端口与设备，镜像分层里装的是智能体与它的工具；固定镜像摘要，就等于把内容与权限一起固定下来。规范同时附了两套一致性测试，公告里的合作伙伴覆盖云、可观测性、安全与制品管理几类厂商。[4][5]
模型侧的方向也一样。小米在 9 月 22 日开源 MiMo-V2.6 系列：Pro 版总参数 1.02 万亿、单次激活约 420 亿，Flash 版总参数 3090 亿、激活约 150 亿，两版均为原生全模态、支持百万级上下文，采用宽松开源许可。更少见的是它同时公开了强化学习阶段的训练账单——据其公布口径，Pro 约 262 万美元、Flash 约 85 万美元，各自完成 30 步训练、累计约 75 万条轨迹、耗时不到六天，训练环境与代码一并发布。在第三方智能指数上，Pro 版录得 46.32 分，据该指数公开看板，这一分数在开源权重模型中居首。[6][7]
换一个说法：过去企业评估一个 AI 产物，能拿到的往往是宣传材料；现在开始能拿到三类可核对的东西——结果、权限、成本。这三样凑齐，采购与风控的对话才有材料。反过来看，愿意主动公开这三样的供应商，短期是把自己放在了更亮的地方，长期是在积累另一样东西：别人来复核时，不必再改写自己的说法。
快照
验证这件事，本周在数学界被从另一个角度讲了一遍。一篇刊在数学家陶哲轩博客上的客座文章提出：AI 快速产出证明与想法之后，数学研究的瓶颈从“想出证明”移到了“验证证明、并判断什么值得做”，所以需要培养更多的人来承担这部分工作；文章还举了一个例子——在一项 AI 设计的成果真正落地之前，必须有人能独立判断它是否安全。[8] 与之呼应的是国内的一条动态：通义团队的 Qwen3.8-Omni-Flash 本周开放体验，原生支持文本、图像、音频与视频输入，上下文窗口达到百万级，官方称音频输入成本较上一代大幅下降，并开源了配套的多模态插件。[9]
第二部分｜每日一个创意 AI 应用深度解析
Ollaya：判断模型的一键本地跑，一个品类用十三天走完四年路
先看它是什么
Ollaya 是一个 Apache-2.0 协议的开源工具，做的事情一句话可以说清：把“判断模型”变成像本地跑语言模型一样简单的体验。它是刻意的 Ollama 式设计——单个可执行文件、拉取与运行分开，只不过跑的不是会写文章的大模型，而是回答类型化问题的小模型：给一段文本或 JSON，它在一次前向计算里返回带校准概率的选择、评分或判断，毫秒级出结果，并且不生成任何文本。它的模型目录已收录七个决策模型，包括上周介绍过的开源复刻 kev、语义路由、自然语言推断与内容安全分类；从模型仓库拉取时带版本锁定与校验。另一个值得注意的细节是兼容性：Ollaya 实现了与那套托管接口兼容的形状，官方 SDK 改一个环境变量就能切过来用。[10][11][13]
十三天，一个品类的极速成年礼
把 Ollaya 放回时间线，能看到一个新品类罕见的长速。9 月 15 日，判断专用模型作为品类亮相；三天后，开源复刻出现，证明这套设计可以低成本再造；再过几天，可复现的基准上线，品类有了统一的记分牌；这个周末，Ollaya 把运行门槛降到了一行命令，本地推理延迟压到十毫秒量级，而对标的托管服务在两百毫秒上下。十三天，从发布到复刻到基准到工具化——参照容器技术从发布到人人可用的曲线，这个品类把四年的路走成了两周。[11][12]
驱动力不难理解：高频判断是企业流程里数量庞大、格式规整的一类负载，谁先把工具做顺手，谁就更容易定义这个品类的形状。这个长速也不难解释：语言模型生态用了四年建立“下载、运行、分发”的心智与基础设施，判断模型直接站在这套现成基建上——模型托管、使用习惯、分发思路，全部可以复用。新品类的长速取决于它复用了多少旧生态的存量，这一类几乎复用了全部。
接口兼容是另一个信号。那套托管接口至今闭源，但它的形状——类型化的问题进、带概率的判断出——正在通过兼容实现变成事实标准。技术史上常见的剧本是：定义标准的未必是先开源的一方，而是先被足够多开发者用起来的那一方；而当接口固化，上层应用就可以在不解锁的情况下更换底层引擎。对企业采购的含义很直接：现在按这套接口写的判断代码，未来可以在托管服务与本地部署之间迁移，供应商锁定的风险低了一档。把“接口开放性”写进评分项，比只比拼单次报价更能保护两三年后的自主权。
动手路径：把上周的判断题清单今天跑起来
上周说过，企业流程里一半以上的判断属于可拆的类型化形状。当时的建议是先整理清单，现在这条路径可以直接落地。第一步，装上工具、拉两个模型：一个管通用判断，一个管专门场景；第二步，从清单里挑三类高频判断，写成类型化问题——材料齐备性判断、供应商风险分级、条款存在性核对；第三步，用同一批历史样本让本地小模型与现有大模型各跑一遍，对比准确率、一致性与单次成本；第四步，把胜出的判断嵌进流程试点，记录一个月的真实负载与两套方案的分水岭在哪里。
第四步之前可以先算一笔账：假设一条判断走大模型要两千 token 的上下文与三秒延迟，一天五千次就是一千万 token 与四个多小时的累计等待；换成本地判断模型，同样的量级大约是一天的几十分钟电费与累计几十秒。这套动作的核心价值不在省钱——更关键的是稳定：同一个判断，毫秒级、同格式、可复现，流程设计可以建立在确定性而不是概率之上。还有一个容易被忽略的好处：判断留在本地，判断依据的数据也就留在了本地——供应商风险分级要读的合同摘要、材料齐备性要看的附件清单，都不必再发往外部服务，隐私与成本在同一个架构决策里一并解决。收尾补一个工程细节：给本地判断模型加一层缓存，相同输入直接返回上次结果——高频流程里重复判断的比例常常过半，这一层能把成本再砍掉一截。[13]
清醒剂
三点保留。其一，Ollaya 还在 Beta，模型目录的质量参差，各模型的校准质量需要用自己的数据验证——校准概率说的是模型对自己置信度的诚实，不等于答案本身正确；其二，判断模型只覆盖几种固定的问题形状，识别错形状硬塞进去，会得到自信的错误答案，上周的三问过滤仍然前置；其三，品类长速快也意味着动荡快，十三天走完四个阶段的环境里，具体工具的存活率没人能保证——好消息是接口标准在固化，换工具的迁移成本会越来越低。总体判断不变：判断专用件的方向已被生态确认，现在进入的只是哪一家实现活下来的阶段。对企业而言，这个阶段的正确姿势是接口上投入、实现上轻装——按标准接口写代码，用哪个引擎跑，让月度评测说话。
来源与说明
[1] Claude computes a nine-loop amplitude in N=4 super-Yang-Mills｜Anthropic 研究页｜2026-09-25 [2] Anthropic Says Claude Computed a Nine-Loop Particle Physics Amplitude｜Unite.AI｜2026-09-25 [3] Claude 攻克九圈散射振幅难题 刷新物理学纪录｜腾讯网转 IT 之家｜2026-09-27 [4] Docker Puts Agent Permission Slips Into Ordinary OCI Images｜Writeble｜2026-09-25 [5] Docker turns coding-agent sandboxes into movable cloud compute｜Beyond the News｜2026-09-26 [6] Xiaomi releases MiMo-V2.6 with MIT-licensed weights and disclosed RL training costs｜AI Market Watch｜2026-09-22 [7] Xiaomi Opens MiMo-V2.6. Its RL Run Cost $3.47 Million｜Robots Atlas｜2026-09-22 [8] Amit Sahai — we’re gonna need a lot more mathematicians｜AI/TLDR（客座文章刊于数学家博客）｜2026-09-24 [9] Qwen3.8-Omni-Flash——免费 100 万 Tokens 长音视频理解、视频问答等 Agentic 能力｜阿里云开发者社区｜2026-09-26 [10] Ollaya Is Ollama for Decision Models — A Local Runtime, Not a New Model｜ExplainX｜2026-09-26 [11] Ollaya: Run Jev-Style Decision Models Locally (Ollama-Like)｜Oflight｜2026-09-26 [12] Jev on Your Own Metal｜AI Beat｜2026-09-26 [13] Ollaya 源码仓库｜GitHub｜2026-09
检索截止：2026-09-27 12:40（北京时间）。九圈振幅一条为厂商研究页口径，计算对象是高度理想化的理论模型、并非真实世界的物理模型，两条路径的花费为公布口径；Docker 套件规范目前标注为实验性，终稿计划在 2026 年第四季度发布；小米一条的参数、成本、步数与指数分数分别来自厂商公布与第三方指数公开看板；Qwen3.8-Omni-Flash 的成本说法为官方公布口径、未获独立复核；客座文章观点以其原文为准；Ollaya 为 Beta 版开源工具，性能数字来自其官方与社区自述，质量差距为社区公开基准口径。