Cloudflare 在 birthday week 里给出的一个数字，比这周任何一项模型发布都更能说明眼下的变化：它自家的命令行工具 Wrangler，已有 48% 的调用来自智能体，不是来自人。于是该公司做了一件看起来很笨的事——重做命令行。新的 cf 通过名为 Forge 的接口生成管线，把可调用的操作从 Wrangler 的约 280 个扩到 3000 多个，默认输出 JSON 而不是给人看的表格，配置改成带类型的 cloudflare.config.ts，还加了一条 cf cli search，让智能体用一句自然语言找到要用的命令。工具没变聪明，是工具的读者换了。
同一周前后的另外几条消息指向同一件事。英伟达把智能体能碰什么的执行约束放到了模型和主机之外，跑在数据处理单元上；微软给常驻智能体发了身份、工作区、单独的计费口径和一块支出看板，Cohere 把跨会话记忆和 token 预算做成了平台自带的开关；GitHub 把代码评审的评分细则和裁判模型公开出来，让别人也能给自家产品打分；EPAM 开始把企业多年的业务流程整理成模型训练和评测用的环境；一批不生成文字、只输出是与非和概率的小模型，被五家公司做成了同一个品类。模型能力仍在往前走，但决定一个智能体实际上能干什么的，越来越不是模型本身，而是围在它外面那一层。
权限先被搬走：一道跑在芯片上的看门狗
英伟达 9 月 28 日公布的开放智能体安全平台分两层。软件这层叫 OpenShell，3 月首发、现已广泛可用，Apache 2.0 许可：它把每个智能体放进带内核级隔离的受控环境，由运营者规定这个智能体能访问哪些文件、程序、网络和凭据，运行中持续记录动作并执行策略，另有一套形式化验证工具检查这些权限组合起来会不会形成不该有的通路。硬件这层叫 Sentry，是跑在 BlueField-4 数据处理单元上的带外看门狗，独立于主机运行，可在毫秒级把超出授权范围的智能体隔离开。
这套设计针对的不是某个具体缺陷，而是英伟达给智能体失败模式起的名字——漂移，指动作逐步偏离原本的任务或约束。平台的判断很直接：安全不能交给智能体自己执行，控制点必须往栈的下层挪。已有 100 多家机构加入，包括 Anthropic、Intel、Arm 与 Cursor；OpenAI、谷歌、苹果和亚马逊不在公开名单上，OpenAI 称双方在 OpenShell 的基础软件层有私下合作。边界要留意：Sentry 仍是参考设计、硬件可选，多智能体协作下的检查能力还在开发。
微软同期发布的 2026 数字防御报告给出了企业侧的另一半图景。报告把智能体的身份、权限、智能体之间的认证、归属与能否吊销，与提示词注入、记忆和模型本身的安全并列为需要一并治理的项，并强调最小权限、短期凭据、审批闸口和吊销路径在智能体时代更重要了。两个百分比是调研结果而非实测：88% 的企业已在试验智能体，82% 的管理者预计 12 到 18 个月内扩大部署；到 2028 年投入运行的智能体约 13 亿个，这是业内预测。
判定也被搬走：决策模型长成了一个品类
TypeSafe AI 创始人 Diogo Almeida 曾参与 ChatGPT 研发，2024 年从 OpenAI 离职。他 9 月 15 日发布的 Jev 不写文字：把输入归到一组预先定好的输出里，回答是或否、给出一个数值评分、或者从既定列表里选一项。据其自述，日处理 token 达到 1 万亿，约 25% 的财富 500 强企业正在使用；公司此前从 DCVC 拿到 4000 万美元，新一轮融资由 The Information 报道，公司不予置评。jev-1.13.0 定价是每百万输入 token 0.042 美元，输出不收费。
半个月里，同一条路线上挤进了五家。Cloudflare 10 月 1 日开源 Clef 与 Clef-flash，用冻结的 Qwen 主干加一个小的联合 schema 头，一次请求可带 1 到 64 个问题，返回每个选项的概率而不是文字，中位延迟 209.3 与 38.8 毫秒，每百万输入 0.24 与 0.09 美元。AWS 同日开源的 Strands Decider 2B 只有 20 亿参数，用于路由判定；Perplexity 的 pplx-decider 每百万输入 0.04 美元；OpenAI 在 DevDay 上把 Decisions API 放进有限预览，标准价每百万 0.10 输入、0.50 输出。上一代聊天模型按字数计费，这一批按判断计费，成本量级差了一到两个数量级，代价是它们只答被问到的那几个问题。
验收被搬走：GitHub 把评审的尺子公开出来
10 月 5 日，GitHub 以公开研究预览的形式放出 ReviewBench，用来给 AI 代码评审智能体打分。测试集是 219 个公开拉取请求，来自 187 个开源仓库、覆盖 19 种语言；语料分布按 1.039 亿个真实拉取请求建模，只有一处人为调整：把规模权重往可评审的中段和长尾挪——改动超过 1000 行的有 78 个，50 行以内的只有 17 个。标准答案来自四个源头：真实评审者、从作者后续提交反推的问题、确定性分析工具和多个模型家族；重复指向同一问题的会做语义去重，再按公开评分细则判定。
它把指标分成了两组。grounded 一组只对着已知标签算查准与查全，回答的是已知标签里的问题找出多少、报出的问题有多少对得上；augmented 一组还要给不在标准答案里的发现单独判一次，让平台自己没预料到的有效问题也能得分，两组分母不同，grounded 留作横向比较、augmented 只作单个系统的诊断。评分员是 Claude Sonnet 5，评分细则和裁判都公开；未参与建设的资深工程师独立重标一遍，与基准判定一致的比例是 96.6%。GitHub 称用它测 Copilot 代码评审时，离线变化的方向与后续线上实验一致，并给出处理率、查全与单次评审成本的变化幅度，属厂商自报口径；别的团队能否复现同样的一致性，才是这套基准接下来要接受的检验。
同一天，EPAM 发布了一项面向前沿模型厂商的新服务，把自己多年做企业软件和业务流程的经验，整理成训练数据、评测集和强化学习环境。它模拟真实企业系统：多轮业务、工具调用和失败反馈在虚拟环境里先跑一遍，再用于模型训练和压力测试。这对企业的含义在这一层——过去企业认为自己的流程知识主要是实施经验，到了智能体时代，同样的东西开始变成模型训练所需要的「环境」，而环境可以单独计价、单独交付。EPAM 同时引用了 Gartner 的一份预测，称到 2028 年提供模拟环境的智能体平台将从今年不到四分之一升至 99%；这是市场预测，不是它自身服务效果的证据。[28][29]
身份、记忆与账单被搬走：给常驻智能体发工牌，也给它上预算
微软在 10 月把 Copilot 重做成三块：Home 合并了问答与长任务，Code 让非工程人员用自然语言做出小工具和内部应用，Autopilot 是常驻智能体。Autopilot 值得单独看，它在组织租户内拥有自己的身份、记忆、电脑和工作区，由使用者给它起名字、定角色和目标，之后在 Teams、Outlook、频道和文档之间持续工作，同时受权限、审计和组织策略约束。配套的两件事把外部约束落到了钱和组织上：计费切成两层，订阅覆盖常规使用，Cowork、Code 和 Autopilot 这类长任务走按量的 Copilot Credits，管理台内置支出看板；插件收进统一注册表，由管理员集中审批。把智能体当成有工牌、有额度、有审批链的成员来管，比在提示词里写一句“请谨慎行事”可靠得多——前者能被审计。
Cohere 同日发布的 North 2 从另一头补同一处。它把跨会话记忆、组织级共享知识库、可复用的技能与智能体，同用户、部门、模型三级的 token 额度与速率限制绑在一起：管理台能看到某个智能体花了多少 token，并在预算失控之前限制它继续执行；平台对模型不做绑定，客户可以继续用已经在用的模型，部署可选云端、私有云或完全离线的环境。[26][27] Cohere 没有为这次更新给出性能基准，效果无从判断；能确认的变化是，一旦智能体从偶尔使用变成长期运行，「记得什么」和「最多允许花多少钱」就会变成和选哪个模型同等重要的参数。
依赖与驻留：模型由谁提供，在哪里跑
The Information 10 月 5 日报道，微软和 Meta 正在大幅压缩内部对 Claude 的使用。微软原本预计今年在这项技术上的内部支出至少 10 亿美元，要求员工改用自家工具后，这个预期被砍掉三分之一以上；Meta 的 Claude Code 使用者从约 6 万人降到约 3 万人，主因是自研工具接上了。收缩只发生在内部工位：通过微软企业平台与云市场对外提供 Claude 的部分仍在增长。[15][16]
同一天，Anthropic 在另一端加了一层。通过亚马逊云科技的印度区域端点，Claude Opus 5、Sonnet 5 与 Haiku 4.5 的请求可以在印度境内服务器上处理，并附带审计轨迹与访问控制，解决的是数据驻留——当地银行、保险等受监管行业此前因此把大量工作停在试点阶段。首批试用者包括信实工业、Kotak 银行、NPCI、Mahindra 集团等，塔塔咨询服务正向 5 万名员工铺开。把推理放到境内不等于治理问题解决了：模型能读什么、权限怎么分、动作怎么审计、哪里必须有人确认，仍要企业自己回答。[17][18]
知识搬出去之后的代价：技能包成了新的入口
英伟达 10 月 1 日在开发者博客发布 DOCA 智能体技能包，放在 GitHub 的 NVIDIA/skills 仓库，覆盖 Flow、GPUNetIO、PCC、RDMA 等库。每个技能的核心是一个 SKILL.md，里面不是文档摘要，而是真实的接口签名、硬件能力清单、构建约束，以及常见失败模式和规避办法。官方用 65 条真实开发提示做对比，按必答清单评分：不装技能时只满足 19% 的检查项，装上后是 100%，失败集中在接口与参数误用、未校验硬件能力和工具路由错误。涉及固件写入的动作，官方仍要求保留人工审批。这些全部是厂商自评，题目和评分表也由厂商提供。同一时期英伟达还开源了 391 个签名技能，Apache 2.0，可直接装进 Claude Code、Codex 和 Cursor。[1][19]
这条路一旦走通，技能包就成了新的交付单位，也成了新的入口。英伟达自己开源了 SkillSpector，在装之前扫描智能体技能，覆盖 17 类共 71 种模式，用静态分析、语法树解析、污点跟踪和依赖缺陷库比对，另可选一层语义检查，给出 0 到 100 的风险分。多家机构对公开技能市场的审计给出的比例都不低：Snyk 2 月扫描 3984 个技能，36.82% 存在安全问题、13.4% 属严重级；另一项覆盖三万多个技能的研究里，四分之一以上至少存在一处安全问题，打包了可执行脚本的更容易出问题。治理办法因此和软件包管理越来越像：内部镜像、入库扫描、版本与内容哈希锁定、人工复核，以及一条能把某个技能从所有智能体身上摘掉的吊销路径。[20][21]
另外三则
谷歌 10 月 1 日暂停了开源软件缺陷悬赏计划，理由原话是“自动提交显著增加，其中绝大多数无效”，下次更新要到 2027 年第一季度。发现缺陷的成本被压到接近零之后，卡住整条链路的是人的分诊能力。[22]
Cloudflare 同一周上线了 Artifacts 公测，一套兼容 Git 语义的存储层，可为每个智能体任务开一个仓库。DigitalOcean 把智能体运行所需的算力、推理、存储和工具调用打包成月度套餐，Pro 每月 50 美元、Team 每月 200 美元；柏林的 Restate 拿到 2000 万美元 A 轮，做的是持久化执行引擎——网络中断、超时、机器崩溃之后，长时间运行的智能体调用还能接着走。这类基础设施不上发布会，却是常驻智能体能不能真正交接工作的前提。[24][25]
来源与说明
[1]: Build Applications on NVIDIA BlueField Faster with NVIDIA DOCA Agent Skills —— NVIDIA 开发者博客 / 2026-10-01 (https://developer.nvidia.com/blog/build-applications-on-nvidia-bluefield-faster-with-nvidia-doca-agent-skills/) [2]: NVIDIA launches Open Agent Safety Platform with hardware-level monitoring and runtime controls —— Data Studios / 2026-10-05 (https://www.datastudios.org/post/nvidia-open-agent-safety-platform-hardware-monitoring-runtime-controls-ai-agents) [3]: NVIDIA Launches Open Agent Safety Platform for AI Agents —— GenZ NewZ / 2026-10-05 (https://genznewz.com/nvidia-launches-open-agent-safety-platform-for-ai-agents) [4]: AI agents widen the enterprise attack surface —— Techopia（评微软 2026 数字防御报告）/ 2026-10-05 (https://techopia.co.uk/ai-agents-widen-the-enterprise-attack-surface) [5]: Microsoft Reveals How Quickly AI Is Weaponising Vulnerabilities —— Cybersecurity Now / 2026-10-05 (https://www.cybersecurity-now.co.uk/article/338821/microsoft-reveals-how-quickly-ai-is-weaponising-vulnerabilities) [6]: TypeSafe称Jev日处理量破万亿Token —— IT时代网（转述外媒报道与 The Information）/ 2026-10-05 (https://www.163.com/dy/article/L8FE90NU05527PMU.html) [7]: New AI Models Released in October 2026: Prices —— Capital & Compute / 2026-10-04 (https://capitalandcompute.net/blog/new-ai-models-october-2026) [8]: Cloudflare Clef (Clef & Clef-flash) —— innFactory 模型页（依据 Cloudflare 官方博客与模型卡）/ 2026-10-02 (https://innfactory.ai/en/ai-models/cloudflare-clef) [9]: Everything we launched during Birthday Week 2026 —— Cloudflare 官方博客 / 2026-10-03 (https://blog.cloudflare.com/birthday-week-2026-wrap-up/) [10]: ReviewBench: An open benchmark for AI code review —— GitHub 官方博客 / 2026-10-05 (https://github.blog/news-insights/research/reviewbench-an-open-benchmark-for-ai-code-review/) [11]: GitHub Releases ReviewBench to Compare What AI Code Reviewers Catch and Miss —— Superpower Daily / 2026-10-05 (https://superpowerdaily.com/posts/github-releases-reviewbench-to-compare-what-ai-code-reviewers-catch-and-miss) [12]: GitHub releases ReviewBench, an open benchmark for evaluating AI code review agents —— LavX News / 2026-10-05 (https://news.lavx.hu/article/github-releases-reviewbench-an-open-benchmark-for-evaluating-ai-code-review-agents) [13]: Microsoft overhauls Copilot into an autonomous ‘Business Operating System’ —— Tech News Hub / 2026-10-05 (https://www.technewshub.com/post/microsoft-overhauls-copilot-into-an-autonomous-business-operating-system) [14]: The new Copilot: Home, Code, Autopilot and what’s changing —— The Inform Team / 2026-10-05 (https://www.theinformteam.com/blog/new-microsoft-365-copilot-home-code-autopilot) [15]: Meta, Microsoft Scale Back Staff Use of Anthropic’s Claude —— AI Weekly（转述 The Information）/ 2026-10-05 (https://aiweekly.co/alerts/the-information-meta-halved-internal-claude-code-users-to-30k-as-meta-and) [16]: Meta and Microsoft Cut Internal Claude AI Use —— EconoTimes / 2026-10-05 (https://econotimes.com/Meta-and-Microsoft-Cut-Internal-Claude-AI-Use-1753995) [17]: Anthropic Brings Claude Inference to India Through Amazon Bedrock —— CIOL / 2026-10-05 (https://www.ciol.com/news/anthropic-brings-claude-inference-to-india-through-amazon-bedrock-12624247) [18]: Claude requests will now run on Indian servers, Anthropic says —— Pivot News / 2026-10-05 (https://pivotnews.ai/five/claude-requests-will-now-run-on-indian-servers-anthropic) [19]: NVIDIA open-sources 391 signed agent skills for Claude Code, Codex and Cursor under Apache 2.0 —— AGI Hunt / 2026-10-05 (https://agihunt.info/en/p/1a10aa50019eb6869d4818bef0a) [20]: NVIDIA Open-Sources SkillSpector to Scan AI Agent Skills for Security Threats —— The Agent Times / 2026-10-05 (https://theagenttimes.com/agents/article/nvidia-open-sources-skillspector-to-scan-ai-agent-skills-for-dcc3f2e5) [21]: Before You Install That AI Skill, Run This Checklist —— The AI Hat（汇总 Snyk ToxicSkills 与 Yi Liu 等研究）/ 2026-10-05 (https://theaihat.com/ai-skill-security-checklist) [22]: Google froze its open source bug bounty program due to a ‘significant rise’ in AI submissions —— TechCrunch / 2026-10-04 (https://techcrunch.com/2026/10/04/google-froze-its-open-source-bug-bounty-program-due-to-a-significant-rise-in-ai-submissions) [23]: Cloudflare Debuts cf Agentic CLI with Expanded API Coverage for AI Workflows —— The Next Gen Tech Insider / 2026-10-05 (https://thenextgentechinsider.com/pulse/cloudflare-debuts-cf-agentic-cli-with-expanded-api-coverage-for-ai-workflows) [24]: Cloudflare Debuts Artifacts Open Beta for AI Agent-Native Git Workflows —— The Next Gen Tech Insider / 2026-10-05 (https://www.thenextgentechinsider.com/pulse/cloudflare-debuts-artifacts-open-beta-for-ai-agent-native-git-workflows) [25]: AI Brief 2026-10-05（含 DigitalOcean Agent Droplets 与 Restate 融资）—— AI Breaking Wire / 2026-10-05 (https://aibreakingwire.com/news/ai-brief-2026-10-05) [26]: Cohere’s North 2 puts AI agents on a budget and gives them a memory —— LavX News / 2026-10-05 (https://news.lavx.hu/article/cohere-s-north-2-puts-ai-agents-on-a-budget-and-gives-them-a-memory) [27]: Cohere North 2: Enterprise AI Agent Platform Adds Memory, Token Budgets and Air-Gapped Deployment —— CrazycodersLab / 2026-10-05 (https://crazycoderslab.com/cohere-north-2-enterprise-ai-agent-platform-2026) [28]: EPAM Unveils New Frontier AI Service, Bridging the Enterprise Intelligence Gap for GenAI and Autonomous Agents —— EPAM 官方新闻稿 / 2026-10-05 (https://www.epam.com/about/newsroom/press-releases/2026/epam-unveils-new-frontier-ai-service-bridging-the-enterprise-intelligence-gap-for-genai-and-autonomous-agents) [29]: EPAM Launches AI Training and Simulation Service for Complex Enterprise Work —— Superpower Daily / 2026-10-05 (https://superpowerdaily.com/posts/epam-launches-ai-training-and-simulation-service-for-complex-enterprise-work)
说明：英伟达开放智能体安全平台的 100 余家参与方、Sentry 的毫秒级隔离与带外设计、形式化验证工具与多智能体检查仍在开发，均出自英伟达官方说明与两篇独立整理，Sentry 目前为参考设计、硬件可选这一点一并写明。微软 2026 数字防御报告的 88% 与 82% 为调研结果，2028 年约 13 亿个智能体为业内预测，均为企业自陈口径，本报告未独立复核。Jev 的 1 万亿 token、约 25% 的财富 500 强使用比例与定价由 TypeSafe 自述，融资与估值来自 The Information，公司不予置评；Clef 的中位延迟与价格出自 Cloudflare 官方博客与模型卡，Strands Decider 2B、pplx-decider、Decisions API 的价格取自各提供方定价页的汇总核对。ReviewBench 的 219 个拉取请求、1.039 亿样本建模、96.6% 一致率与两组指标定义出自 GitHub 官方博文，离线与线上方向一致及具体改善幅度为 GitHub 自报，未见第三方复现。EPAM 的 Frontier AI 为其官方新闻稿口径，文中所引 Gartner 预测是市场预测、不构成其服务效果的证据，其列出的合作方为既有关系、非本次新签。Cohere North 2 的记忆与预算机制出自厂商发布与两篇独立整理，Cohere 未为此次平台更新提供性能基准，故文中未给效果结论。DOCA 技能包的 65 条评测、19% 与 100% 均为英伟达自评，题目与评分表由厂商提供；技能市场审计的两个比例分别出自 Snyk 2026 年 2 月的 ToxicSkills 与一项针对 31132 个技能的研究，统计口径不同，不能直接比较。Wrangler 的 48% 智能体调用比例出自 Cloudflare 官方发布说明。本期未采用涉及公共部门协议、跨境监管博弈、可被照做的破坏过程与具体安全事故的若干候选线索。