模型层还在比谁更强，栈下面已经换了战场：开源推理框架、开放芯片架构、检索 API 和机器支付同时被商品化，AI 正从模型竞赛滑向基础设施竞赛。
Mistral 发布 Mistral Large 4 公开预览版，称其为代号 le Chonk 的 1 万亿参数原生多模态模型，每 token 激活 520 亿参数，权重将于本月底放出。模型从零训练于 Mistral 自有欧洲数据中心的 3,800 块 NVIDIA Grace Blackwell GPU，公开预览同样跑在这套基础设施上。官方称其在编码、智能体工作流与多模态理解上已可比肩全球最强开源模型，并在网络安全、金融与法律等企业关键负载上达到开源模型最佳水平，视觉定位能力甚至超过部分闭源前沿模型。发布前 Mistral 已联合网络安全负责人、合作伙伴与国家机构进行红队测试，模型训练数据涵盖 160 多种语言。
欧洲主权算力第一次拿出万亿级底牌，权重晚放是留后手不是能力不足。
Mistral 与 NVIDIA 宣布合作，把 Mistral Large 4 与 Mistral 的物理 AI 能力同 NVIDIA 的 CUDA-X、Warp 软件库及 Omniverse 三维仿真结合，目标是把设计、仿真与 AI 训练连成一条连续工作流，面向航空航天、汽车与半导体等行业。双方还将发布公开基准与开放数据集，用于测试和比较物理模型以及能与工程软件协同工作的 AI 智能体。两家公司此前共同打造过 Mistral NeMo，目前正作为 Nemotron 联盟的一部分推进一个开放基础模型。Mistral 计划到 2030 年把算力规模扩至 1 吉瓦。
大模型往物理世界走的第一步，选的是仿真而不是真机。
腾讯云宣布元宝搜索面向外部开发者与企业提供服务，为大模型和 AI 智能体检索网页与专业资料，提供 API、MCP 与 Skill 三种接入方式，每月赠送 2000 次免费调用额度。腾讯称已建立千亿级索引，日均调用量达数亿次，支撑 WorkBuddy、ima、腾讯视频等 50 多个内部业务。专业内容侧接入金融、医疗、法律、出行等 13 个行业的 157 个权威信源，新闻、政策、天气与行情信息支持分钟级更新。开发者可按关键词取回标题、摘要与来源链接等字段，再交由模型处理。
国内 Agent 生态缺的联网检索这块拼图，被腾讯当成基础设施补上了。
芯片架构师 Jim Keller 执掌的 RISC-V AI 计算企业 Tenstorrent 于 10 月 19 日宣布完成 15 亿美元 E 轮融资，投后估值 62 亿美元，由 Trace Capital 与 Innovation X 领投，ARK Invest、富达、摩根士丹利、T. Rowe Price、Tether Investments、Cadence Ventures 与闪迪等跟投。此前英特尔与高通曾开出最高 50 亿美元收购邀约，被公司拒绝。这笔融资距上一轮 2024 年底的 6.93 亿美元 D 轮仅一年半，估值翻了约三倍。资金将用于 Galaxy 服务器量产、AI 与 CPU 芯片研发及全球扩张，公司同时向三星、LG 等企业授权 Ascalon CPU 架构与 Tensix 核心。其软件栈 TT-Metalium、TT-NN、TT-Forge 全部开源。
连稳定币资本都来押注自主可控算力，开源硬件从理想变成了生意。
万事达卡于 10 月 20 日宣布 Agent Pay for Machines 开发者 API 开放早期访问，让 AI 智能体用 x402 协议的签名支付凭证直接购买数字服务，无需逐笔交易授权。在 Cloudflare Connect 现场的演示中，一个智能体在单次批准的预算内向两家服务商完成了九笔支付。该方案基于 Coinbase 2025 年 5 月推出的开源 x402 协议，把支出上限与权限控制留在人类手中，同时让智能体能在授权额度内自主完成交易。万事达卡称 Agent Pay 是其智能体支付计划的扩展方向，后续将加入身份、意图、行为与欺诈洞察等信任服务。
当机器自己会刷卡，支付风控的对象就从人变成了意图本身。
Meta 工程博客披露其 thin orchestrator 模式：团队用 1,300 行编排器把 20 多条数据管道工作流路由给 14 个专业智能体，编排层自身零领域工作，只负责调度顺序与可靠性检查。最初他们用单个装满全量领域知识的智能体，演示可行但上线即开始幻觉，问题出在上下文过多导致概念串台，把一个子系统的字段命名规范用到另一个子系统。Meta 引述一项预印本指出，编排式多智能体系统在 80 任务批次上保持 65.3% 准确率，而单智能体降至 16.6%，token 用量最多降低 65 倍。另一个单智能体方案在逐任务人工调试下成功率 70% 到 80%，一旦撤掉手工提示就跌到 10% 到 20%。
给模型塞满知识反而更差，把编排层做薄才是工程解法。
Google Research 开源 Harness² 递归智能体优化框架，训练参数为零，把提示词、护栏、记忆、工具指引、子智能体、技能、脚本与插件中间件共八个组件各自挂载为可编辑文件，由框架在部署期迭代优化。论文编号 arXiv 2610.14224，代码托管在 google-research/harness2，当前版本 0.1.0，需要 Linux、Python 3.12 或 3.13 与 uv。框架用对比式 Propose、Probe、Compose 三步做任务级递归，再串联网格级递归，目标是让智能体在没有标签和验证器的开放环境里自我改进。实测中经过一轮优化，GLM-5 在 OpenCode 下于 WorkBuddy-Bench 从 64.2 升至 75.7。
不换模型也能变强，把模型外面的那层当主角来优化。
OpenAI 称 GPT-5.6 Sol 在 Patch the Planet 计划中发现了一处可能影响全球数百万网站的 PHP 严重漏洞，OpenAI 将其称为近年最具影响力的安全问题之一。安全公司 Wiz 也独立发现了同一漏洞，其 Atlas 平台同时使用了 Gemini 4 Argon 与 GPT-5.6 Sol，Wiz 称 Argon 在发现漏洞、开发攻击代码、构建检测与验证补丁环节尤其好用。Wiz 指出大模型移除了攻击扩大的门槛：原本需要大量人工适配不同 PHP 版本与内存布局的漏洞利用，现在可自动调整，攻防成本结构因此改变。修复过程历时两个月，分五个阶段，由 PHP 开发者、Wiz、Cloudflare 及 CISA、白宫等美国机构协同完成。
同一把刀既在补锅也在磨刀，防守方抢修的速度决定后续损失。
Google Cloud 开始向企业客户提供 GPT-6 Astra、GPT-6.1 Sol 与 GPT-6 Luna 三款 OpenAI 模型，目前以私有预览形式开放申请。模型同时接入 Gemini for Business 与 Google Antigravity，所有费用统一计入 Google Cloud 账单并计入现有合同，Google 表示不会将客户数据用于训练。这一步暴露出 Google 内部的持续矛盾：把云算力用于托管竞争对手的同时也在挤占自家 Gemini 团队的算力，报道称此前已促成 Gemini 联合负责人 Noam Shazeer 在两年回归后再次离开 Google 加入 OpenAI。DeepMind 创始人 Hassabis 同期把 AGI 到来时间的估计从三到五年缩短到两到三年。
云厂商中立只是话术，账本上的算力就那么多。