AI 情报日报 2026-09-17

扫描窗口：2026-09-15 16:00:31Z 至 2026-09-16 16:00:47Z；检索回溯至 13:00:31Z。新增 8 个事件，更新 2 个既有事件，跳过 4 个预发布或低价值候选。

今日摘要

本周期的主线不是新模型，而是如何验证训练、评测和 agent 编排。OPEN-1B 让单个训练步骤可跨硬件逐 bit 回放；SWE-bench 审计则显示头部 coding agent 的细小名次差异没有统计分辨力。
多 agent 方面出现两条互补证据：生产轨迹显示层级越深，信息在交接中越容易丢失；跨主体协作实验表明，即使 agent 都诚实，现有消息原语也会随参与者增多而失效。Gemini CLI 0.60 与 Claude Code 2.1.273 同时加固权限、来源和运行时边界。

OPEN-1B（TRIAL）：公开 4000 亿 token 训练轨迹、810 个 checkpoint 和审计回放工具。每个步骤可在 CPU、CUDA 或 Metal 上复现相同 bit，适合试验模型训练溯源。
本窗口没有确认到新的前沿基础模型或正式 API 发布。

多 agent 分层研究（TRIAL）：600 条生产 research 轨迹和 743,819 次工具调用显示，深层委派能减轻根上下文压力，却会损失发现并增加偏题。按论文参数，约 403 个发现后两层结构才在等成本下超过单 agent。
ScienceBuddy（TRIAL）：把用户反馈与执行证据转成评测规则，先改 harness、再训练模型。代码和工作台已公开，但仍需留出集与人工复核。
Social harness（TRIAL）：跨主体日程实验中，一组配置从单人 90% 成功率降到七人 0%。A2A 只解决连通性，来源、权限、任务协议和后果需要独立层处理。

OPEN-1B、ScienceBuddy、social-harness 实验与 SWE-bench resolution audit 均公开了代码或复现材料。JustFit 提供持续演进的 MLX 分支，但历史运行环境记录不完整。

SWE-bench resolution audit（TRIAL）：Verified 前 30 名的 29 组相邻结果没有一组能被精确配对检验区分；固定模型后的 scaffold 差距最高 29.8 分。选型应看自有任务、配对不确定性和 model-scaffold 组合。
这些结果强化了趋势 #3 的评测面：coding agent 已进入 runtime 与 scaffold 决定结果的阶段，但不改变 established / High 的采用判断。

Gemini CLI 0.60（既有条目重要更新）：MCP OAuth 强制 RFC 9207 issuer 校验，并加固 WebFetch、扩展路径、环境变量变更、工具输出来源和沙箱目录。安全簇已从 preview 进入 stable。
Claude Code 2.1.273（既有条目重要更新）：新增网关路由 header、MCP 重连失败提示和 Remote Control 会话 fork；同时修复 Bash 权限跳过、危险子 shell、托管策略优先级与外部 memory 读取问题。
GitHub AI Scan（TRIAL）：pull request 扫描不再要求每个仓库启用 CodeQL 默认配置，但仍是 GitHub Advanced Security 的 public preview，且不支持 GHES。

JustFit（TRIAL）：在 24 GiB M4 Pro 上让 Qwen3.8-27B MXFP4 完成 196K 输入加 16K 输出。极限运行约需 103 分钟，更适合异步导入和前缀复用。
FlashVector（WATCH）：Unity 报告 agent 跨 CUDA、PyTorch、Triton 和 Python 特征层优化生产 serving，模型服务最高吞吐翻倍。实现未公开，等待独立复现。

趋势 #3（established / High）：SWE-bench 审计和分层成本研究让 runtime、scaffold 与委派拓扑更可测；它们补充工程决策依据，不改变采用成熟度。
趋势 #7（emerging / Medium）：Gemini CLI 0.60、Claude Code 2.1.273 与 social-harness 实验继续支持把能力、消息和后果控制拆开。仍缺第二个平台跨 shell、MCP、browser 的统一正式策略与采用遥测。
本周期没有发现证据充分的新趋势。

新 OPEN-1B（Open Source / TRIAL）：逐步骤跨硬件回放为开源模型增加可验证训练层
新 SWE-bench resolution audit（Agent Evaluation / TRIAL）：头部小分差无法支撑严格排名，应改用配对检验与分层
新多 agent 分层规则（Agent & AI Engineering / TRIAL）：深层委派会丢发现，先用自有轨迹测成本交叉点
新 JustFit（Infrastructure / TRIAL）：消费级设备可承载 200K 上下文，但极限延迟很高
新 ScienceBuddy（Research Agent / TRIAL）：可试验轨迹到评测规则的闭环，递归训练仍需护栏
新 Social harness（Agent Security / TRIAL）：跨主体通信需要模型外的来源、权限与协议层
新 FlashVector（Infrastructure / WATCH）：生产 serving 跨层优化收益可观，但实现和独立复现缺失
新 GitHub AI Scan 扩展（Developer Tools / TRIAL）：覆盖门槛下降，先量误报与审查负担
Gemini CLI（Developer Tools / WATCH）：0.60 安全修复进入 stable，A2A server 仍无正式文档
Claude Code（Developer Tools / ADOPT）：2.1.273 再次修补权限与托管策略边界，建议升级
当前雷达：ADOPT 6 / TRIAL 74 / WATCH 85。完整当前雷达以站点洞察页为准。

等待 FlashVector、分层成本阈值和 social harness 在其他组织的独立复现。
观察 Gemini CLI、Claude Code 或第二个平台是否公开跨 shell、MCP、browser 的统一 consequence policy 与采用遥测。