今日摘要

  • 一批 GPT-4 API snapshot 已有停用期限：OpenAI 将在 2027 年 1 月 14 日移除指定 GPT-4o、GPT-4o mini 与 GPT-4.1 snapshot 及其微调版本，并建议迁移到 gpt-6-luna。旧 snapshot 目前仍可调用；现在需要盘点精确 model ID，而不是把它误写成已经下线。
  • NVIDIA 开源完整 Run:ai 平台：Apache-2.0 仓库覆盖控制面、调度、GPU 切分、CLI 与 MCP server。共享 GPU 集群可以验证整套栈，但社区版没有企业支持，NGC 发行版也另受 NVIDIA 条款约束。
  • LFM2.5-24B-A2B 给本地 agent 增加新选项：Liquid AI 公开 24B 总参数、每 token 激活约 2B 的 MoE 权重，并首日接入多种运行时。性能数字来自厂商；年收入达到 1000 万美元的主体还需另行许可。
  • Claude Code 2.1.299 修补多条执行边界：稳定版修复沙箱写入插件目录、恢复后重复执行、策略检查前启动 MCP 与第三方 gateway key 泄漏。使用 managed policy 或自定义 gateway 的团队应优先升级并回归这些路径。
  • Third Moment 披露万级长时 agent 系统：OpenAI 客户案例称其最多并发 1 万个 agent、单次持续 36 至 48 小时，并由外层模型监督卡住的任务。这是罕见的架构信号，但没有原始遥测或独立验证，不能直接外推成本与成功率。

模型

  • GPT-4 API snapshot 停用计划（新 / ADOPT）：受影响 snapshot 现在仍能调用，停用日是 2027 年 1 月 14 日。官方页面只给通知日期，没有可靠的小时级公告时间；应按页面列出的精确 model ID 和微调资产迁移。官方文档
  • LFM2.5-24B-A2B（新 / TRIAL）：24B MoE 每个 token 只激活约 2B 参数，并公开 base 与 post-trained 权重。MoE 是让每次推理只调用部分“专家”网络；难点是参数不全激活仍不等于低内存，许可、路由开销和真实工具成功率都要实测。发布说明 · 模型卡
  • Gemini 4 Argon（更新 / TRIAL）：从受控预览进入付费 API。统一 token 预算指输入与输出共同占用 1M 上限，而不是各有 1M；难点是长任务既可能消耗更多输出，也可能因续跑、失败恢复和人工审查增加总成本。官方说明
  • Grok 4.7（新 / TRIAL，late discovery）：公开 API 支持文本、图片、工具调用和 500K 上下文。prompt 超过 200K token 后输入与输出单价翻倍，美国区域 endpoint 另加 10%。公告 · 文档
  • MiniCPM-V 4.7（新 / TRIAL，late discovery）：35B-A3B 与 1B 权重采用 Apache-2.0。专家预取只提前加载下一层可能用到的专家，不改变实际路由；难点是它缓解内存等待，却不会消除存储、带宽、温度和耗电成本。模型卡
  • GLM-Legal（新 / WATCH）：基于 GLM-5.3-Flash 的法律模型开放申请制 beta。Harvey LAB 的 all-pass rate 为 19.2%，部分评测由 Vals 执行；没有公开权重或普遍可用 API，AutoClaw 支持也尚未推出。官方说明

Agent 与 AI 工程

  • Third Moment Agent System（新 / WATCH）：客户称系统可运行 1 万个并发 agent、持续 36 至 48 小时。外层监督会终止、重试或升级卡住的 worker；难点是并发数不等于有效任务吞吐，缺少成功率、成本和恢复遥测。客户案例
  • Claude Code 2.1.299（更新 / ADOPT）：新增闲置压缩与 runner drain，并修复沙箱、恢复执行、MCP 策略和 gateway 凭据边界。稳定版
  • Gemini CLI 0.64.0（更新 / WATCH）：原子文件操作、状态备份恢复、Ctrl+C 取消、ACP usage 更新和 A2A 设置迁移进入稳定版；A2A 仍缺正式兼容承诺。稳定版
  • ColGrep-Agent（新 / TRIAL）：本地搜索模型先定位相关代码，再把更小的上下文交给 coding agent。文件定位 F1 只说明找对文件的程度；难点是它不直接回答最终补丁能否通过测试，因此试验必须测端到端成功率。发布说明 · 代码

开源

Run:ai 的完整 GPU 编排栈已开源；LFM2.5、DoubtLess 与 Hybrid Agent 也提供可下载权重或代码。GitHub secret scanning 现已 GA 支持 Anthropic service/user API key，并默认用 push protection 拦截；这只是预防控制，不代表发生了泄露。GitHub 公告

ColGrep-Agent 与 StudentSim 都公开了可运行 artifact。本轮没有发现达到入库门槛的新增稳定版通用 agent runtime；Gemini CLI、Qwen Code、Codex 和 Ollama 的窗口内候选均为 nightly、alpha 或 release candidate。

召回自检另外登记 4 个高热度但证据不足的 IGNORE：Janas 只有作者性能对比；JEV-35B 的公开分数由作者自测且不是榜单正式记录；Agent37 只有发布讨论；EmbeddingGemma 2 语音转写 demo 没有公开训练代码与测试集。热度被记录，但不转化成试用建议。

研究

  • DoubtLess（新 / TRIAL）：小模型分别按“简短”和“详细”要求读取同一段思维链，再用两次输出的 logit 差引导大模型。作者报告推理 token 减少，但结果尚无独立复现，参考配置需要 80 GB GPU。论文 · 代码
  • Hybrid Agent（新 / TRIAL）：HybridLink 在隐藏的潜在推理和显式工具交互间切换，并跨边界保留状态。公开 8B、14B 权重与代码足以试验，但作者的 11 项 benchmark 结果仍需独立复现。论文 · 代码
  • StudentSim（新 / TRIAL）：论文覆盖棋类、第二语言学习和数学，共 60 名学习者。held-out 评测是在训练时没给模拟器看的互动上测试；难点是对未见记录的拟合更好，仍不等于真实学生学得更好。研究文章 · 代码 · 论文
  • 加密能力后门（新 / WATCH，late discovery）：论文构造 digital locker，把隐藏计算加密进权重，只在秘密触发器下解锁。它证明能力引出式审计存在最坏情况盲区，但实验只在小型化学反应代理任务上进行。论文

开发者工具

GitHub push protection 对 Anthropic key 的默认拦截已经 GA，属于低成本的 ADOPT 项。Claude Code 与 Gemini CLI 的稳定版则分别处理执行边界和状态完整性；升级时应使用真实中断、恢复和策略失败用例回归。

本轮最实用的新工具信号是 ColGrep-Agent。它可以在本地只读搜索仓库，并提供 Codex、Claude Code 和 OpenCode 接线方式；模型名写 2B，而模型卡显示约 3B 参数，部署前应按实际包体和显存验证。

基础设施

  • NVIDIA Run:ai（新 / TRIAL，late discovery）：完整控制面、集群服务、安装器、CLI、MCP server 与四个既有组件进入 Apache-2.0 仓库。替换受支持平台前，应在隔离集群实测多租户配额、GPU 切分隔离和升级路径。公告 · 代码
  • Maia 300（新 / WATCH）：Microsoft 计划从 2027 年开始生产部署。96 卡机架包含 27.6 TB HBM 和 1.7 PB/s 聚合带宽；40% tokens/MW、最高 7 倍机架吞吐等数字均由 Microsoft 提供。公告 · 架构说明

商业与政策

QGIS AI 辅助代码禁令的 7 天复核未发现公开执行案例，也未发现另一大型开源项目采用相同政策，维持 WATCH。本周期没有达到例外门槛的重大综合新闻。

趋势信号

  • 趋势 #3 新增 Third Moment 与 Hybrid Agent 信号：长时 agent 开始把外层监督和推理模式切换做成显式系统层，但两项证据都不足以单独改变 established 状态。
  • 趋势 #5 新增完整 Run:ai 平台开源信号；它扩展了可自托管 AI 基础设施的边界，但尚无独立迁移与采用数据。
  • 趋势 #7 新增 Claude Code 2.1.299 的策略与执行边界修复；agent 治理继续从提示词约定转向可执行控制。
  • 其余四条趋势没有足以改级的新证据。
  • 本周期没有发现证据充分的新趋势。

技术雷达

  • 新 · GPT-4 snapshot retirement（foundation-model / ADOPT）：停用日期已确定；盘点精确 model ID、微调资产并在代表性评测上验证替代模型。
  • 新 · Anthropic key protection（agent-security / ADOPT）：检测与默认 push protection 已 GA，保持开启并确认组织覆盖。
  • Claude Code（developer-tools / ADOPT）：2.1.299 修补沙箱、恢复执行、MCP 策略和 gateway 凭据边界，升级后必须回放这些路径。
  • Gemini CLI（developer-tools / WATCH）：0.64.0 加固状态与取消生命周期；A2A 仍等正式文档和兼容承诺。
  • 新 · NVIDIA Run:ai（infrastructure / TRIAL）：完整开源栈可验证，但社区版无企业支持，迁移前先做隔离集群试验。
  • 新 · LFM2.5-24B-A2B（foundation-model / TRIAL）：公开权重和多运行时支持足以试验；许可门槛与厂商 benchmark 限制生产判断。
  • 新 · DoubtLess（research / TRIAL）：公开代码支持一天复跑；同时测任务成功率、token 与显存。
  • 新 · Hybrid Agent（research / TRIAL）：公开 8B 权重支持小规模工具调用试验；要把失败可追踪性纳入指标。
  • 新 · Third Moment Agents（ai-agent / WATCH）：万级长时运行是强信号，但缺任务级遥测和独立验证。
  • Gemini 4 Argon（foundation-model / TRIAL）：公开 API 已可用，建议在价格翻倍前后用同一组长任务核对成功率、漂移、审查成本和失败恢复。
  • 新 · Grok 4.7（foundation-model / TRIAL）：公开 API 与价格可直接对照，但厂商 benchmark 和安全结论仍需独立验证。
  • 新 · ColGrep-Agent（developer-tools / TRIAL）：公开权重和集成足以做一天试验；要同时测补丁成功率、token、延迟和总算力。
  • 新 · StudentSim（research / TRIAL）：公开棋类路径可复跑；模拟器结果不能替代真实学生与教师试验。
  • 新 · Maia 300（infrastructure / WATCH）：路线图影响推理基础设施判断，但 2027 年生产部署前缺少可采购性和真实负载证据。
  • 新 · MiniCPM-V 4.7（foundation-model / TRIAL）：开放权重和部署代码足以在目标手机上比较质量、持续速度、内存、温度与耗电。
  • 新 · 加密能力后门（agent-security / WATCH）：最坏情况构造改变审计边界，但要等更大模型上的独立复现。
  • 新 · GLM-Legal（foundation-model / WATCH）：申请制 beta 与部分独立评测构成信号；普遍 API、权重和错误复测仍缺席。
  • 新 · Janas（open-source / IGNORE）：社区热度高，但缺少独立同硬件质量和稳定性对比。
  • 新 · JEV-35B（foundation-model / IGNORE）：开放权重可验证，公开分数却是作者自测且不是正式榜单结果。
  • 新 · Agent37（developer-tools / IGNORE）：只有创始人发布帖，隔离、可靠性与采用证据不足。
  • 新 · EmbeddingGemma 2 STT（open-source / IGNORE）：demo 思路新颖，但没有可复现训练材料或独立词错率对比。

当前雷达：ADOPT 9 / TRIAL 116 / WATCH 54 / IGNORE 7。完整当前雷达以站点洞察页为准。

值得一试

  • 盘点生产环境中的 GPT-4o / GPT-4.1 精确 snapshot 与微调资产，建立 gpt-6-luna 对照评测和迁移日期。
  • 在隔离 Kubernetes 集群部署 Run:ai 社区版，验证配额、GPU 切分隔离和滚动升级。
  • 用一组真实工具 schema 试跑 LFM2.5，并用公开代码复跑 DoubtLess 或 Hybrid Agent，记录成功率、token、延迟与显存。

来源

覆盖说明：36/36 个固定入口均抓取成功并读完，另做了模型、开发工具、开源、研究、基础设施、政策及非英语一手材料的主动检索。GPT-4 snapshot 停用页与 LFM2.5 文章只有日期级公告时间，本轮保留时间限制，不声称通过逐小时边界筛选；Third Moment、LFM2.5 与研究论文的性能数字仍来自发布方或作者。Run:ai 按 overlap late discovery 补录。nightly、alpha 和 release candidate 未当作稳定发布；没有达到例外门槛的重大综合新闻。