AI Intelligence Trends - 2026-09-23

本周期没有发现证据充分的新趋势。

趋势 #1：中国实验室的开源权重 agentic coding 模型在前沿水平竞争

  • Status: strengthening / Medium
  • First observed: 2026-08-15
  • Last updated: 2026-09-23
  • Evidence: vLLM 0.30 把 DeepSeek V4.1、GLM-5.3 等开放权重模型的多条 serving 路径推进 tagged stable；仍没有第三方 Terminal-Bench 或 SWE 权重复现。
  • Why it matters: 自托管前沿 coding 仍需公开权重上的独立复现。
  • What would confirm: 公开权重的第三方 Terminal-Bench 或 SWE 运行。
  • 2026-09-23 review: serving 采用证据增强，但升 High 的最后一道权重复现门槛仍未达成；维持 strengthening / Medium。

趋势 #2：MCP 进入企业安全与强制管控阶段

  • Status: emerging / Medium
  • First observed: 2026-08-15
  • Last updated: 2026-09-21
  • Evidence: 本窗口没有新的跨厂商 auth/enforcement 规范、安全产品 GA 或公开采用数据。
  • Why it matters: MCP 治理要覆盖身份、策略、遥测与生命周期。
  • What would confirm: 第二家安全厂商的 GA 识别产品与可互操作 auth spec。
  • 2026-09-23 review: 维持 emerging / Medium。

趋势 #3：Coding agent 收敛为 multi-agent runtime

  • Status: established / High
  • First observed: 2026-08-15
  • Last updated: 2026-09-23
  • Evidence: RRSI 为自动优化 agent harness 加入提案预算、留出任务与剪枝；长期合谋实验又显示奖励冲突会改变多 agent 协作。两者是 runtime 研究信号，不是新的生产采用案例。
  • Why it matters: 选型对象已经是 model、runtime、scaffold、监控和委派拓扑的组合。
  • What would confirm: 更多独立生产案例与编排接口收敛。
  • 2026-09-23 review: harness 管理与长期协作风险的证据增加，维持 established / High。

趋势 #4：前沿实验室把安全事件披露与第三方独立审查制度化

  • Status: strengthening / Medium
  • First observed: 2026-08-26
  • Last updated: 2026-09-19
  • Evidence: 本窗口没有 METR 审查结论、评估员独立性规则或跨厂商披露格式。
  • Why it matters: 信任模型正从厂商承诺转向持续访问、可调查证据与第三方审查。
  • What would confirm: METR 正式结论、明确的评估独立性与跨厂商披露格式。
  • 2026-09-23 review: 维持 strengthening / Medium。

趋势 #5：AI 工具链的企业自托管 / 数据驻留执行面成形

  • Status: candidate / Low
  • First observed: 2026-08-18
  • Last updated: 2026-09-15
  • Evidence: vLLM 0.30 扩展自托管推理能力，但没有新的企业 agent 执行面、独立生产采用、OpenAI PSP 白皮书或 Anthropic EFS 落地。
  • Why it matters: 执行面位置正在成为企业采购轴线。
  • What would confirm: 独立生产采用、OpenAI PSP 与 Anthropic EFS 落地。
  • 2026-09-23 review: 维持 candidate / Low。

趋势 #6：AI 生成的千禧年级数学与 Lean 形式化验证成为前沿实验室的新工作负载

  • Status: emerging / Medium
  • First observed: 2026-09-04
  • Last updated: 2026-09-15
  • Evidence: 本窗口没有新的千禧年级数学结果、Lean 形式化证明或独立验收。
  • Why it matters: 形式化验证为长时程 agent 输出提供更强信任层。
  • What would confirm: 数学界正式接受、第三方复现与 Lean 工具链采用数据。
  • 2026-09-23 review: 维持 emerging / Medium。

趋势 #7：Agent runtime 把宽执行能力与后果控制拆成两层

  • Status: emerging / Medium
  • First observed: 2026-09-09
  • Last updated: 2026-09-23
  • Evidence: DUMA-Bench 在 14 个模型、8 个领域中显示，用户可持续改变共享环境时，攻击成功率从 26.9% 升至 41.1%。风险不只取决于模型，还取决于用户和 runtime 允许的状态变化。
  • Why it matters: 模型能生成什么与 runtime 允许什么后果，应独立测试和审计。
  • What would confirm: 跨 shell、MCP 与 browser 的统一 policy schema 和公开采用遥测。
  • 2026-09-23 review: 新证据强化双层验收的必要性；统一策略 schema 仍缺，维持 emerging / Medium。