Aleph Alpha 以 Apache 2.0 许可发布 Kolibri，Meta 扩展安全框架，OpenAI 为其 Agents API 新增三种沙箱规格

10 月 3 日星期六，Aleph Alpha 发布了 Kolibri，这是一款采用 Apache 2.0 许可、拥有 781 亿参数的英德双语开放权重模型。Cohere 当晚转发了这一消息，其与 Aleph Alpha 的合并仍在等待监管批准。前一天，Meta 将安全框架扩展至模型训练阶段，OpenAI 的 Agents API 则新增了三种沙箱规格。Devin 9 月 30 日的发行说明宣布其成为 Jira 原生智能体，Qwen-Image-2.1-Pro 以每张图像 0,04 美元的价格开放 API，Apron 的开发者则介绍了如何在租用显卡前预测开放模型所需的 GPU 内存。

Aleph Alpha 以 Apache 2.0 许可发布 Kolibri，一款拥有 780 亿参数的英德双语模型

10 月 3 日 — 在德国统一日当天，Aleph Alpha 发布了 Kolibri，一款开放权重的英德双语语言模型。这款混合专家模型（Mixture-of-Experts）拥有 781 亿参数，每个 token 激活其中的 34.6 亿参数，其权重已在 Hugging Face 上以 Apache 2.0 许可发布。Aleph Alpha 将其定位于受监管行业的自主可控工作场景：公共行政、工业和航空航天。

其架构首先着眼于降低服务成本：384 个专家中激活 6 个，50 层中的 40 层使用仅包含 512 个 token 的滑动窗口。模型最多支持 1 048 576 个 token，但训练时的最大长度为 262 144，其模型说明也建议不要超过这一长度。根据文章介绍，一个拥有 1230 亿参数的版本在两张 H100 上只能处理 3 个长度为 256k token 的请求，而最终选定的规模可处理 18 个。训练在德国和芬兰使用了 768 张 B200 GPU，处理了近 24T token；德语占预训练数据的 21,3 %。

根据 Aleph Alpha 的测量结果（使用自研评测工具，推理强度设为最高），Kolibri 的综合得分超过 Qwen3.5 35B-A3B 和激活 120 亿参数的 Nemotron 3 Super，但稠密模型 Qwen3.8 27B 几乎在所有项目上仍然领先：

Benchmark（Aleph Alpha 测量结果）	Kolibri 78B-A3,46B	Qwen3.5 35B-A3B	Nemotron 3 Super 120B-A12B	Mistral Small 4 119B-A6B	Qwen3.8 27B（稠密）
综合得分（英语）	75,5	74,7	73,0	63,1	80,2
综合得分（德语）	70,8	69,8	67,9	61,4	79,9
GPQA Diamond（英语）	84,3	83,8	78,0	74,7	89,2
AIME 2026（英语）	96,0	92,1	90,4	83,1	97,7
SWE-Bench Verified	66,4	71,6	60,2	60,8	72,6

因此，Aleph Alpha 的卖点是质量与服务成本之间的帕累托前沿，而非排名第一。Kolibri 还接受了弃答训练：在其未能正确作答的 AA-Omniscience 问题中，有 44 % 选择不作答或仅部分作答，而非给出错误答案。它在德国开发，“不受外国控制”（不受外国控制），设计时考虑了 AI Act 和 RGPD，并可在本地部署；此次发布还附带一份近 200 页的技术报告。

Cohere 与 Aleph Alpha 合并的最终协议仍须获得监管批准。继其首席执行官艾丹·戈麦斯表示祝贺后，Cohere 当晚也转发了发布消息；Kolibri 仍是 Aleph Alpha 的模型。

New Apache 2.0 model from @Aleph__Alpha. It’s really good. If you like that, you’re going to love what we build together.

🇨🇳 Aleph Alpha 推出了采用 Apache 2.0 许可的新模型。它确实很出色。如果你喜欢这个模型，你一定会爱上我们接下来共同打造的成果。 — @cohere 在 X 上

🔗 Aleph Alpha 的文章 · Hugging Face 上的权重

Meta 将安全框架扩展至训练阶段，并明确开放权重的规则

10 月 2 日 — Meta Superintelligence Labs 更新了 Meta Superintelligence Scaling Framework，该框架规定了训练和部署前的安全要求。据 Meta 介绍，此版本反映了本周在白宫作出的承诺，包括实施内部控制，并由公司内部的独立团队以及外部审计机构或评估人员进行验证。

失控（loss of control）风险如今也纳入训练和评估阶段的管控，因为据 Meta 表示，网络安全能力强的模型可能利用其运行环境中的漏洞。存在风险的强化学习训练必须使用经过验证的沙箱、包含思维链在内的不可篡改日志，以及能够停止训练运行的自动监控。

对于开放权重，该框架考虑了发布后可能发生的修改，例如通过微调移除拒答行为。计划在未来几个月内成立的董事会人工智能委员会，将独立核查框架的遵守情况。该框架原名为“Advanced AI Scaling Framework”，在此次 2.1 版本中更名：4 月评估 Muse Spark 时采用的就是这一框架。

🔗 负责任地开发高能力模型（Meta）

OpenAI 的 Agents API 新增三种沙箱规格，并支持环境复用

10 月 2 日 — 据 X 个人简介介绍，史蒂夫（@stevendcoffey）参与 OpenAI API 的开发。他列出了本周 Agents API 的更新，@OpenAIDevs 转发了这条消息。除三项 DevDay 内容回顾外，还有四项新内容。第一项已得到文档确认：在创建会话时设置的 environment.container_size 参数，用于选择 OpenAI 托管沙箱的 CPU 和内存配置。

容器规格	分配的 vCPU	分配的内存
small	1	1 Go
medium（默认）	2	4 Go
large	4	16 Go

其余三项仅出现在这条推文中：可通过控制面板配置子智能体、跨会话复用环境，以及可靠性提升，但未公布测量方法。

Overall better reliability: 99.97% turn reliability, fewer SSE disconnects, 20% faster tool calls 🪨

🇨🇳 整体可靠性提升：每轮可靠性达 99,97 %，SSE 断连更少，工具调用速度提升 20 %。 — @stevendcoffey 在 X 上

🔗 OpenAI 文档

编程智能体：Devin 入驻 Jira，Antigravity CLI 1.2.13 和 1.2.14

Devin 成为 Jira 原生智能体，并将 Devin Review 的发现交给其会话处理

9 月 30 日 — Devin 9 月 30 日的发行说明包含 25 个条目。其中最主要的更新是 Devin 成为 Jira 的原生智能体（native agent）：管理员安装 Devin for Jira 应用后，将工单分配给 Devin 或提及它，即可启动会话，并在 Jira 的智能体面板中跟踪进展。如果 Devin 无法启动（权限缺失、使用额度达到上限），Jira 会显示它给出的原因，而非通用错误信息。

对于由仍在运行的 Devin 会话创建的 pull request，Devin Review 会先将发现的问题（findings）交给该会话：启用自动修复（Auto-fix）后，Devin 会修复能够处理的问题，只有剩余问题才会发布。自动化流程新增了预先检查（preflight checks）：每次触发后、Devin 开始工作前，会先执行脚本，以验证、补充或忽略该事件。文中未提及价格。

🔗 Devin 9 月 30 日的发行说明

Antigravity CLI 1.2.13 和 1.2.14：重试等待时间、消息队列，以及无需 systemd 的 Remote Control

9 月 29 日和 30 日 — Google 的 Antigravity CLI 更新日志列出了两个版本。1.2.13 会遵循模型 API 指定的重试等待时间，而非固定等待 5 秒；如果等待时间超过 30 秒，或触及的是每日额度或计费上限，则立即放弃重试。

1.2.14（6 项改进、3 项修复）在 /config 中新增了 Queued Messages 选项：默认模式（Queue）下，在智能体工作期间发送的消息会等到当前轮次结束；在 Send Immediately 模式下，消息会中断当前轮次。在没有 systemd 用户服务管理器的 Linux 机器上，例如大多数容器，Remote Control 会将其守护进程作为普通后台进程启动，该进程不会在崩溃后或系统启动时自动重启。--json-schema 选项变得严格：无效模式会触发错误，并返回退出码 1。此次更新将用几天时间逐步推出。

🔗 Antigravity 更新日志

Qwen-Image-2.1-Pro 在 Model Studio 和 QwenCloud 开放 API，每张图像 0,04 美元

10 月 2 日 — Alibaba 将 Qwen-Image-2.1-Pro 加入其 API 平台 Model Studio 的模型目录，适用于 International 服务范围；QwenCloud 也为其建立了标注“新增”的模型页面，Qwen 尚未发布相关推文或文章。该模型延续了 9 月 20 日以开放权重形式发布的 Qwen-Image-2.1：在同一个模型中支持图像生成和编辑，视觉生成部分拥有 70 亿参数，并原生支持透明图像。模型说明没有说明在线提供的版本是否与已发布的权重有所不同。

比较项目	qwen-image-2.1-pro	qwen-image-2.0-pro
每张输出图像的价格	0,04 美元	0,075 美元
免费额度	10 张图像	100 张图像

价格下降了近一半，但免费额度也缩减为原来的十分之一。在 QwenCloud 上，该模型每分钟最多支持 20 个请求，同时最多支持 10 次调用。

🔗 Model Studio 模型更新日志 · QwenCloud 模型页面

据作者介绍，Apron 可在租用前预测 14 个开放模型的 GPU 内存需求

10 月 3 日 — Apron 的开发者弗拉德·雷日科夫在 Hugging Face 社区博客上介绍了这款开源工具。它能在租用 GPU 前预测开放模型是否能装入内存，并在指定版本的 vLLM 下启动，随后再用真实显卡进行验证。

据作者介绍，在已启动的 14 个模型中，有 11 个模型的权重内存预测值与实测值相差不到 2 %，测试硬件从一张 RTX 4090 到八张 H200 不等。四个模型最初运行失败，后来通过修复解决，并经第二次启动验证；DeepSeek-V4.1-Flash 默认占用 189 Gio 主机内存，这部分占用无法通过仅检查 GPU 的方式发现。

作者提醒，每个模型只测量了一次启动，这些结果不构成任何排名。该命令行工具尚未准备好供外部使用，其代码仓库仍将自身描述为尚无实现的规格说明。

🔗 弗拉德·雷日科夫的文章（Hugging Face）

简讯

Copilot CLI 1.0.92-3 与 Copilot SDK 1.0.17-preview.3 — Copilot CLI 预览版新增了一个选择器，可在对话开始前通过 Ctrl+E 打开，选择在本地或云端运行；SDK 预览版则实验性地支持在进行中的会话里替换客户端工具。最新稳定版仍为 1.0.91。🔗 CLI · 🔗 SDK
通过 API 调用 Copilot code review — 现在可以通过 REST 和 GraphQL API 请求 Copilot 审查，并在每次请求中指定投入级别；该功能已向 Pro、Pro+、Max、Business 和 Enterprise 套餐全面开放。文档估算，Lite 级别每次审查消耗价值 0.05 至 1 美元的人工智能额度，默认的 Balanced 级别则为 0.25 至 5 美元。🔗 来源
Gemini CLI 夜间构建版 — 10 月 3 日的 v0.64.0-nightly 仅包含一项修复：回车键和空格键现在能够可靠地确认选项列表中的选择，包括在不支持 Kitty 键盘协议的终端上，例如 Windows 下 PyCharm 的终端；此前，在按下其他按键后不到 30 ms 内按下回车键，会被识别为 Shift+Enter。稳定版和预览版均未变化。🔗 来源
DeepSeek Harness 0.2.1-alpha.1 — 这是第 25 个预览版，仍无稳定版。它新增了一个实验性的 Claude Code 模组兼容层；DeepSeek 表示，其目的是验证这些模组的 API 是否大体构成 Harness 插件所支持功能的子集，而非提供完整兼容性。🔗 来源
Warp 中的 GPT-6.1 Sol — 9 月 29 日晚，Warp 在其智能体终端中开放了 GPT-6.1 Sol，可通过 Codex 或 ChatGPT 订阅使用；公告未给出价格，也未提供针对 Warp 的测评数据。🔗 来源
grok-voice-transcribe-1.0 停止支持 — SpaceXAI 于 10 月 2 日停止支持其转录模型的旧版 API：请求将重定向至 grok-voice-transcribe-2.0，价格不变，且据 SpaceXAI 称，准确度更高。弃用计划已于 9 月 18 日公布，当时未给出日期。🔗 来源
OpenAI 开发者九月回顾 — @OpenAIDevs 在一篇 X 文章中回顾了九月的开发者公告，涵盖 29 日的 DevDay，以及 GPT-6 Sol 和 Luna，没有发布新消息；唯一的补充说明是，OpenAI 的 Decisions API 自 9 月 29 日起处于有限预览阶段，文中称其即将全面开放，但未给出日期。🔗 来源
ElevenLabs 的两项智能体部署 — Banner Health 将初级医疗预约交给 ElevenAgents 处理，支持转接人工并符合 HIPAA 要求；保险公司 Admiral 则介绍了其语音智能体的生产部署，每次修改都能在几小时内将覆盖流量从 1 % 提升至 100 %，此前则需要数周。两者均未公布成效数据。🔗 Banner Health · 🔗 Admiral
Kling 4.0 开放抢先体验 — 日期为 9 月 30 日的 Kling 4.0 介绍博文说明，完整模型将在十月扩大部署前开放抢先体验，而 Kling 4.0 Flash 已于 9 月 28 日向 Ultra 年度订阅用户开放；同时新增了 21:9 画幅，但未给出价格、API 或准入标准。🔗 来源
Runway Agent、Runway MCP 与 OpenAI 的 dots — Runway 更新日志列出了三项新增内容，未在 X 上发布公告：Runway Agent 使用 Seedance 2.5 的 Draft 模式，生成可在生成后继续加工的 480p 草稿；Ideogram 4.5 加入 Runway MCP，供付费套餐使用；Runway 自 10 月 1 日起可在 OpenAI 的 dots 中使用。未说明任何额度消耗。🔗 来源
GitHub Apps 的无状态令牌 — 在非人工智能领域，GitHub 完成了自 4 月 27 日开始的部署，所有新生成的 GitHub Apps 安装令牌均采用无状态格式 ghs_APPID_JWT：长度约为 520 个字符，而此前为 40 个；权限和一小时有效期均不变。测试请求头 X-GitHub-Stateless-S2S-Token 将于 2026 年 11 月 30 日弃用。🔗 来源
Rapidata 的实时人工反馈 — Rapidata 介绍了其 Flows 功能，该功能以实时人工成对比较替代 Flow-GRPO 的奖励模型；这篇供应商博文未公布任何实测训练结果。🔗 来源
衡量智能体之间的依赖关系 — 在一篇没有实验或测量数据的文章中，阿努阿尔·伊梅尔提出，应根据智能体之间的依赖关系，而非智能体数量来评估多智能体系统，并在每一轮跟踪准确性、推理的多样性以及智能体之间的耦合程度。🔗 来源

这意味着什么

Kolibri 表明，开放模型即使不追求第一名，也能具备竞争力。Aleph Alpha 自行公布的测评显示，稠密模型 Qwen3.8 27B 几乎在所有项目上都领先于 Kolibri，而它强调的是另一个标准：用少量 GPU 服务大量长请求，同时支持英语和德语，并采用允许完全本地部署的许可证。对于受 AI Act 和 RGPD 约束的政府部门或工业企业，这种权衡可能比基准测试中多出的几分更重要。Cohere 与 Aleph Alpha 的整合仍在等待监管批准，但 Cohere 已承诺带来后续成果。

服务成本正成为开放模型的核心议题。Qwen-Image-2.1 于 9 月 20 日以开放权重形式发布，如今以 Qwen-Image-2.1-Pro 的名称通过 API 提供服务，每张图片 0.04 美元，比上一代便宜近一半，适合不想自行部署的用户。Apron 的博文则提醒人们，自行部署需要应对哪些问题：模型可能因缺少某项 vLLM 设置而无法启动，也可能占用 189 Gio 的主机内存，而仅检查 GPU 的验证流程无法察觉这一点。

Meta 将安全措施提前到部署之前。高风险的强化学习训练现在必须使用经过验证的沙箱、不可篡改的日志和自动停止机制，因为擅长网络安全的模型可能会利用自身运行环境中的漏洞。宣布在董事会内设立的人工智能委员会，还必须独立核查这些规则是否得到执行。至于在白宫作出的承诺，Meta 表示这些措施体现了相关承诺，但博文仅介绍了其基本原则：内部控制措施由公司内的独立团队，以及外部审计人员或评估人员核查。

最后，智能体正融入工具和运维流程。OpenAI 允许选择沙箱大小，并在不同会话之间复用环境；Devin 集成到 Jira，并在发布自身审查结果前修复发现的问题；Copilot code review 可通过 API 触发，并按投入级别估算费用。Antigravity CLI 遵循服务器规定的重试等待时间，并让 Remote Control 在容器中运行：这些更多是运维设置，而非引人注目的功能，但当智能体持续运行时，它们才是关键。