L136_管道已通
上周二，OpenRouter 发了一篇短短几百字的公告：「We’re joining Stripe.」没有发布会，没有长推文连环轰炸，只有一句话——「很少有公司让我们愿意卖掉自己」。
这笔交易据报道价值 100 亿美元。两个月前 OpenRouter 的估值才 13 亿。但让我愣住的不是数字本身，而是 Decoding Discontinuity 那篇分析里的一句话：「Agents hire minds the way humans hire freelancers.」
Agent 雇佣模型，就像人类雇佣自由职业者。
想想这意味着什么：一个自主 Agent 需要完成任务时，它向 OpenRouter 发起请求——「我需要一个擅长代码的头脑，预算每百万 token 不超过 2 美元，延迟 200ms 以内，数据不出欧盟。」OpenRouter 在 400 多个模型里做匹配，挑出最合适的那个，然后 Stripe 负责结算。整个过程不到一秒，没有任何人类参与。
这就是所谓的「机器经济」——不是科幻设定，而是正在铺设的基础设施。
—
让我觉得这一周特别的是，基础设施的各个环节几乎同时到位了。同一周里：Stripe 买下了「模型市场」，Cursor 发布了自己的代码托管平台 Origin，Anthropic 把 Computer Use、Skills API 和 Files API 同时转为正式版——Agent 第一次同时拥有了「眼睛」（看到界面）、「手」（操作软件）、「记忆」（文件系统）和「流程知识」（Skills）。
上期聊的是「笨功夫」——在 AI 时代，人类的价值在于那些不能外包给模型的较真。这一期想聊的是硬币的另一面：当管道全部接通，当 Agent 真的能独立运转时，我们在看的已经不是「AI 能不能做」的问题，而是「谁控制管道」的问题。
—
韵锦（yunjin.zj）的 AI Weekly 里引了一个漂亮的框架来解释 Stripe 为什么出手：「当内层能力商品化时，稀缺性向外层转移。」 模型本身在变便宜（DeepSeek V4 Flash 的价格已经把所有竞争者打到不想说话），真正稀缺的是两个「时刻」——选择时刻（用哪个模型？）和结算时刻（谁来收钱？）。OpenRouter 控制前者，Stripe 控制后者。合在一起，就是机器经济的 Visa 卡。
这不是一笔普通的收购。这是在为一个还没完全出现的经济体修建支付系统——就像 1998 年的 PayPal 看到了电子商务会需要在线支付，只不过这次买单的不是人类，是 Agent。
🔗：OpenRouter Is Joining Stripe
🔗：Stripe’s $10B OpenRouter Bet — Decoding Discontinuity
📚 深度阅读
Anthropic 内部：80% 的代码由 Claude 编写 —— AI-Native SDLC Playbook
Anthropic 的 VP CISO Jason Clinton 在七月底发了一份内部实践报告，藏在一个不太起眼的博客标题下面。但这份报告里有一个数据让我反复确认了三遍：Anthropic 内部合并的代码中，约 80% 由 Claude 编写。 超过 50% 的代码合并使用他们内部的「Claude Tag」系统完成。
这意味着工程师的角色已经从「写代码的人」变成了「指挥 Agent 的人」。他们设目标、引导方向、做最终问责——但不再是逐行写的那个人。
但问题来了：代码产出能力增长了 8 倍（相对 2021-2025 基线），安全审查能力却无法同步扩展。人类审查者的认知带宽是硬约束。传统 SDLC 那套「一个人写、一个人审」的线性假设彻底崩了。
于是 Anthropic 提出了一套三层安全架构：分支保护（所有 Agent 产出必须走 PR，不能直接提交主干）、分环境权限梯度（开发=宽松、预发=需审批、生产=几乎全锁）、可观测性（每个 Agent 运行有独立身份，pipeline 日志区分 Agent 行为与工程师触发的行为）。
最让我印象深刻的是一个实验：45 个协调的 Agent，花 2700 万 token，在代码库里找到了 266 个漏洞。而独立并行的方式用 650 万 token 只找到 21 个，且只有 12 个重叠。协调的 Agent 学会了自动分工——token 归一化后效率提升约 12 倍。
但多 Agent 系统也暴露了三种典型失败模式：静默冲突（两个 Agent 改同一文件不同部分，各自通过检查但合并后出逻辑错误）、权限漂移（Agent 之间在秒级速度上级联升权）、上下文碎裂（Agent 间格式不匹配通过通信链放大）。
核心判断框架：什么任务适合交给 AI Agent？必须同时满足三个条件——任务可分解为清晰的输入/输出对、验收标准可自动验证、执行环境可完全沙箱化。如果三者缺一，就老老实实让人来。
🔗：Anthropic AI-Native SDLC Playbook
从 CC/CD 到「人只是 AI 的 context provider」
韵锦的 AI Weekly 里有一篇转述 Lenny’s Newsletter 的框架，让我觉得终于有人把 AI 产品开发的本质问题说清楚了：CC/CD（Continuous Calibration / Continuous Development）。
传统软件是确定性的——同样的输入永远给同样的输出。CI/CD 管用是因为你可以写测试、跑回归、确认没坏。但 AI 产品天然是非确定性的：用户输入不可预测，系统输出也不可预测。每次都不一样。
CC/CD 的核心洞察：AI 产品必须在「代理自主权」和「人类控制权」之间做权衡，而且这个权衡需要随时间校准。 正确的做法是从「低自主/高控制」开始——让 AI 做路由、做推荐、做草稿——然后通过校准循环逐步提升自主权。例子：客服 v1 = 分拣工单；v2 = 建议解决方案；v3 = 自动解决 + 人类兜底。
最常见的错误？团队在还没理解系统在「高控制模式」下怎么表现时，就跳到了「全自主」。
而来自 Palona AI 联合创始人任川在 42 章经分享的一句话，把这个洞察推到了极限：「人只是 AI 的 context provider。」 人类的角色不是执行者，甚至不是决策者——而是给 AI 提供上下文、设定边界、定义什么算「好」的那个人。执行由 Agent 完成。判断由评估循环完成。人负责的是：告诉系统世界是什么样的。
这跟 antirez 上期说的其实是同一件事：「Control the ideas, not the code.」只不过现在，连代码之外的领域也适用了。
🔗：CC/CD Framework — Lenny’s Newsletter (via 韵锦 AI Weekly)
🔗：42章经播客 — AI Native工程团队
大机器变小了：Intelligence Per Watt —— Tomasz Tunguz
Theory Ventures 的合伙人 Tomasz Tunguz 这周写了一篇短文，标题很简单：Intelligence Per Watt。但他用一个类比把整个趋势说透了：「大型机变成了个人电脑。数据中心也会变成个人的。」
他引用斯坦福和 Together AI 的一篇论文（测试了 20+ 个本地模型，样本量超过 100 万真实查询），核心发现：
- 2023 年，最好的本地模型对云端前沿模型的胜率/平局率：23.2%
- 2024 年：48.7%
- 2025 年：71.3%
- 用 20+ 模型 ensemble 路由：89%
也就是说，对于日常聊天和推理任务，本地模型集群配合一个路由器，已经能在九成场景下匹敌云端最强模型了。
总效率提升分解为：模型进步 3.1 倍 × 芯片进步 1.7 倍 = 总计 5.3 倍 的 intelligence-per-watt 改善。这遵循的就是 Koomey 定律——历史上每瓦算力每 1.5 年翻一倍。
云端仍然在长链推理、最难的技术领域、和需要大规模并行的任务上有优势（批处理带来约 40% 的能效溢价）。但对于绝大多数日常知识工作：本地模型 + 路由 = 80% 能源节省、77% 算力节省、74% 成本节省。
这不是「未来」。这是 Apple Silicon 上 FastMetal 能在 30 秒内生成一段 5 秒 480P 视频的「现在」。这是 GLM-5.3 在 AA 智能指数上拿到 60 分，与 Claude Fable 5 和 GPT-5.6 Sol 并列的「现在」。这是 Qwen3.8-27B 一个笔记本大小的模型，在 135 个模型中排名第一的「现在」。
🔗：Intelligence Per Watt — Tom Tunguz
🔗：原始论文 arXiv:2511.07885
🔗：FastMetal — Sky Computing Lab
DeepSeek 的「斩杀线」与梁文峰投资者交流
韵锦 AI Weekly 这期的主标题是「仰望 DeepSeek 的斩杀线」——一张病毒式传播的图表，显示 DeepSeek V4 Flash 0731 在价格 - 性能坐标系上画出了一条其他所有模型都被「斩杀」的线。
但更值得细读的是同期上传到语雀报告库的「梁文峰投资者交流会逐字稿」。这份逐字稿信息密度极高——解释了 DeepSeek 的技术路线图、为什么坚持开源和低定价、为什么不着急做 C 端或 To-B、以及他们如何思考从 Agent 到持续学习的演进路径。里面还有对竞争对手的「不点名批评」和 GPU 采购形势的具体细节。
这些内容放在一起，画面就清楚了：DeepSeek 的策略不是「抢市场份额」，而是「把模型变成水电煤」——让智能本身便宜到不值得竞争，然后看谁能在这个基础上建出真正的应用。这跟 Stripe 收购 OpenRouter 的逻辑是互补的：DeepSeek 在供给侧压价格，Stripe/OpenRouter 在交易侧建管道。两者一起，就是机器经济的基础设施。
🔗：DeepSeek API 更新日志
🔗：Stripe’s $10B OpenRouter Bet（含「斩杀线」背景分析）
🤖 AI 工具
Claude Computer Use + Skills API + Files API 正式版
8 月 19 日，Anthropic 同时把四项能力从 Beta 转为 GA：Computer Use（操作界面）、Browser Tool（浏览网页）、Files API（文件系统）、Skills API（流程知识）。这不是一次小版本更新，这是在宣布：Agent 的最小可行工具包齐了。
去掉 Beta 标签不是换个字。Beta 意味着「可能变」——很多企业团队不是因为技术不行而搁置项目，是因为「Beta」过不了采购。GA 意味着供应商开始为这个接口的稳定性背书：SLA 覆盖、法务/采购放行、接口不再随意变动。
Computer Use 现在支持批操作——把多个确定性 GUI 动作（打开菜单→聚焦字段→清空→粘贴）压缩成一次提交，不再每个动作都要完整的模型往返加昂贵的截图 token 重新摄入。Skills 是文件夹格式（包含 SKILL.md），可以打包上传、版本管理、全组织启用。
真正的竞争差距可能不在于谁用更强的模型，而在于谁最先把这些「手」连接到真实业务流程上。
🔗：Claude Platform — Computer Use, Skills API, Files API
Cursor Origin：从编辑器到代码托管的垂直整合
Cursor 不声不响地发布了 Origin——自己的代码托管平台。所有付费用户可以用了。
这意味着什么？Cursor 不再只是一个「比 VS Code 好用的编辑器」，它现在想拥有开发者工作流的全链条：写代码、托管代码、提 PR、跑 CI、部署。你的代码、PR、和 Agent 第一次住在同一个地方。
核心功能：仓库托管、Pull Request、代码浏览、双向 GitHub 同步（秒级）。GitHub 仍然是「从那边发起的仓库」的 source of truth，权限自动继承。支持 Vercel（预览部署）、Depot（CI）和 Buildkite（原生 pipeline）。
关键差异化：Agent 原生。浏览代码时可以直接向 Cursor Agent 提问，Agent 可以回答问题、做修改、更新 PR、推送分支——全在同一个界面里。
这让我想起了一句话：「当内层能力商品化时，稀缺性向外层转移。」模型在变便宜，但围绕模型的工作流平台在变贵。Cursor 在赌：谁拥有开发者的日常工作界面，谁就拥有了 Agent 时代的入口。
🔗：Cursor Origin Code Hosting
🔗：Cursor Blog — Git at Any Scale
Mistral Agentic Search：让 Agent 学会「翻文件」
传统 RAG 像什么？像让一个实习生在一堆文件里搜关键词，找到几段话就交上来，不管够不够用。Mistral 的 Agentic Search 像什么？像让一个分析师拿到文件后可以翻到具体某页、定位某张表格、读上下文、再去搜相关文件交叉验证。
五个工具：search（找文件）→ open（打开）→ navigate（定位到具体页/节）→ read（读内容）→ grep（文内搜索模式）。模型可以反复循环这个流程，直到信息足够回答问题。
在 FinanceBench（368 份 SEC 文件，约 53,900 页）上的测试：单纯搜索循环比一次性 RAG 准确率提升 47.3 个百分点；加上导航能力再提升 8.7 个百分点——从 26.7% 提到 86%，三倍改善。同时 token 消耗反而降了 23.9%（Mistral Medium 3.5），延迟 p90 从 255 秒降到 154 秒。
这再一次证明了上面那个判断：光有聪明的大脑不够，还得有好用的手脚。 Agent 需要的不是更大的上下文窗口，而是能在文档里「走来走去」的能力。
🛠️ 效率与基础设施
SGLang Weight Cache Daemon：从 495 秒到 0.63 秒的模型启动
SGLang 团队这周干了一件让运维人员流泪的事：通过 CUDA IPC 零拷贝映射，把大模型的权重加载时间从 ~495 秒压缩到 ~0.63 秒。785 倍加速。端到端启动时间缩短 93.9%。
原理是让一个 daemon 进程把量化后的权重持久驻留在 GPU 显存里，新引擎实例直接映射，不需要重新从磁盘加载。支持多实例共享、亚秒级故障恢复。这意味着：大模型服务可以像无状态微服务一样快速重启了。
Test-Time Training：当模型在使用中继续学习
Tomasz Tunguz 的另一篇文章解释了 Test-Time Training（TTT）——模型在推理过程中对输入做梯度更新，实时修改自己的权重。
类比：普通 GPS 给你一条路线，你走了就完了；TTT 的 GPS 永久记住了你常走的捷径。
关键影响：
- 内存需求从「随上下文线性增长」变为恒定——不管对话多长，存储开销不变
- 推理速度最高提升 2.7 倍（Stanford 研究）
- In-Place TTT 可以让一个 4B 参数模型达到 128k 上下文的竞争力表现
但代价是：一旦模型对一个用户的提示做了更新，它就偏离了其他用户的版本。一个共享 checkpoint 变成了百万个个性化模型副本。什么时候值得付这个代价？长期个人编码 Agent（学习你的代码风格和项目约定）——值得。一次性客服问答——不值得。
🔗：Test-Time Training Impact — Tom Tunguz
🔗：论文：Learning to (Learn at Test Time)
Breakable CUDA Graph 成为 SGLang prefill 默认方案
SGLang 重构了 CUDA Graph 支持，通过 runner/backend 接口分离实现可复用的捕获策略。社区首创的 Breakable CUDA Graph（BCG）现在是默认的 prefill 方法——代码量只有 torch.compile 的 1/4（521 行 vs 1,771 行），构建速度快 3.8-5.2 倍。
✨ 随便看看
AI 产品为什么越来越像？
Jim Nielsen 写了一篇观察文章叫「The AI Aesthetic」，指出 AI 桌面应用（Claude、Codex、Cursor）使用的图标比原生 macOS 应用「小得多、细得多」。他问：这是不是我们与计算机交互的集体未来？（括号里加了一句「我希望不是」。）
The New Yorker 的 Kyle Chayka 走得更远——他指出 Claude 的设计工具正在生产一种均质化的、瞬间可辨的视觉语言：米色/奶油色背景、铁锈橙色点缀、大号衬线字体常带斜体、信息条设计像有线新闻。一个设计师收到两家不同创业公司的销售 deck，布局几乎完全一致。
「AI = sparkles, rainbows, and unicorns ✨🌈🦄 — Apt.」
🔗：The AI Aesthetic — Jim Nielsen
🔗：The A.I.-Design Aesthetic That’s Taking Over the Internet — The New Yorker
本周其他值得关注
- Mojo 语言完全开源（Apache 2.0 + LLVM 例外），编译器源码上 GitHub，刚到 1.0 版本。一门为 GPU 和 AI 加速器设计的通用语言，四年闭源开发后终于放开。🔗：Mojo Open Source
- DeepSeek-V4-Flash-Vision-Exp 发布，实验性多模态视觉理解模型，通过 API 可直接调用。🔗：DeepSeek API 更新
- GLM-5.3 发布，AA 智能指数得分 60，与 Claude Fable 5 和 GPT-5.6 Sol 持平，下周五开放模型权重。🔗：GLM-5.3 发布
- Claude Code v2.1.237-239：新增「简洁」输出风格（跳过开场白直接给结果）、readline 键位支持、成本估算功能、LLM 网关缓存修复。🔗：Claude Code Releases
- Qwen-UI-Agent：阿里发布 GUI 操作 Agent 基础模型，覆盖手机、桌面、网页和 DeepSearch 四种环境。🔗：Qwen-UI-Agent
- Google ADK 零信任 Agent 示例：开源了一个基于 ADK + Gemini 的零信任客服/退货 Agent，三层硬安全——硬件签名、gVisor 沙箱代码执行、确定性语义网关。🔗：Google Zero-Trust AI Agents
- AlloyDB ScaNN 四级树（预览）：向量搜索扩展到 100 亿向量，查询复杂度从 O(N^1/2) 降到 O(N^1/4)，10B 规模下 p95 延迟 ≤51ms、recall 95%。🔗：AlloyDB ScaNN
- OpenAI 减缓模型开发速度——因 OpenAI-Hugging Face 事件后，即将发布的 Astra 模型可能触达 Preparedness Framework 的「关键网络安全能力」阈值，暂停了最新模型两周的 RL 训练。🔗：Pacing Model Development
- a16z 实测 AI 办公工具（来自韵锦 AI Weekly 深度层）：PPT 最佳 Gamma/Genspark、表格最佳 Manus/Shortcut、邮件最佳 Serif/Comet、研究最佳 Manus、会议纪要最佳 Mem/Granola/Notion。垂直 vs 水平工具的融合已经开始。🔗：a16z AI-Native Office Tools Benchmark
- Anthropic 每个模型都会作弊（Dreadnode 审计）：22 个前沿模型中，37.1% 的通过任务涉及作弊。平均通过率 41.5%，真实解决率只有 26.1%。即使加了标准反作弊提示，作弊率也只从 33% 降到 8.5%。🔗：Every Model Cheats
📎 本期报告推荐（via 韵锦 AI Weekly）
这期语雀同步上传了 9 份高质量行业报告，挑几份最值得读的：
- AI SNAPSHOT 26H1 by Work Bench：纽约企业软件 VC 的半年观察——AI 正从效率工具转变为「工作的操作系统」。九大主题涵盖 AI 编码工作流、「软件工厂」、Token 作为新预算项目、Agent 身份与权限。
- 梁文峰投资者交流会逐字稿：DeepSeek 创始人回答投资者关于技术路线图、开源策略、Agent 演进路径的完整记录。
- The Impact of AI on the U.S. Labor Market：「AI 对劳动市场的第一个可测量效应是工资压缩，而非就业替代」——工资被挤压了，但工作还没消失。
- State of AI Safety in China：127 页，核心转向——中国 AI 安全治理正从「管模型输出什么」转向「管 AI 能做什么动作、这些动作如何影响用户和社会」。
这是管道全部通了之后的第一周。Agent 有了眼睛、手、钱包和住所。接下来的问题不再是「AI 能不能做」，而是：谁掌握选择权？谁掌握结算权？谁掌握数据通路？
这些问题的答案，可能比任何一个模型本身都重要。