AI每日新闻:模型继续升级,工具开始接管完整任务

10月29日，AI更新同时发生在模型能力和工作流程两端。本期汇集原文标注10月28日至29日的新闻、研究与教程，并收录一篇10月28日进入精选的组织协作观点文章。

看新工具，除了能做什么，也要看现在谁能用、结果如何检查，以及费用由谁承担。

图像模型

01. MOSS-Image：把长文字和版式一起交给图像模型

摘要：OpenMOSS 介绍了5B参数的开放权重图像模型 MOSS-Image，支持最长约4K token提示词，以及用JSON描述文字、对象和边界框的位置。

Base与SFT权重采用Apache-2.0许可，提供本地推理和微调路径。

它面向海报、信息图等文字密集任务。但当前基座是文生图模型，不能直接输入参考图，也不提供原生图像编辑。发布方的文字与布局评测不能代表所有设计任务；正式出图仍需逐字检查。

来源：OpenMOSS｜原文10月29日

实用教程

02. PDF表格提取：返回成功，也要检查有没有漏行

摘要：OpenRouter 发布了用语言模型读取PDF表格的教程：发送文件时同时给出严格JSON结构，让数量、金额等字段按类型返回，并说明括号负数和脚注如何处理。

教程测试了5份生成的PDF，其中含扫描件，结果只适用于这组样本。实际使用需检查解析路线、空结果和输出长度上限，再核对行数与金额；示例调用需要付费额度，不能把接口没报错当成表格完整。

来源：OpenRouter｜原文10月29日

架构研究

03. Cartesia研究H-Net：让模型自己学习如何切分文本

摘要：Cartesia 发布新一轮H-Net研究，让模型从字节中动态学习分块，减少对预先固定分词表的依赖。

研究比较了受控的单阶段架构，也探索了更灵活的双阶段网络。

研究方报告了特定配置下的计算效率提升，但不同架构、训练数据和任务的结果不能合并成一个通用倍数。对开发者而言，这是模型训练路线的进展，尚不能据此承诺现有应用立即提速或降低同样比例的费用。

来源：Cartesia｜原文10月28日

模型发布

04. Gemini 4 Carbon发布，先向部分安全防御者开放

摘要：Google DeepMind 宣布Gemini 4 Carbon，重点改进网络安全和长时间、多步骤工程任务。

官方表示，本周先向部分安全防御者提供访问，再通过Fairwind计划逐步扩展给可信合作伙伴。

面向普通开发者、企业和消费者的产品开放仍在后续安排中。官方公布的安全基准有特定测试条件，不能直接当作真实环境成功率。已宣布的每百万输入2美元、输出10美元是未来上线的介绍期价格，介绍期后为4美元和20美元。

来源：Google DeepMind｜原文10月28日

运行框架

05. 微软把Copilot运行框架带到Foundry

摘要：微软宣布通过Foundry提供Copilot harness。

这个运行框架负责模型周围的指令、上下文、工具、执行环境和控制，支持开发者构建持续执行复杂任务的智能体。

开发者可下载SDK，或使用Foundry托管的云端运行方式。它的意义是减少重复搭建运行系统的工作；企业仍需配置自己的工具、权限和模型选择。“提供使用渠道”也不等于所有相关组件均已开源。

来源：Microsoft｜原文10月28日

行业调研

06. a16z调查：安全预算在增长，AI工具仍需验证

摘要：a16z 调查了100位来自员工超过1000人的企业安全负责人，其中87%预计2027年网络安全支出增长。

但报告称，AI安全运营中心工具进入生产环境的比例仅为18%。

这些数字反映该调查样本与受访者计划，不能代表所有企业或已经发生的采购。报告关注智能体权限、漏洞修复及复测，提醒团队评估工具时同时看“发现了什么”和“是否修好”，并为高风险操作保留人工批准。

来源：a16z｜原文10月28日

年度报告

07. GitHub年度报告：智能体参与增加，审核仍是关键

摘要：GitHub Octoverse报告称，过去12个月平台代码推送达179亿次，合并的拉取请求达13亿次。

截至9月，开发者借助智能体开始的拉取请求超过40%，3月时这一比例为17%。

这是平台遥测所呈现的开发活动变化。发起或起草代码变更，距离通过测试、审核和交付仍有多道步骤；提交量增长不能直接等同于质量提升，也不能单凭相关数据断言某个工具带来了同等效率收益。

来源：GitHub Octoverse｜原文10月28日

产品更新

08. GitHub Universe：把跨项目智能体工作集中起来

摘要：GitHub 在Universe介绍了Copilot app、跨仓库项目会话及会话连续性，让用户在应用、编辑器、命令行和网页之间跟进云端智能体工作。

重点是把任务推进、检查和人工决策连接起来。

同时，GitHub Enterprise客户可通过销售渠道使用按AI额度付费的Copilot功能，无需另购独立订阅；自助渠道仍待开放。这是产品与计费安排，不是免费使用全部AI功能，也不取消开发者对最终交付的责任。

来源：GitHub｜原文10月28日

协作观点

09. AI如何进入组织：三种值得讨论的协作位置

摘要：OpenAI网站刊登的《The future of the firm》讨论三种组织情景：AI成为每个人管理的助手、成为团队中的协作成员，或进入人与人之间承担协调工作。

文章明确表示，这些是两位作者的观点，并不代表OpenAI或同事的立场。它提供的是讨论分工、决策权限与责任的框架，没有证明企业会统一走向某一种组织形态；更适合用来审视现有流程，而非当作裁员或岗位变化的预告。

来源：OpenAI网站作者专栏｜10月28日收录；页面未标日

使用成本

10. Claude Code额度用尽后，可选择另行计费的API

摘要：OpenRouter 发布教程，演示将Claude Code连接到其API，按实际token用量另行付费。

用户可以为这一调用路径设置预算，并在原订阅额度恢复后切回原来的方式。

这不属于免费绕过限额，也不会重置原套餐。教程中的短会话费用是特定测试结果，不能作为每个项目的报价；使用前应检查服务兼容性、预算上限和实际账单，不只依赖客户端显示的估算费用。

来源：OpenRouter｜原文10月28日

今日观察

AI开始参与更长的任务，验证、权限和费用也随之进入日常工作。

可以先选一个范围明确的小任务，保留原始资料、检查条件和预算，再判断新工具是否值得进入自己的流程。