Anthropic讨论开放权重，Kimi发布K3权重，MAI Cyber推出新模型

Anthropic明确表示未主张全面封禁开源权重，并认为能力较弱的开源模型发布是公共福祉。其支持更严格的芯片管控、打击工业规模蒸馏，以及对足够强大的开源和闭源模型进行强制安全测试。这一立场在开源与安全之间寻求平衡。

与此同时，Moonshot开源了Kimi K3的模型权重和技术报告。K3是一个2.8T参数的MoE模型，具备原生视觉理解和百万token上下文窗口，采用新架构后宣称每单位计算智能提升2.5倍。Moonshot还开源了高性能注意力内核、MoE通信库等底层基础设施。

开源与安全的张力在产业联盟中亦有体现。Open Secure AI Alliance由NVIDIA、微软等领导者组成，旨在利用开源技术解决AI漏洞，提供开放防御工具，并鼓励政策制定者将开放模型视为AI安全战略的资产。

微软推出MAI-Cyber-1-Flash，一个专门用于在大型代码库中寻找困难漏洞的模型，并配套MDASH平台进行漏洞识别与修复。Cogent则发布了VR-1，一个前沿网络推理模型，能够自主调查环境、测试假设、跨越系统边界并执行攻击链。

Cogent在IntrusionBench（一个衡量代理能否从有限初始访问完成真实企业攻击链的基准）的黑盒配置下，VR-1的pass@3比最强基线提升超过2倍。但Cogent强调VR-1和IntrusionBench均处于早期预览阶段，结果尚属初步。

两个模型均聚焦于网络安全，但路径不同：微软侧重漏洞发现，Cogent侧重自主攻击链执行。这反映出AI在安全领域从辅助工具向自主代理演进的趋势。

一篇分析文章指出，代理的自主性取决于任务复杂度，而非仅模型质量。任务分为四个层级：助手、人在回路、代理委托和自动驾驶，由检查难易度和错误后果决定。实施护栏、自定义技能和领域特定模型可提升代理自主性和效率。

OpenAI的分析发现，工人越来越多地将ChatGPT用于传统上属于其他职业的任务。对80万美国用户消息的分析显示，在大量职业特定对话中存在这种“任务交叉”。这暗示AI代理正在模糊职业边界，但自主性仍需根据任务风险谨慎设计。

Molt框架则从工程角度支持代理训练：它是一个PyTorch原生框架，将代理本身视为程序，支持自定义Python奖励、工具使用、多模态环境和LLM评判器，可扩展至万亿参数MoE模型。