智谱开源 ZCode，切断仓库快照上传链路

概览

本期共 10 条，前 3 条为今日重点；正文按板块展开。

热门模型动态

1. 重点 · 智谱把 ZCode 整体开源，Repo Wiki 一并删除
2. 重点 · OpenAI 三档开发者计划出现在引导页，Accelerate 50 美元起
3. 重点 · OpenBot 摆出四个智能体，对标 Grok Bot

全球 AI 资讯

4. 诺基亚开源 AnyJev：不训练就把开源模型变成判定器
5. Rabbit 的 OS3 不再需要 R1，跨三个桌面平台跑
6. Trane 把 20 分钟的楼宇排查压到 20 秒
7. Grab 与 OpenAI 在东南亚培训 3 万名合作伙伴

区域与早期信号

8. 千问办公发布「企业上下文」，把 150PB 与百万 token 的落差摆上台面
9. 豆包工作加「目标」和「计划」两种任务模式
10. 它石智航披露 AWE 基座与三条硬件线

九凤根据本期已引用来源整理。

热门模型动态

快照上传风波之后，智谱用 Apache 2.0 开源全部组件，并切断本地仓库快照的生成与上传链路。

9 月 18 日，开发者 ferstar 在清理 MacBook 磁盘时注意到 ~/.zcode 目录占用异常，逆向客户端并分析网络请求后发现，ZCode 会生成本地工作区快照——不只有当前代码文件，还包括 .git 历史、Git LFS 缓存和 reflog——并存在把加密快照上传到阿里云 OSS 的链路。快照采用 AES-256-CTR 加密，密钥再由服务端下发的 RSA 公钥封装，对应私钥掌握在云端；客户端先向服务端取 snapshot ID、RSA 公钥和 OSS 上传凭证，在本地打包加密后把密文直传 OSS。他公开的两份样本，结果并不一样：

智谱回应称问题来自代码库索引功能，该功能支撑本地索引、历史版本会话检查点、历史版本回退和 Repo Wiki，其中 Repo Wiki 在云端生成时可能触发仓库数据上传；这项功能早期默认开启，数据在 Wiki 生成后销毁，没有用于模型训练。三天后，智谱把整个产品开源：

• 许可证：Apache 2.0
• 开源范围：Desktop、Web、Backend、Agent CLI、Agent Runtime 等主要组件
• v3.14.0 改动：删除 Repo Wiki，切断本地仓库 snapshot 的生成和上传链路
• 第三方核查：中国信通院确认相关 OSS bucket 已处于零数据状态，绿盟科技确认相关数据对象和 bucket 已删除

局限：那份 313MB 的快照始终停在本地 pending、从未成功上传，真正被服务端接收的是后来那个 15KB 的测试仓库，两者规模差得很远。智谱同时承诺建立长期漏洞响应和奖励机制，但 InfoQ 在文中指出，对一款能读取整个代码库、运行 Shell、连接 MCP、调用插件、并可能接触企业凭据的工具来说，连续几轮整改之后，信任问题仍然摆在那里。

来源：InfoQ 中文 · ZCode 源代码

TestingCatalog 截到的引导流程显示 Free、Prototype、Accelerate 三档，但页面既没给发布日期，也没确立能不能托管完整应用。

按 TestingCatalog 的报道，OpenAI 正在为平台开发者准备三个档位，命名为 Free、Prototype 和 Accelerate。Free 面向只是想试 API 想法的开发者，提供经 Codex 的免费 API 访问和受限的 Playground 访问；Prototype 提供全部模型、更高用量以及更宽的 Codex 与 Playground 访问；Accelerate 定位生产应用，给全部模型和更高的用量与速率上限。

时间点上，OpenAI 的 DevDay 定在 9 月 29 日旧金山举行；在 TestingCatalog 引用的帖子里，Sam Altman 对开发者说「See you next week」。OpenAI 已经在 9 月 10 日推出过 Agents API，为一类更窄的工作负载提供托管基础设施。

局限：这是一份引导流程的截图，不是公开发布公告。报道明确写了两点没被确立：Accelerate 那个「Starting at $50」没有标明计费周期，页面也没有说明开发者能不能在上面托管完整应用（而不只是跑 Agents API 那类托管负载）。

来源：RuntimeWire · TestingCatalog 原帖 · OpenAI DevDay

CopilotKit 两位联合创始人用同一道行程规划题，把自托管的开源方案摆在 SpaceXAI 的托管服务旁边——这是定位宣示，不是评测。

CopilotKit 联合创始人 Atai Barkai 与 Uli Barkai 在 9 月 22 日发了一条三帖的 X 串，让 OpenBot 的自托管智能体团队和 SpaceXAI 的 Grok Bot 做同一项行程规划任务。两边各有四个角色：Traveler Assistant、Flight Bot、Accommodation Bot 和 Attractions Guide。OpenBot 方面称两边收到的提示词完全相同，两次运行都做了录制。

两者的运营模式并不一样：Grok Bot 以托管服务的形式提供模型、云端电脑和界面；OpenBot 交付的是源码和基础设施控制权，部署与模型选择留给使用方，支持 Mastra、CrewAI、Pydantic AI 等框架，每个 AI 同事可以有自己的浏览器、文件和工作区，动作要经过可配置的策略与审计控制。Grok Bot 是在 8 月 11 日发布的。

局限：来源写得很直白——这段对比给出的是立场，不是可复现的性能证据。一段演示视频不构成基准测试，没有公开的评分口径、重复次数或任务成功率。

来源：RuntimeWire · OpenBot 仓库 · Grok Bot 发布公告

全球 AI 资讯

一个 Python 库，把开源 LLM 当成带概率的决策模型用，不做训练、不生成、不解析。

诺基亚应用研究团队开源了 AnyJev，针对的是生产里很常见的一类活：从固定选项集里挑一个答案，而不是写一句话。它的接口借鉴自 Jev——TypeSafe AI 在 2026 年 9 月推出的 System One 决策模型。用法是给一个有类型的问题，拿回一个带概率的决策，概率直接读自模型的 next-token 分布，使用方按阈值判断。

• 许可证与分发：Apache-2.0，可从 PyPI 安装
• 支持的问题类型：choice（K 选 1）、noul（是/否）、score（落进若干有序分档）
• 后端：仓库注明当前只有 transformers 后端支持全部校准级别

在 Qwen3-8B 上跑 BANKING77，项目给出的校准效果是：

仓库里还有一张覆盖 Qwen、OLMo、Granite、Phi、Mistral 的完整消融表，并把结果与 Jev 公布的 ECE 0.144、以及微调模型 Laya 的准确率放在一起对照。

局限：这些数字出自项目自己的消融实验，没有第三方复测；概率读自 next-token 分布，具体阈值仍要使用方自己定。后端这块两处说法不一致：仓库写的是经 vLLM / SGLang 的服务在路线图上、不在本次发布里，MarkTechPost 的报道则直接称已有 vLLM 后端。

来源：MarkTechPost · AnyJev 仓库

智能体跑在云端、在本机执行，一个账号最多接五台设备，模型自己选。

Rabbit 推出独立的 AI 智能体，不必买它的硬件就能用。公司把新的 OS3 称作「agentic operating system」：运行在云端，但在 Windows、Mac 和 Linux 设备上本地操作。一个账号可以加最多五台设备，并接入用户自己偏好的 AI 模型；OS3 会自行判断完成一项任务需要哪些设备、文件、应用和模型。入口有三类——专用的桌面站点、配对的消息应用（如 Telegram 或 iMessage），以及 Rabbit 的 R1 设备。

局限：The Verge 在报道里把 R1 称作「表现不及预期」的设备，并援引 Wired 的采访称 Rabbit 创始人 Jesse Lyu 表示公司已停止相关硬件制造。报道没有写 OS3 支持接入哪些模型、定价以及开放地区。

来源：The Verge

三到四周搭出来的智能体方案，把跨多个仪表盘翻菜单的诊断换成一次自然语言问答。

Trane Technologies 在全球管理数百万台联网的暖通空调（HVAC）资产，过去要拿到一个运行状态的答案，往往意味着在多个仪表盘之间交叉比对、层层点菜单，耗时 20 分钟以上。工程团队用三到四周时间在 Amazon Bedrock AgentCore 上做出一套智能体方案，把这段多屏诊断流程变成 20 秒的自然语言交互，也就是 60 倍的「拿到结论」提速。

架构上有三个关键取舍：智能体逻辑与工具执行分离；实时遥测通过一个集中的工具网关接入；回答按不同角色分别裁剪。

局限：这 60 倍来自 Trane 自己和技术员一起做了数周的内部基准测试，不是第三方评测，也没有公布对照方法、样本量或失败案例。

来源：AWS Machine Learning Blog

一个区域性的 AI 技能项目，名字叫 GO Forward with AI，目标覆盖 3 万名 Grab 合作伙伴。

OpenAI 与 Grab 联合推出区域项目 GO Forward with AI，面向东南亚，帮助 3 万名 Grab 合作伙伴掌握可以直接用起来的 AI 技能。这是 OpenAI 官网发布的公告，落点是区域层面的技能培训，而不是产品或模型能力。

局限：本条依据的是这条公告的标题与摘要，公告正文抓取失败、未能逐句核验；除 3 万名合作伙伴这个规模数字外，课程内容、开课时间表与覆盖国家的铺开顺序，本文无从确认。

来源：OpenAI

九凤根据本期已引用来源整理。

区域与早期信号

阿里给企业 Agent 的答案是上下文：数据在企业里有 150PB，模型一次只看得到 100 万 token。

云栖大会期间，阿里巴巴集团副总裁、千问办公 CEO 陈宇森给了一组对照数据：一家中大型企业内部的数据规模平均约 150PB，而目前最强模型的上下文窗口多为 100 万 token 左右。千问办公据此发布面向企业的新产品「企业上下文」（Enterprise Context），配合自身的 Agent 托管能力，让「懂业务的数字员工」在钉钉等 IM 上和人类员工协同。

陈宇森把企业用不起来 Agent 的原因归成三条：

• AI 不懂业务：通用任务丢给任何一个够好的 Chatbot 都能做，换成具体企业的问题就答不上来
• 个人快了、组织没快：把八小时压成一小时的人，经验既没机制分享给同事，也没机制沉淀给组织
• 想用但不敢用：要在省成本的同时守住数据安全底线

千问办公副总裁、产研负责人束骏亮的判断是，行业技术正在趋同，决定 Agent 能不能理解一个人、一个行业的核心，在于推理时给它多少上下文。发布里举的古茗案例说明了信息分散的形态：门店新品操作标准可能在培训视频里，设备维修方法在知识库或答疑群里，海报张贴规范又在另一份门店文件里，店员问一个具体问题时，Agent 需要找到适用的那一条，而不是罗列全部资料。

局限：中文来源，材料出自发布会介绍。没有给出企业上下文的检索准确率、可接入的数据源清单、私有化部署形态、定价和开放时间；古茗只是讲解用的例子，没有任何量化效果。

来源：钛媒体

一种在交付前逐项核查验收要求，一种先出可编辑的计划文档、等确认再动手。

豆包工作升级了任务模式。「目标模式」面向有明确验收要求的复杂任务，AI 会在交付前逐项核查，直到达到验收目标，用来避免交付不达标和执行跑偏。「计划模式」面向长程、资源消耗大、需求模糊的任务：输入提示词后先产出一份可审阅、可编辑的计划文档，用户确认后 AI 才开始执行，目的是让过程更可控、算力消耗更合理。同批更新还包括任务队列、Markdown 文件编辑和深色模式。

豆包工作是 8 月 25 日正式发布的 Agent 产品线，发布后近一个月内已陆续支持多 Agents 并行、GUI 操作电脑、本地 Office 文件编辑和任务执行环境自由切换；豆包 2.1 Pro 近期也完成了一次小版本升级。

局限：中文来源，是一篇功能通报。上述模式和功能目前只在豆包工作电脑版上线，稿件没有给出两种模式在成功率、耗时或算力消耗上的对比数据。

来源：雷锋网

百万小时人类操作数据训出的具身基座模型，配轮式、双足和 21 自由度灵巧手——全部出自企业自述。

在 2026「跨国企业上海行」推介会上，它石智航创始人兼 CEO 陈亦伦作为现场唯一获邀发言的上海本土企业代表介绍了公司进展。数据侧，它石称首创「以人为中心」的数据范式，采集了超过一百万小时的真实人类操作数据，并以此自研 AWE 具身智能基座大模型，针对精细操作、柔性物体处理、长程任务规划和泛化能力。硬件侧有三条线：自研 A 系列轮式机器人、T 系列双足机器人，以及 21 自由度准直驱 DexHand 灵巧手。团队方面，研发团队硕博占比超过 80%，创始团队为陈亦伦、李震宇、丁文超、陈同庆和 Vincent 五人。

局限：中文来源，全部内容是企业在推介会上的自述，量子位未做独立核验。稿件没有给出产线部署数量、任务成功率、交付节奏或客户名单；所称「中国具身智能有史以来最高单轮融资纪录」也没有披露具体金额。

来源：量子位