每周 AI 工具观察 · 第 6 期

这是「每周 AI 工具观察」的第 6 期。每周一更新，一期看完本周值得关注的 AI 工具动态。所有工具都以亲手实测为准，没测过的只谈事实、不下结论。

本周工具动态

1. Kimi K3.1 Pro 权重落地：上期预告兑现，但“开源”二字要再加限定

11 月 4 日，Moonshot 如约放出 Kimi K3.1 Pro 的完整权重，距离 10 月 23 日模型发布十二天。这是上期“值得关注”里排第一的跟进项，现在可以逐项复核。Hugging Face 仓库 moonshotai/Kimi-K3.1-Pro 于 11 月 2 日创建，11 月 4 日权重正式公开。模型本体是原生多模态混合专家架构，总参数 2.8 万亿，每 token 激活约 1040 亿（896 个专家、每 token 选 16 个），上下文窗口 100 万 token，视觉编码器为 4.01 亿参数的 MoonViT-V2。下载体积很实在：MXFP4 量化权重，96 个 safetensor 分片合计约 1.56TB——和上期的 Mistral Large 4 一样，这不是一台家用机能跑的模型，而是机房级别的体量。(llms.blog 的权重发布梳理 / AccessAllGPT 的发布核查)

License 是本期最值得逐字读的部分，和上期 Large 4 的套路如出一辙。权重使用的是定制版 Kimi K3.1-Pro License，不是标准开源协议：允许使用、修改、微调和商业化，但有一条收入门槛——过去 12 个月收入超过 2000 万美元的企业，以 Model-as-a-Service 形式对外提供该模型需要先向 Moonshot 另签协议；超大商业产品还可能触发署名展示要求。换句话说，自己部署自用、做成产品内嵌都没问题，但“把这个模型本身当服务卖”且规模够大时不在免费范围内。性能方面，Moonshot 的自测数字是 Terminal-Bench 4.0 65.7%，只比 Claude Opus 5.5 的 66.4% 低 0.7 个百分点，高出 GPT-6 Astra 的 58.2%。API 定价为每百万输入 2 美元、输出 10 美元，高速版 Highspeed 翻倍为 4 美元和 20 美元——正好是 Opus 5.5 的一半。(explainx.ai 的基准与价格整理 / AIAgentsForce 的对照分析)

独立一侧的读数开始出现，但还很初步。SuperCLUE 的 11 月榜单把 K3.1 Pro 排在第一位，61.46 分；BenchLM 则把它排在全部 212 个模型的第 12 位，是其追踪的排名最高的开权重模型。两处排名口径不同，不能直接拼成一个结论；更关键的是，65.7% 这个 Terminal-Bench 数字截至 11 月 5 日还没有独立实验室的复现报告。厂商自测、第三方榜单、独立复现是三档不同的证据，现在只到了第二档。上期留的三个问题至此有答案：license 已公布且不是纯 MIT/Apache 风格，但自用和产品内嵌是放开的；权重如约落地；社区独立跑分刚起步，厂商的 65.7% 先打折听。

我的看法：K3.1 Pro 落地的真正意义，是“便宜的第二意见”又多了一个万亿参数级别的选项。对独立开发者，1.56TB 的下载量决定了你大概率不会本地跑它，真正落袋的是三件事：第一，API 价 2/10 美元是 Opus 5.5 的一半，长任务可以先拿它当便宜的第二意见，或者当主力的交叉验证；第二，权重可下载意味着可以微调、蒸馏、离线评估，不再只看厂商给的数字——等社区独立跑分出来，再决定它是不是你的主力编码模型；第三，两周内 Mistral 和 Moonshot 相继用“收入门槛 + MaaS 另签”的方式放权重，这已经是开权重模型的新默认条款：选模型之前先读 license 全文再定商业模式，别等到产品上线才发现“卖模型服务”要另付费。实操上一个可直接抄的动作：拿你手头最熟的一组真实任务（修 bug、重构、写测试各 3 个），在 Kimi API 和现有主力上各跑一遍，按“每完成一个任务多少钱”记账——2 美元输入价只有在通过率不掉队时才是真便宜。

2. DeepSeek Super-Agent：不是新模型，是“不用等你开口”的 agent 原型

10 月 31 日，DeepSeek Harness 团队发布了一个研究原型 dsh-superagent，11 月 1 日又贴出设计长文《Exploring Super-agent Design: Towards a More Autonomous Agent System》。这不是一个新模型，而是一个主动式编码 agent 的开源实现：它盯着一个 GitHub 仓库（可选再接飞书群聊），自己发现工作、自己拆任务、自己出 pull request，不用等你一句一句下指令。仓库两天内破 1.2 万星，设计长文的英文机翻版在 X 上被看了 220 多万次。(Anima 的发布梳理 / Vector 的发布核查)

架构上值得拆开看。Super-Agent 是一个 Router-Worker 结构：一个长期在线的 Router 会话负责跟人对话、接需求、拆任务，每个被接受的需求再交给一个独立的 Worker 会话执行，最后以 pull request 或提问的形式回到原对话里。DeepSeek Harness 团队自己给的数字是：一个人同时只能跟进 3 到 5 个活跃 agent 会话——Router 的存在就是为了解决这个瓶颈，让“一个人管一群 agent”成为可能。团队在内部模拟里称这套结构比单会话 agent 在 p95 耗时上快 1.9 倍，但要划重点：那是内部模拟，测的是任务完成时间和路由吞吐，不是真实仓库里的代码质量，也没有独立复现。(Synergised 的 Harness 解析 / Fouad Salkini 的部署边界复核)

README 的警告要全文读一遍再决定碰不碰。第一句就是“Research prototype for reference only, not an official DeepSeek product”——研究原型，不是 DeepSeek 的官方产品；很多代码本身就是由编码 agent 写出来的，可能有 bug；设计文章里的一部分思路在发布的代码里根本还没实现。部署文档要求 Router 和 Worker 预设都以 danger-full-access 权限跑在操作系统的用户账号下，Harness 的 SAFETY.md 也明说这套软件没有经过安全审计，不应按生产标准对待。它只服务单个仓库、不支持 GitHub Enterprise Server、也不能用 GitHub App 当 agent 账号——这些边界条件，决定了它现在能进的场景非常窄。

我的看法：Super-Agent 真正值得关注的不是代码本身，而是它点出的方向：agent 的下一跳不是“更会写代码”，而是“更少打扰你”。现在的编码 agent 还是“你问一句、它答一句”的模式，一个人同时盯 3 到 5 个会话就到上限；Router-Worker 是在回答“怎么让一个人管十个 agent 还不乱”。对独立开发者，这个原型现阶段的正确姿势是“读设计、不部署”：设计文章里关于任务拆分、权限边界、会话回收的思路可以直接抄进你自己的 agent 流水线——比如给每个长任务配一个常驻的“接线员”会话、执行会话用完即弃、所有写操作先过一遍人工 review 队列；但别急着把它接进你真正赚钱的仓库，danger-full-access 加未审计代码这个组合，配不上生产数据。等社区有人在隔离环境里跑出真实仓库的通过率和事故率，再决定它值不值得进你的工具箱。顺带一提，Super-Agent 和上期的 Kimi、Mistral 连起来看，本周其实是“开权重、开运行时、开 agent 原型”的三连——中国厂商正在把 agent 的每一层都变成可以自己搭的东西。

3. Meta 收购 Conductor：11 月 4 日宣布，11 月 20 日云服务就开始删数据

11 月 4 日，Meta 收购了 AI 编码工具 Conductor。Axios 当天 18:15（UTC）率先爆出消息，三分钟后 Conductor CEO Charlie Holtz 在 X 上确认“加入 Meta”；Meta 向 TechCrunch 确认了交易，但没有透露价格和条款。团队加入 Meta Superintelligence Labs，与 Nat Friedman 和 Alexandr Wang 一起做“下一个界面”。Conductor 的产品不卖模型，卖的是“并行”：给每个任务开一个隔离的代码库副本、跑一个独立的 agent，开发者逐个 review 再合并——一个人同时指挥一队 agent 的控制面板。公司 2024 年成立，2025 年 7 月上线产品，2026 年 3 月刚拿了 2200 万美元 A 轮，据称用户超过 10 万。(TechRepublic 的关停时间线 / Cognativ 的收购梳理)

对用户来说，价格不重要，时间表才重要。Conductor 在同一天公布了分阶段关停：11 月 4 日起停止新注册和下载，免费用户不能再升级，现有 Pro 用户免费保留全部功能；11 月 13 日 Conductor Cloud 只读，订阅用户收到退款；11 月 20 日云服务彻底关停并开始删除云端用户数据；本地 Mac 应用继续获得新模型支持和关键修复，直到 2027 年初开始收尾。也就是说，从宣布到云端数据开始删除，只有 16 天。Conductor 表示从未出售或用用户数据训练模型，关停时将删除全部用户数据。(CellCog 的收购核查 / LetsDataScience 的同日收购盘点)

值得注意的是，11 月 4 日同一天还有两笔同类交易：OpenAI 宣布把 Pierre 的 Code Storage 并入 Codex，Factory 则吸收了 HumanLayer。三笔交易、同一天、都是“agent 工具层”的并购——控制面板、代码存储、人机交接层正在被大厂成批收进自己的体系里。

我的看法：Conductor 这件事对独立开发者的教训不在“Meta 又买了一家公司”，而在“你的 agent 工作流有多少放在别人家的云上”。16 天的导出窗口，放在任何一个正在跑项目的团队身上都是事故级别——正在跑的任务、攒下的对话历史、配好的 agent 配置，全都要在两周内搬走。给自己做一次 10 分钟的体检：列出你每天用的 agent 工具，逐个问三个问题——对话和配置能不能一键导出？核心能力有没有本地替代品（比如 ThinkRail 的 worktree 隔离思路、OpenCode 这类开源 agent）？如果它明天宣布关停，你的流水线几天能恢复？答不上来任何一个，就先把导出和备份做了，再谈效率。更深一层看，Conductor、Pierre、HumanLayer 同一天被收编，说明“agent 的控制层”正在从独立工具变成大厂的标配能力——独立工具的窗口期在缩短，选工具时要把“被收购后关停”的概率也算进成本里。

值得关注的更新

美团 LongCat-2.5 正式上线（11 月 2 日）：原生多模态模型，总参数 1.6 万亿、每 token 激活约 480 亿，上下文 100 万 token，主打长程 agent 任务；美团称全程用国产芯片训练，但没有公布芯片厂商和数量。API 定价每百万输入 0.30 美元、输出 1.20 美元，提供 Anthropic 兼容端点和 Claude Code 接入指南，定位就是“便宜的 Claude Code 引擎”。但要注意三点：权重截至 11 月 3 日仍未发布；美团称其基准“介于 Claude Opus 4.8 与 Opus 5 之间、部分超过 Opus 5”，但没有独立实验室验证过；1M 上下文是标称值，按官方指南接入 Claude Code 时会话会在 20 万 token 处被压缩。(Machine.net 的发布核查 / Technology.org 的发布报道)
Anthropic IPO 路演或在本周启动：S-1 已于 10 月 26 日公开，拟在纳斯达克上市、代码 ANT，发行价和股数仍未定。彭博报道称路演可能从 11 月 9 日这一周开始；《华尔街日报》称公司希望在感恩节前一周上市、募资约 1000 亿美元——这两个数字都是媒体报道，不在招股文件里。上市动静值得盯，因为它直接决定 Claude 的定价权和 Anthropic 未来几年的投入力度。(The Batch 第 378 期的 IPO 追踪 / TheCodeW 的路演时间梳理)
Gemini 4 Carbon 仍无公开时间表，Argon 涨价点临近：上期排第一的 Carbon 仍只开放给 Fairwind 计划里的部分网络安全防守方，Google 没有给出开发者和普通用户的公开时间表；入门价每百万输入 2 美元、输出 10 美元，涨价日期同样未公布。与之对照的是 Argon：入门价 11 月 30 日之后上调到 4 美元和 20 美元——如果你现在用 Argon 跑流水线，11 月底之前重算一遍单位成本，别等账单来了才发现涨了一倍。(The Batch 第 378 期的 Carbon 追踪，单源)
Google 11 月 1 日退役消费级 Gemini CLI，Jules 品牌停用：Antigravity 现在是 Google 唯一的编码 agent，旗下包括桌面应用、Go 写的 CLI、SDK、Managed Agents API 和企业部署路径；Agent Development Kit（ADK）也在 11 月到了 v2.6.0。还在用 Gemini CLI 免费额度的，先确认你的工作流已经迁到 Antigravity CLI，别等到命令跑不通才发现。(Codex 知识库的 11 月格局盘点，单源)
OpenCode 2.2 内置 Claude Agent（10 月 30 日）：10 月 30 日一天连发三个版本（2.2.3 至 2.2.5），核心是内置 Claude Agent provider——直接复用你的 Claude Code 登录，不用再单独配一份 Anthropic 密钥；同期还加了 artifacts 支持和长会话性能优化。11 月 6 日又跟进到 2.2.6。对“一个终端、多个模型”的用户来说，这是把 Claude Code 变成可插拔后端的关键一步。(Oday Bakkour 的 11 月 1 日工具盘点，单源)

一句话点评

本周的关键词是开权重、主动 agent、收购关停：模型和运行时越来越开放，但工具层的洗牌只会越来越快——你的流水线越依赖单一云端工具，16 天的关停窗口就离你越近。

下周值得看

Kimi K3.1 Pro 社区独立跑分与实测复核：Terminal-Bench 4.0 的 65.7% 能否被独立复现、vLLM 部署的真实成本、以及 API 上“每完成一个任务多少钱”的实测账
Conductor 替代方案实测：11 月 13 日云只读、11 月 20 日关停两个节点之前，本地 worktree 隔离方案（ThinkRail 路线）与开源 agent 组合能不能平替“一队 agent 并行”的控制面板
OpenShell 实测与 Claude Code Skills 打包教程：上期排队的两项继续推进，跟着“管得住、测得准、复用得了”这条线走
Anthropic IPO 路演与定价：路演是否如期启动、发行价区间何时公布，以及上市消息对 Claude 订阅与 API 价格的连带影响

往期回顾：这是第 6 期。