DeepSeek开源SuperAgent：Agent必须学会持续接活

DeepSeek Harness团队近日公开了一份SuperAgent设计文章和对应GitHub仓库，采用MIT许可证，明确标注为研究原型。它想解决的问题不是模型会不会写代码，而是一个人每天被消息、工单、代码审查打断时，如何同时管理多件真正需要交付的工作。

这个方向比“又一个编码助手”更值得关注。它把Agent当作长期运行的工作流系统来设计，而不是一次性的对话式工具。

SuperAgent的核心设计：调度与执行分离

SuperAgent的关键变化是把消息触发、接单判定、长期工作项和实际执行拆开。Router负责决定哪个请求值得接受、应该派给谁；Worker在独立会话和目录里完成任务，再把PR或问题回到原先的对话。

这种拆分直指一个痛点：Agent一边收消息一边写代码，很容易让任务互相打断。把调度职责写进系统结构，可能比一句提示词更稳定。

官方部署文档说明，Worker以操作系统用户权限执行，采用高权限执行方式，建议隔离专门账户，不能把这份原型直接接入公司生产仓库。复杂度和安全成本会随架构能力同步增加。

Router-Worker 架构是一种将任务分发与任务执行解耦的系统设计模式，常见于分布式系统与任务队列系统。Router 作为调度层，负责接收外部事件（如消息、工单、CI 通知），根据规则或策略判断是否接受任务、优先级如何、应分配给哪个执行单元；Worker 则是无状态或轻状态的执行单元，在独立上下文（独立会话、独立目录）中完成具体工作，并将结果回写到指定位置。这种分离的核心价值在于：调度逻辑可以独立演进和测试，执行单元可以横向扩展，单个任务的失败或阻塞不会污染其他任务的状态。在 Agent 场景中，这种架构把“是否该做”和“怎么做”分开，使长期运行的工作流具备可追踪、可恢复、可审计的结构基础，而不是依赖单一对话上下文的隐式记忆。

基准数据说明了什么，没说明什么

在模拟的群聊和GitHub CI消息流中，每组大约300条消息，其中约20条是实际工作请求，每种方案做5次。SuperAgent的任务完成时间中位数12.4分钟，95分位15.7分钟；中性提示下单Session加SubAgent的95分位是29.5分钟。

但编码工作用的是只消耗时间的替代工具，所以这里测的是调度、并发和打断管理，不是模型真实完成代码的速度、质量或成功率。而且中性提示下的对照Agent 5次都没主动委派子任务——这不是严谨的统一产品竞赛。这个数字的价值在于证明系统结构对调度稳定性的影响，而非模型能力排名。

我更倾向把这次发布看成Agent工程架构的信号，而不是DeepSeek^广告又推出了一个能替代程序员的新产品。理由有两个：当一个模型可以连续做几十分钟工作，人的管理成本会从逐步写提示词转成确认权限、分派任务和收尾验收；系统把任务的存续状态从聊天窗口中抽离，才能在新消息、网络波动和机器切换时继续追踪责任。

未来应看真实项目PR合并率、返工率、人工介入次数及出错后恢复成功率。如果多Agent带来的协调开销压过收益，对这种长驻架构的预期就需要下调。

中位数与95分位是描述延迟分布的两个关键统计量。中位数（P50）表示一半任务在此时间内完成，反映典型体验；95分位（P95）表示95%的任务在此时间内完成，反映长尾延迟，即最慢的那部分任务的表现。在调度系统评测中，P95 往往比均值更有意义，因为用户感知的“卡顿”和“失控”通常来自长尾而非平均水平。SuperAgent 报告中 P50 为12.4分钟、P95为15.7分钟，而对照方案 P95 为29.5分钟，说明其优势主要体现在长尾稳定性上——即减少任务被反复打断后长时间悬置的情况。但需注意，这些数字衡量的是调度与并发管理能力，而非模型生成代码的质量；且样本量（每组约300条消息、5次重复）较小，统计显著性有限，不宜外推为产品级性能结论。

OpenAI融资目标下调：商业信号而非泡沫定论

金融时报10月30日报道，OpenAI最新一轮融资的目标从此前报道的300亿美元下调到200亿美元，TechCrunch 10月31日跟进。华尔街日报还报道目前取得约110亿美元资金承诺，投资者反应相对平淡，估值的媒体口径从此前的1.4万亿美元调整到1.25万亿美元。

这里需要区分目标、估值、承诺额、首批交割额和最终到账现金——它们完全是不同概念。目前没有公司正式交割公告，也不能把媒体描述的投资者态度当成已经确认的融资失败。

比较可信的机制是：AI公司需要持续投入极高的算力和数据中心资本支出，而未来收入能否覆盖折旧、能源、运维与债务成本，投资人开始要求更明确的路径。对开发者最实际的启示不是预测股价，而是尽量避免业务模式完全依靠未来无限便宜的token；对做基础设施的公司，则要更谨慎地区分长期合同、预付现金和不可撤销的算力义务。

融资目标、估值与承诺额是三个容易混淆的概念。融资目标（fundraising target）是公司计划在本轮募集的金额上限或期望值；估值（valuation）是投资前或投资后对公司整体价值的定价，通常以“投前估值”或“投后估值”表述；承诺额（commitment）是投资者已书面或口头表示愿意出资的金额，但不等于资金已到账；首批交割额（first close）是首轮正式法律交割时实际到账的现金。媒体常将“目标下调”与“估值下调”混用，但二者机制不同：目标下调可能反映募资节奏或投资者需求变化，估值调整则涉及定价共识。在缺乏公司正式交割公告的情况下，应将这些数字视为媒体基于信源报道的估算，而非已确认的财务事实。对基础设施采购方而言，更应关注的是合同中的算力义务是否可撤销、预付款比例及交付违约责任，而非融资金额本身。

Meta与富力业的人形机器人：供应链验证而非家用产品

The Information 10月31日引述知情人士报道，Meta与中国富力业智能在大约三个月里做出内部代号Max的人形机器人，约106磅（48公斤）。报道首次公开在10月31日，不代表机器人今天刚做出来——媒体称它在8月就向部分Meta员工展示，9月已开始二代设计。

报道称双方讨论家庭交互、语音和手势感知，但现在没有公开的量产时间表、独立测试或家庭任务完成率。路透社转述时也明确表示无法独立核验。

这条新闻比单纯展示机器人走路更有行业价值：它暴露出大厂会如何缩短从模型到实体设备的距离，把感知、交互与机械整机能力交给不同专业团队协作。最强的反面解释是，三个月做出来的很可能主要是已有硬件平台的定制外壳和交互集成，并没有跨过泛化操作与家庭可靠性门槛。

对机器人初创公司来说，与其先追求更多拟人化表情，不如优先给出连续多小时任务的成功率和人工接管率，再计算硬件BOM和售后服务成本。

安全绘图数据训练争议：一个前端开关远远不够

The Decoder 10月31日报道，一封发给Daybreak Blue网络安全项目Trusted Access成员的邮件称，从11月29日起，这些特定安全绘图数据会用于模型训练，即使用户关闭了普通的“为所有人改进模型”开关。随后的反弹促使OpenAI追加邮件，表示会提供单独的选择退出机制，不过被安全审查标记的交互仍可能有安全用途。

这不是“ChatGPT所有聊天都会被重新训练”的公告。关键事实来自媒体展示和引用的会员邮件，缺少面向所有人的正式完整新版条款，因此必须把适用人群和政策状态讲清楚。

支持者会说，网络安全绘图用于训练有助于提升防御能力，安全审查的例外也可能有合理性；反对者会说，安全研究最容易包含未公开漏洞、源代码、客户环境和凭据，如果一个通用开关不能准确告诉用户数据到底去哪里，研究者就无法做可信的保密承诺。

企业选模型时不能把一个前端隐私按钮当作全部合同，而要看数据类别、用途、留存时间和例外通道。对敏感漏洞或客户数据，优先选择明确书面约定的隔离环境，并在测试账户验证默认设置。

算力基建的隐性成本：诉讼、许可与合规

TechCrunch 10月31日报道，美国联邦法官驳回xAI希望终止NAACP相关空气污染诉讼的动议。原告指控孟菲斯附近Colossus数据中心使用至少35台燃气轮机而未获得所需许可。xAI曾主张这些设备属于可豁免的移动式设施，同时质疑原告起诉资格。法院的意思是本案可以继续往下打，并没有在这一阶段认定xAI已经违法，污染程度和最终责任仍需审理。

过去分析算力经常只比较芯片价格、PUE和电价，但实际建站还需要空气排放许可、用水、电网容量、当地居民的信任以及被司法审查的时间。法院目前只允许案件继续，不意味着原告已经证明污染损害，所以不应根据单案做行业普遍违法判断。

对采购方的可执行建议是：在大额长期算力合同里增加能源来源、许可状态、不可抗力停工、替代方案和交付期限的进调条款。

文字水印：有用的补充证据，不是绝对裁判

xAI最新官方文档写明，从11月7日开始，7款Grok模型经API输出的文字将默认加入不可见水印，管理员在符合适用法律例外时可以按模型退出。它通过生成时的词选择留下统计特征，不是往文本里插隐藏字符。

话说回来，The Decoder 10月31日根据Anthropic给API客户的邮件报道，4款较早的Claude型号将补上水印，但其中Opus 4.6和Sonnet 4.6若开发者调整Temperature、Top P、Top K等采样参数，水印可能无法施加。Anthropic当前帮助页仍将若干旧型号列为尚未支持，不能把计划写成已经完全上线。

文字水印有用，但不应该被教育和企业风控系统当成绝对裁判。由于本质是对token分布做统计标记，文字太短时信号不足，被人工改写或另一个模型重写后也可能失效。xAI甚至提供反查功能说明某次请求是否带水印，但这是调用API当下获得的信息，不能替代多年之后的内容来源审计。

更实际的方案是保留请求来源、版本、可信日志，再将水印作为补充证据。如果未来出现独立的大规模多语种误判率研究，证明短文本也能稳定检测，才应该提高其证据权重。

文字水印（text watermarking） 是一种在模型生成文本时，通过调整词表概率分布嵌入统计信号的技术。其典型做法是在每个 token 采样时，根据一个秘密密钥将词表划分为“绿名单”和“红名单”，并轻微提升绿名单词的采样概率；检测时统计文本中绿名单词的比例，若显著高于随机基线，则推断文本可能由该模型生成。这种水印不插入可见或隐藏字符，因此不影响文本可读性，但依赖生成时的采样过程。关键限制在于：调整 Temperature、Top P、Top K 等采样参数会改变分布，可能削弱或破坏水印信号；文本过短时统计样本不足，检测可靠性下降；人工改写或经另一模型转述后，水印信号通常会被稀释。因此，水印适合作为来源溯源的辅助证据，但不适合作为唯一的判定依据，尤其在教育评分或企业风控等高风险场景中。

产品侧的高频场景：AI眼镜的翻译功能

IT之家报道，夸克AI眼镜OTA新增通话翻译和媒体翻译，在打电话、参加线上会议、听播客、上网课、看视频时提供实时翻译，并同步显示文字，优化嘈杂环境下的识别。与单纯拍照识物相比，这更接近用户愿意反复使用的高频场景。

不过目前还没有独立设备测试，不能把宣传中的实时准确和无障碍理解成已经验证的体验。AI眼镜能否留存，首先取决于端到端延迟、噪声下可用性、佩戴负担以及不看手机能否完成任务。如果翻译仍需频繁拿出手机修正，它很难凭新功能形成护城河。

把今天的消息放在一起，有两个判断值得留下。第一，当模型能力逐渐够用，下一轮Agent产品分化更可能体现在能否长期承担工作，以及出错后是否可追责、可恢复。DeepSeek的新原型展示了可行的系统结构，但还远没有证明生产可靠性。第二，从OpenAI融资目标下调的报道、xAI数据中心案件，到安全绘图训练数据和文本水印，AI正在把以前容易被营销话术盖住的成本暴露出来：资金、数据、许可、能源、合规和用户信任。对开发者，今天更值得做的也许是少追一个跑分，多设计一个可靠的任务状态机；对采购方，多写几个验收条件，而不是只比token单价。